Este episodio del podcast trata principalmente sobre la filosofía de inversión de Gavin Baker, fundador de Atreides Management e inversor de largo plazo en Nvidia y Cerebras.
Su juicio central es que la IA no es una burbuja, sino un superciclo de infraestructura impulsado conjuntamente por electricidad, obleas de silicio y potencia de cálculo; los rendimientos reales por exceso no están en los grandes modelos o los chatbots, sino en los vínculos de GPU, la memoria, los chips de inferencia, los procesos avanzados y el suministro eléctrico, estos eslabones de los "vendedores de palas".
Gavin Baker se protege de las caídas del mercado general mediante puts en el QQQ, mientras concentra sus apuestas en activos de cuellos de botella físicos de la IA como Astera Labs, Unity, Micron, Nvidia, Cerebras y Positron.
Lleva el debate de la "burbuja de IA" desde la capa emocional de vuelta a las limitaciones de oferta y demanda, argumentando que siempre que TSMC, ASML, la memoria de alto ancho de banda y la red eléctrica no puedan volverse excesivas rápidamente, es posible que los gastos de capital en IA no sean una repetición de la burbuja de Internet del 2000.
Citas destacadas
¿Burbuja de IA o superciclo?
· "La IA no está en una burbuja; al contrario, está en medio de un superciclo."
· "Las mayores recompensas no están en el SaaS, ni en chatbots como OpenAI o Anthropic, sino en la electricidad, la potencia de cálculo y la fabricación de silicio."
· "Esto no es la burbuja de Internet, porque los principales compradores son las empresas más inteligentes y con mayor flujo de caja del mundo, que no están comprando capacidad de cálculo con deuda apalancada."
· "Si todo el mercado no puede ser excesivamente abastecido, es difícil que colapse de repente como una burbuja tradicional."
Los verdaderos cuellos de botella: electricidad, obleas de silicio, tokens
· "La teoría de Gavin es simple: solo mira los cuellos de botella en la capa de infraestructura de IA; quien pueda hacer que el rendimiento por vatio sea mayor y el costo por token más bajo, tendrá valor."
· "Los laboratorios de IA ahora se preocupan cada vez más por una cosa: cuántos tokens puede generar cada vatio de electricidad."
· "La electricidad y las obleas de silicio son dos muros de ladrillo, también dos restricciones clave que limitan una aceleración demasiado rápida de la IA."
Del preentrenamiento a la inferencia y el post-entrenamiento
· "Que un modelo termine su preentrenamiento no significa que sea un genio de por vida; todavía necesita absorber nueva información en la fase de post-entrenamiento."
· "La inferencia esencialmente requiere una gran cantidad de cálculo, por eso los chips de inferencia y la infraestructura de inferencia se convertirán en el foco de la próxima etapa."
· "Solo las oportunidades de costo o ingresos que trae la inferencia podrían ser de 5 a 10 veces la inversión en potencia de cálculo para el preentrenamiento."
Modelos pequeños verticales, modelos en el dispositivo e infraestructura soberana
· "En el futuro, no necesariamente interactuarás con Claude todos los días; lo que realmente puedas necesitar es un agente de IA personalizado entrenado con tus propios datos."
· "La velocidad de despliegue de infraestructura es en sí misma una barrera de entrada; la velocidad de iteración en el mundo digital es mucho más rápida que la velocidad de construcción de la infraestructura física."
"Quien pueda comprimir la implementación física que toma meses o años en semanas, podrá vender a un precio muy alto en la infraestructura de IA."
El método de inversión de Gavin: largo en cuellos de botella, corto en el riesgo general del mercado
· "Él cree firmemente que aparecerán ganadores en IA, pero eso no significa que sea optimista sobre todo el mercado; las puts del QQQ son su cobertura contra el riesgo general a la baja."
· "TSMC en realidad limita la velocidad a la que la burbuja puede acelerar; siempre que la capacidad de producción de chips no pueda expandirse instantáneamente, los gastos de capital no se descontrolarán fácilmente."
· "Gavin es como un Leopold más viejo, más estable y con un historial más largo de navegación de ciclos: el éxito del primero se mide en décadas, mientras que el de este último actualmente se mide más en trimestres."
