Google acaba de darle a Wall Street una razón para repensar el mayor acuerdo en inteligencia artificial.
A principios de marzo, el equipo de investigación de Alphabet dijo que había desarrollado una nueva familia de algoritmos de compresión: TurboQuant, PolarQuant y Quantized Johnson-Lindenstrauss o QJL.
¿Cuál es el punto en todo esto? Su objetivo es reducir la cantidad de memoria necesaria para ejecutar grandes modelos de lenguaje y motores de búsqueda de vectores.
En las pruebas de Google, TurboQuant redujo los requisitos de caché de valores clave al menos seis veces manteniendo la precisión, lo que generó preguntas importantes sobre el tema más amplio para los inversores. ¿Qué pasará con la demanda de memoria y almacenamiento si los modelos de IA mejoran significativamente?
Esta pregunta rápidamente tocó una fibra sensible. Las acciones de Micron Technology (MU), Western Digital (WDC), Seagate Technology (STX) y SanDisk (SNDK) cayeron cuando los inversores se dieron cuenta de la posibilidad de que las cargas de trabajo de inteligencia artificial no requieran tanta potencia de fuego.
La cobertura del mercado vinculó directamente la caída con la ruptura de Google, que se produjo en un momento en que las acciones de infraestructura de inteligencia artificial ya habían experimentado enormes ganancias a medida que se consideraba que los modelos más grandes generaban más memoria, capacidad de almacenamiento y mayores gastos de capital.
Eso es lo que hizo que la reacción fuera tan alarmante. Wall Street no estaba simplemente reaccionando al blog de investigación. Fue una respuesta a la idea de que parte del costo del auge de la IA podría recaer en los proveedores de hardware. ¿Adónde irá después? Bueno, esto probablemente conducirá a que las empresas encuentren formas de obtener más productividad de la misma base de infraestructura.
Para el comercio basado en la escasez, esto es alarmante.
“A medida que la IA se integre cada vez más en todo, desde el LLM hasta la búsqueda semántica, este trabajo en la cuantificación de vectores fundamentales será más importante que nunca”, escribieron en un blog de la empresa el científico investigador de Google, Amir Zandieh, y el compañero de Google, Wahab Mirrokni.
Google TurboQuant comienza a intercambiar memoria por inteligencia artificial
Google presentó TurboQuant como una solución a uno de los problemas más desconcertantes de la IA moderna: las limitaciones de memoria.
A medida que los modelos procesan consultas más largas y ventanas de contexto más grandes, aumenta el requisito de memoria para almacenar cachés de valores clave, lo que puede ralentizar el proceso de inferencia y aumentar los costos operativos.
La cuantificación vectorial tradicional puede reducir esta cantidad, pero a menudo introduce una sobrecarga adicional porque los sistemas aún necesitan almacenar constantes de cuantificación con alta precisión.
Relacionado: El CEO de Nvidia hace un llamado de atención para el próximo gran proyecto de inteligencia artificial
Google dijo que TurboQuant aborda esta deficiencia combinando PolarQuant para trabajos de compresión básicos con QJL para corrección de errores de bajo costo.
Es esta diferencia técnica la responsable de una reacción tan fuerte del mercado. Durante los últimos dos años, los inversores han estado fomentando la opinión de que la inteligencia artificial seguirá obligando a los hiperescaladores y modeladores a comprar sistemas con más memoria, mayor capacidad de almacenamiento e infraestructura de soporte adicional.
El trabajo de Google no elimina esta tesis. Sin embargo, esto confunde el asunto al mostrar que las innovaciones de software pueden cambiar la curva de demanda de hardware.
Cuando un sector es valorado por su implacable intensidad, incluso un indicio de desempeño futuro conducirá a una sobrevaluación significativa.
Hay otro contraargumento importante. TurboQuant sigue siendo una tecnología en etapa de investigación, y Google dice que planea presentar artículos en ICLR 2026 y PolarQuant programado para AISTATS 2026.
Esto significa que la liquidación podría deberse a que la gente salga de posiciones superpobladas y obtenga ganancias, o a un cambio repentino en la demanda del mercado final. Y los alcistas todavía tienen argumentos que defender: noticias recientes han demostrado que el gasto en infraestructura a gran escala seguirá siendo enorme en 2026.
Sandisk le dio otro giro a la historia ya que sucedió el mismo día en que la gente tomó conciencia del gran movimiento estratégico en la memoria.
El 25 de marzo, Nanya Technology informó que Sandisk Technologies, una subsidiaria de propiedad total de Sandisk Corp., suscribió 138,685 millones de acciones ordinarias en la colocación privada de Nanya a un precio de NT$223,9 por acción.
Nanya dijo que los ingresos se utilizarán para capacidad de fabricación y equipos de producción para producir memoria avanzada para satisfacer la demanda de informática impulsada por inteligencia artificial.
Según se informa, Sandisk fue el mayor inversor en la recaudación de fondos, con un valor aproximado de 2.500 millones de dólares, y también celebró un acuerdo de suministro de DRAM a largo plazo con Nanya.
