Micron y fabricantes de memoria caen tras TurboQuant de Google: ¿riesgo real para el boom de la IA ? | Benzinga España

Benzinga
Ouvrir sur Benzinga
Micron y fabricantes de memoria caen tras TurboQuant de Google: ¿riesgo real para el boom de la IA ? | Benzinga España
Share Facebook Twitter LinkedIn Pinterest Email

Las acciones de empresas de memoria como Micron Technology Inc. (NASDAQ:MU ) y Sandisk Corp. (NASDAQ:SDNK ) fueron la apuesta consensuada en IA para 2026: la apuesta de hardware más directa en la expansión de la infraestructura de inferencia que impulsa a todos los grandes hiperescaladores.

Durante las últimas seis sesiones, esa apuesta se ha ido desmoronando de una forma que los modelos de demanda no habían previsto.

El detonante inmediato fue el anuncio de Alphabet Inc. (NASDAQ:GOOGL ) el martes 24 de marzo sobre TurboQuant, un algoritmo de compresión de memoria para IA que sacudió a todo el sector de la memoria.

Las acciones de Micron Technology han caído en cada una de las últimas seis sesiones, desplomándose más de un 20 %. Es el peor rendimiento de la acción en varias sesiones desde la venta masiva provocada por la crisis arancelaria de abril de 2025.

Sus competidores Sandisk y Western Digital Corp. (NASDAQ:WDC) han seguido su ejemplo, con SNDK cayendo un 11 % solo el jueves. En Seúl, el jueves, Samsung Electronics cayó casi un 5 % y SK Hynix bajó aproximadamente un 6 %, arrastrando al índice KOSPI a la baja. Kioxia, el especialista japonés en memorias flash, perdió alrededor de un 6 % en la misma sesión.

El debate ahora es si se trata de un bajón para comprar o de una tesis alcista que acaba de romperse definitivamente.

Lo que TurboQuant realmente hace (y no hace)

El algoritmo se llama TurboQuant. Desarrollado por Amir Zandieh, investigador científico de Google, y Vahab Mirrokni, vicepresidente y Google Fellow, comprime la caché de clave-valor —el almacén de memoria de alta velocidad que permite a un modelo de IA recuperar cálculos anteriores sin volver a procesarlos— a solo 3 bits por valor, frente a los 16 estándar.

Según las pruebas de rendimiento de Google, eso reduce los requisitos de memoria de la caché KV al menos seis veces sin una pérdida apreciable en la precisión del modelo, y ofrece un aumento de rendimiento de hasta 8 veces en las GPU H100 de Nvidia Corp. (NASDAQ:NVDA ).

Se espera un lanzamiento de código abierto en el segundo trimestre de 2026.

En pocas palabras: cada carga de trabajo de inferencia de IA se ejecuta contra una caché KV que crece con la longitud del contexto.

TurboQuant comprime esa caché, lo que significa que la misma cantidad de memoria de gran ancho de banda puede atender a más usuarios simultáneos, manejar contextos más largos o ejecutar un modelo más grande de lo que era posible anteriormente.

Sin embargo, también hay límites técnicos notables aquí.

TurboQuant no afecta a los requisitos de memoria del entrenamiento de modelos de IA, que sigue siendo el principal factor que impulsa la adquisición de memoria de alto ancho de banda en hiperescaladores como Google, Microsoft Corp. (NYSE:MSFT ) y Amazon.com Inc. (NASDAQ:AMZN ).

El algoritmo es también, a día de hoy, un resultado de laboratorio. Se presentará oficialmente en la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR) 2026 a finales de abril. No se ha implementado a escala de producción en ninguna pila de infraestructura de IA importante.

También puedes leer: Acciones de Meta caen tras histórico fallo judicial por adicción a redes sociales y nuevos despidos

Los analistas dicen que esto no está alterando el mercado de la memoria

El analista de TMT de Wells Fargo, Andrew Rocha, reconoció directamente la amenaza para la demanda.

«TurboQuant está atacando directamente la curva de costes», dijo Rocha en una nota a los inversores el miércoles, añadiendo que unas especificaciones de memoria más bajas por carga de trabajo de IA plantean rápidamente la pregunta de cuánta capacidad total necesita realmente el sector.

Sin embargo, Rocha no llegó a sacar una conclusión pesimista, señalando que el escenario de destrucción de la demanda requiere una adopción generalizada, lo que aún no ha ocurrido.

«No altera el panorama de la demanda a largo plazo del sector», dijo.

Morgan Stanley se opuso a la tendencia bajista.