Activos en los que vale la pena apostar en el superciclo de IA
EJ: Gavin Baker es un inversor en IA extremadamente productivo pero casi desconocido para el público. En los últimos 20 años, comenzó a invertir en algunas compañías de IA que luego se volvieron conocidas, incluso antes de que fueran populares. Apostó tempranamente por Nvidia (proveedor central de GPU para IA y computación acelerada) y también por Cerebras (compañía de chips de IA), y tiene una visión muy clara: la IA no es una burbuja, al contrario, es un superciclo.
Él cree que simplemente observando los watts (electricidad), las obleas de silicio (wafers) y los tokens (unidad de generación y cálculo del modelo), es decir, la infraestructura subyacente de la IA, se pueden identificar los cuellos de botella y restricciones clave. Su conclusión es simple: las mayores recompensas en la IA provienen de la electricidad, la energía y la fabricación de silicio, y tienen poco que ver con el SaaS (software como servicio) o con chatbots como Anthropic y OpenAI.
Toda la industria eventualmente se transmitirá aguas abajo a los semiconductores, es decir, a los activos de "vendedores de palas" (picks and shovels) que sostienen toda la industria de IA.
Mientras mucha gente dice que la industria de IA ya es una burbuja, él cree que es precisamente una oportunidad de compra generacional, especialmente en la infraestructura de IA. Expresa este juicio en su fondo con un tamaño de aproximadamente 4.1 mil millones de dólares.
Si escuchas las restricciones de las que habla, especialmente la infraestructura de IA, esta teoría te sonará familiar. Anteriormente, en el programa, hablamos varias veces sobre un inversor llamado Leopold Aschenbrenner, quien también ha hecho muchas asignaciones en direcciones similares. La diferencia es que Leopold lo ha hecho durante unos 3 años, mientras que Gavin lo ha hecho durante más de 20.
El tamaño de los activos bajo gestión de Leopold es aproximadamente tres veces mayor que el de Gavin, pero el productor del programa, Luke, hizo una buena observación: quizás puedas superar a Warren Buffett en un año, pero ¿puedes superarlo continuamente durante décadas? El historial de Gavin Baker sugiere que podría tener una perspectiva diferente sobre esta teoría de inversión.
Para aquellos que no conocen a Gavin Baker, sepan que es el fundador de Atreides Management (fondo de inversión) y ha estado invirtiendo en Nvidia durante los últimos 20 años. Si puedes mantener Nvidia durante 20 años y seguir trabajando, eso ya es increíble en sí mismo, porque debería generar retornos asombrosos.
Algunas de sus victorias recientes incluyen Cerebras y Astera Labs (compañía de chips de conectividad para centros de datos de IA). Cerebras es una compañía de chips de IA; en el programa se menciona que su valoración después de la salida a bolsa es asombrosamente alta. También hay otras compañías de las que quizás no hayas oído hablar, y en este episodio seguiremos su cartera y juicio para ver dónde cree él que están realmente las oportunidades de inversión en IA.
Entonces, la pregunta se convierte en: ¿en qué invierte exactamente y por qué? Si observamos el último formulario 13F de Atreides Management (documento trimestral de revelación de tenencias para inversores institucionales estadounidenses), este fondo tiene aproximadamente 4 mil millones de dólares en AUM (activos bajo gestión). Al desglosar algunas de sus mayores posiciones, se ve que estas compañías apuntan a los cuellos de botella en el desarrollo de la IA que Gavin menciona repetidamente.
Tiene posiciones importantes en compañías que no son muy glamorosas y que mucha gente ni siquiera conoce. Por ejemplo, Astera Labs, representa casi del 9% al 10% del fondo. Puedes entender a Astera Labs como la capa de conexión entre las GPU.
Si imaginas un centro de datos como un sistema, las GPU son los motores, responsables del pre-entrenamiento, post-entrenamiento e inferencia del modelo. Pero para que las GPU funcionen, deben transferir grandes cantidades de datos entre sí y acceder a los chips de memoria que almacenan los datos.
Para lograr esto, se necesita un "sistema de tuberías". Lo explico a alto nivel porque no pretendo entender todos los detalles de bajo nivel. Astera Labs resuelve precisamente este problema. Cuando un clúster de IA se escala a cientos de miles de chips, el cuello de botella ya no son solo las GPU en sí, sino la ventana de transferencia de datos: cómo enviar los datos correctos en el momento correcto y acceder a los datos correctos. Astera Labs construye ese sistema de tuberías.