Esto crea la pantalla dividida más interesante de la historia. Por un lado, nuevos documentos de Google sugieren que los futuros modelos de IA pueden requerir menos memoria por carga de trabajo.
Por otro lado, Sandisk sigue gastando dinero real para garantizar la disponibilidad de memoria para el crecimiento de la IA a largo plazo. Esto no es algo que los inversores puedan ignorar. El verdadero debate ahora es qué sigue para el comercio de infraestructura de IA.
La pregunta más importante es si la IA sigue siendo principalmente un problema de hardware o se convierte en un problema de optimización. Hasta ahora, el mercado ha recompensado abrumadoramente a los beneficiarios del hardware, desde fabricantes de memoria hasta proveedores de redes y socios de GPU.
Pero Google nos recuerda que los mejores beneficios de la economía de la IA pueden provenir de una compresión más inteligente, un mejor enrutamiento, una inferencia más económica y un procesamiento de datos más eficiente. La construcción no termina ahí; simplemente redistribuye parte del fondo de ganancias.
Por eso estas acciones reaccionaron con tanta fuerza. Los inversores no se limitaban a comprar y vender noticias sobre un algoritmo. Apostaban a que el software podría empezar a evolucionar más rápido que las suposiciones del mercado sobre el hardware. Si esto sucede, los ganadores dentro de la IA aún podrán ganar en grande. Pero lo principal es que no ganarán de la misma forma.
Google provoca una nueva liquidación de acciones de memoria de IA
Foto de LUDOVIK MARIN en Getty Images
Sandisk y Micron se enfrentan ahora a un panorama de inteligencia artificial más complicado
Lo que está claro a estas alturas no es que Google haya roto y destruido el mercado de la memoria. La cuestión es que Google ha roto la simplicidad del comercio de memoria.
Más acciones tecnológicas:
Morgan Stanley fija un precio objetivo sorprendente para Micron después del evento El problema con el chip chino de NVIDIA no es lo que piensan la mayoría de los inversores. Quantum Computing hace un movimiento de 110 millones de dólares que nadie esperaba
Micron, Western Digital, Seagate y Sandisk se benefician de una narración sencilla.
Relacionado: El CEO de Micron lanza una bomba después de las enormes ganancias de Micron
Modelos más grandes, inferencias más complejas y más tráfico de IA deberían requerir más chips, más almacenamiento y costos más altos en todo el centro de datos. No me malinterpretes, todavía hay mucho espacio para que esta historia continúe.
Los resultados recientes de Micron han demostrado que la demanda de IA sigue siendo muy fuerte, y noticias recientes han sugerido que los grandes hiperescaladores todavía planean gastar mucho en infraestructura en 2026.
El caso es que la demanda no desaparece. La cuestión es que los inversores piensen detenidamente sobre qué parte de esta demanda será compensada por las ganancias de eficiencia del modelo.
Ahí es cuando se vuelve más difícil determinar el valor. Si la IA continúa volviéndose más inteligente pero la cantidad de memoria requerida para cada tarea disminuye, los fabricantes de hardware aún podrían registrar fuertes ventas, pero no el tipo de crecimiento sostenido que esperaban los inversores.
Esta oportunidad es más importante para las acciones que ya han subido significativamente, porque cuando el mercado ve nuevas razones para dudar de la pendiente de la demanda futura, los ganadores suelen ser los primeros en verse afectados. La publicación de Google del 24 de marzo hizo precisamente eso.
Conclusiones clave sobre Google, Micron y Sandisk. El 24 de marzo, Google Research presentó TurboQuant, PolarQuant y QJL para reducir la sobrecarga de memoria de la IA. Google dijo que TurboQuant redujo la necesidad de caché de valores clave al menos seis veces en sus pruebas sin sacrificar la precisión. Las acciones de memoria y almacenamiento, incluidas Micron, Western Digital, Seagate y Sandisk, se vendieron cuando los inversores reevaluaron las suposiciones de demanda de hardware de IA. Sandisk acordó por separado invertir en Nanya. y una sólida oferta de DRAM, lo que indica una confianza continua en la demanda de memoria a largo plazo. La gran pregunta en el mercado es si los próximos avances en IA estarán dirigidos más a proveedores de hardware o a empresas centradas en software y modelos que hagan más eficiente la infraestructura.
El comercio de memorias de IA no está muerto. De nada. Pero ya no es tan simple como “más modelos, más chips”.
Google acaba de recordarle a Wall Street que el software también podría cambiar las cosas.
Esto dificulta la vida a Micron, Sandisk y el resto del grupo. Ahora tienen que demostrar que el crecimiento de la demanda puede superar el crecimiento de la eficiencia del negocio del modelaje. Esto significa que para los inversores, los próximos trimestres se centrarán menos en el entusiasmo y más en la prueba.
Relacionado: Palantir acaba de obtener acceso a algo muy secreto