El analista de semiconductores del banco, Shawn Kim, calificó la reacción del mercado como excesiva y argumentó que TurboQuant podría, en última instancia, beneficiar a los fabricantes de memoria a largo plazo: los menores costes de inferencia reducen el coste por token de ejecutar servicios de IA, lo que históricamente impulsa una mayor adopción en lugar de una compresión de la demanda.

El banco invocó la paradoja de Jevons: las ganancias de eficiencia en un mercado con recursos limitados tienden a aumentar el consumo total, no a reducirlo.

El precedente histórico es claro. La compresión JPEG no redujo el almacenamiento de las cámaras. Los códecs de vídeo no redujeron la demanda de discos duros: permitieron el streaming en 4K, lo que la impulsó al alza.

El avance en eficiencia de DeepSeek R1 en enero de 2025 desencadenó una venta masiva similar en las acciones de Nvidia y de memoria; en dos trimestres, los compromisos de inversión en IA de los hiperescaladores alcanzaron máximos históricos.

La venta masiva resultó ser un punto de entrada, no un punto de inflexión del ciclo.

Vivek Arya, analista de semiconductores de BofA Securities, presentó el argumento más directo en contra de la tesis de la destrucción de la demanda.

En una nota publicada el jueves, dijo que técnicas de compresión similares llevan en circulación desde 2024-25, solo Nvidia ha publicado cuatro métodos distintos de eficiencia de caché KV en los últimos doce meses, sin alterar la adquisición de hardware a gran escala.

La prueba más reveladora, dijo, está en los propios planes de gasto de Google. A pesar de publicar TurboQuant, Google elevó sus previsiones de inversión de capital para el año fiscal 2026 a aproximadamente 180 000 millones de dólares, un 100 % más que el año anterior, muy por encima del consenso anterior de unos 127 000 millones de dólares.

«La mejora de seis veces en la eficiencia de la memoria», dijo Arya en la nota, probablemente produzca un «aumento de seis veces en la precisión y/o la longitud del contexto, en lugar de una reducción de seis veces en la memoria».

Mantuvo un precio objetivo de 500 dólares para Micron, señalando que la acción cotiza ahora en el extremo inferior de su rango histórico de 5 a 10 veces la relación precio-beneficio futura.

Ben Barringer, responsable de investigación tecnológica en Quilter Cheviot, ofreció la misma perspectiva. TurboQuant se sumó a la presión sobre las acciones de memoria, dijo Barringer, pero la tecnología es evolutiva más que revolucionaria y no altera las perspectivas de demanda a largo plazo del sector.

Andrew Jackson, analista tecnológico de Ortus Advisors, señaló en una nota de investigación que el desarrollo de TurboQuant puede suponer «poca diferencia para la demanda, dadas las extremas restricciones de suministro» que caracterizan actualmente al mercado de la memoria para IA.

Qué significa esto para los inversores

Los beneficiarios a corto plazo de una adopción más amplia de TurboQuant son los hiperescaladores, los menores costes de inferencia mejoran el rendimiento de la inversión en infraestructura, y las startups de IA que pueden ejecutar modelos más grandes con presupuestos de hardware más reducidos.

Cabe destacar que Nvidia no sale perdiendo en este escenario; las GPU no se vuelven menos necesarias cuando mejora la eficiencia de la memoria, sino que se vuelven más rentables por cada dólar de rendimiento de inferencia, lo que podría acelerar su adopción en mercados anteriormente limitados por el coste.

Para Micron y SanDisk, el cálculo es más complicado.

Ambas acciones entraron en 2026 con una valoración basada en la suposición de que la demanda de memoria para IA crecería linealmente con el tamaño del modelo y la longitud del contexto, una suposición que TurboQuant ahora complica, aunque la adopción plena aún esté a años de distancia.

El mercado parece no estar valorando el escenario de adopción a corto plazo, sino la existencia de una vía de software creíble para reducir la intensidad de memoria.

Esa es una suposición diferente y más difícil de descartar.

La reciente caída de Micron ya es notable.

Si se trata de un reajuste estructural de precios o de una reacción exagerada a un resultado de laboratorio que aún no se ha llevado a producción es una pregunta que el próximo ciclo de resultados, y la ICLR 2026, empezarán a responder.

Imagen: Shutterstock

Recibe noticias exclusivas 30 minutos antes que otros traders
La prueba gratuita de 14 días de Benzinga Pro te brinda acceso a noticias exclusivas para que puedas realizar transacciones antes que millones de otros inversores. Comienza tu prueba gratuita de 14 días haciendo CLIC AQUÍ .

Para más actualizaciones sobre este tema, activa las notificaciones de Benzinga España o síguenos en nuestras redes sociales: X y Facebook.