Yo tampoco había oído hablar de Astera Labs antes de investigar para este episodio. Pero recuerdo que Cerebras estaba en una situación similar. Gavin habló de Cerebras hace unos seis meses, y considerando la escala de tiempo de la IA, seis meses es mucho tiempo. Luego salió a bolsa, y en el programa se menciona que su valoración es de unos 600 mil millones de dólares, y después de la salida a bolsa subió otro 40%. Esto sugiere que Astera Labs también podría ser un nombre importante en una tendencia similar.
Josh: Cerebras fue una inversión muy temprana para él. Entró en Cerebras en una etapa muy temprana del ciclo de vida de la compañía, lo que significa que ha estado apostando por esta teoría durante muchos años. Hay varias otras compañías en las que también ha estado apostando a largo plazo, y la más emblemática es, por supuesto, Nvidia.
Poder participar en Nvidia durante más de 20 años y mantener la convicción todo el tiempo es muy impresionante. Escuché recientemente dos podcasts en los que participó Gavin, y al hablar sobre su posición en Nvidia expresó claramente un juicio: cree que Nvidia puede mantener tanto sus márgenes de beneficio actuales como la demanda. Esto significa que cree que Nvidia tiene la oportunidad de acercarse a una capitalización de mercado de 10 billones de dólares; actualmente solo está a mitad de camino.
Otra que vale la pena mencionar es Micron. En el episodio anterior hablamos sobre la pila de inversión en IA y el lugar de estas compañías en ella; les recomiendo encarecidamente que lo vean. Micron es uno de los mayores fabricantes de memoria.
En el programa se menciona una cifra asombrosa: hace un año su valor de mercado era inferior a 100 mil millones de dólares, y al momento de la grabación había superado 1 billón de dólares, multiplicándose por 10 en un año. Esto muestra lo importante que es el problema de la memoria.
También hay algunas compañías menos obvias pero interesantes. EJ, hay una en particular que quiero mencionarte: Unity Software. Quienes estén familiarizados con los videojuegos conocen Unity; es un motor de juego, muchos juegos populares se hacen con este software de renderizado 3D.
Entonces, ¿por qué un inversor en IA invertiría en Unity, esta "cosa para hacer videojuegos"? La respuesta es el motor de juegos 3D. Unity es un constructor de modelos del mundo; tiene una comprensión profunda de la física, cómo funciona el mundo, los materiales y la iluminación.
Cuando las compañías de IA buscan construir AGI (inteligencia artificial general) y robots humanoides, una parte importante es simular entornos virtuales y conjuntos de datos virtuales para entrenar a los robots. Unity resulta ser una de las herramientas más fuertes para eso.
Así que, como firme creyente en los modelos del mundo, deberías gustarte este ejemplo: una compañía conocida por su motor de juegos tiene un camino claro para convertirse en un jugador importante en el mundo de la IA.
La teoría y estrategia de inversión de Gavin
EJ: La teoría de los modelos del mundo es simple: los modelos de IA o LLM actuales entienden el mundo principalmente a través de texto y libros, como un estudiante sentado en una biblioteca, pero no tienen experiencia real en el mundo.
Lo que los modelos del mundo desbloquean es precisamente esto: colocar un personaje de juego en un entorno simulado para que entienda cómo funciona la realidad física.
Por ejemplo, ¿qué pasa si dejo caer mi teléfono o pateo una pelota? ¿Cuáles son los siguientes pasos? ¿Qué deberías hacer? Los modelos del mundo resuelven este problema.
Actualmente, no hay muchos jugadores que puedan hacer esto a gran escala. El líder actual podría ser Google, con modelos como Genie 3. El programa también menciona que Google lanzó recientemente Gemini Omni, pero este tipo de modelos aún no han tenido su verdadero "momento ChatGPT".
Lo que me gusta de Gavin es que su cartera se parece a una estrategia de barra (barbell). Por un lado, es muy tradicional: la gente necesita GPU, necesita almacenamiento, así que invierte en los mayores jugadores, Micron y Nvidia. Por otro lado, es muy vanguardista: cree que el disco (puck) irá hacia allí, así que invierte en Cerebras porque cree que la inferencia será muy importante; también invierte en Unity porque cree que los modelos del mundo serán la forma de entrenar robots y la próxima generación de LLM.
Su cartera también incluye Positron, que fabrica chips de inferencia. Si esto suena similar a Cerebras, sí, ambas giran en torno a la inferencia. Gavin ha estado hablando repetidamente en entrevistas recientes sobre una tendencia: la pila de infraestructura de modelos de IA, especialmente la pila de entrenamiento, está pasando del pre-entrenamiento a dar más importancia al post-entrenamiento.
Si estás en el mundo de la IA, sabes que este cambio ya está ocurriendo. Gavin está muy concentrado en esto. Un modelo todavía necesita entender información nueva, datos nuevos, necesita actualizarse. No porque haya completado el pre-entrenamiento en un conjunto de datos específico significa que será un genio de por vida. Todavía necesita aprender nueva información, y esto ocurre en la capa de post-entrenamiento, lo que requiere una gran cantidad de cálculo.
En segundo lugar, si necesitas que un modelo de IA realmente piense sobre problemas, como cuando recibimos nueva información y pensamos: ¿es válido este ángulo? ¿Hay otra teoría que pueda explicarlo? Esto es razonamiento (reasoning). El razonamiento también requiere una gran cantidad de cálculo. La estimación actual es que solo las oportunidades de costo o ingresos que trae la inferencia podrían ser de 5 a 10 veces la inversión en potencia de cálculo para el pre-entrenamiento.
Por lo tanto, se está produciendo un cambio significativo tanto en los laboratorios de IA como en los fabricantes de chips. Ya hemos visto a Nvidia lanzar muchas GPU orientadas a la inferencia para apoyar aplicaciones de tipo agente. Gavin también expresa su apuesta por la inferencia a través de una serie de inversiones.
Un último punto que encuentro muy interesante es lo que Gavin dice sobre China. En la carrera de la IA, la narrativa siempre ha sido China versus EE.UU. China tiene una configuración única: energía relativamente abundante y la capacidad de expandir la fabricación de chips. EE.UU. actualmente tiene dificultades en este aspecto, por eso muchos eslabones se subcontratan a TSMC en Taiwán.
Su explicación es que China tiene una oportunidad única para crear una infraestructura o chip de IA muy diferente al de EE.UU., porque se centrarán mucho en la inferencia. Podrías decir que Gavin, a través de sus inversiones en EE.UU., está liderando la apuesta por la construcción de la infraestructura de inferencia estadounidense. Creo que esto podría ser una gran oportunidad en el futuro.
Josh: Vale la pena señalar que esta apuesta no solo tiene potencial alcista. También mantiene una posición significativa en puts del QQQ. El QQQ es un ETF que rastrea el Nasdaq 100, una canasta de acciones y el segundo ETF más negociado en EE.UU. Su rendimiento ha sido muy fuerte: subió un 55% en 2023, un 25% en 2024, un 20% en 2025 y hasta ahora un 17% en 2026.
En otras palabras, el QQQ como fondo índice ha tenido un rendimiento excelente; es fácil de comprar, es una canasta de las 100 acciones más importantes. Y Gavin está tomando una cobertura en contra. No está diciendo que la IA no vaya a ganar, sino que está diciendo: va a invertir en los creadores clave que resuelven los cuellos de botella, pero no parece muy optimista sobre el sentimiento general del mercado.
Las puts del QQQ son una protección a la baja: si el mercado general colapsa de manera desfavorable, incluso si la IA gana a largo plazo, él tiene esta cobertura.
Cuatro tipos de direcciones en las que vale la pena invertir
Josh: Podemos dividir en varias categorías los cuellos de botella de inversión que él considera más importantes. La primera categoría son los modelos de lenguaje pequeños verticalizados.
Los LLM generales, como los chatbots Claude y ChatGPT, son LLM generalizados; tienen una comprensión amplia del mundo y pueden responder preguntas específicas. Pero entrenar un modelo en torno a un dominio vertical específico o un problema particular es otra cosa.
Estos problemas específicos suelen existir dentro de las empresas, especialmente aquellas que profundizan en un problema particular o han formado un nicho en un segmento específico. Los SLM verticalizados resuelven precisamente este problema: son modelos frontera, pero altamente optimizados, pueden ejecutarse de manera eficiente en datos empresariales específicos o ejecutarse localmente en el dispositivo.
Ya hemos hablado antes sobre modelos en el dispositivo o ejecutados localmente. La razón es que tu teléfono u otros dispositivos tienen muchos datos muy personales que quizás no quieras entregar y las empresas quizás no puedan acceder. Por ejemplo, registros médicos, detalles financieros.
Vi que OpenAI lanzó un agente de IA financiero que puede acceder a tu cuenta bancaria, pero no puede actuar realmente en tu nombre porque contiene mucha información de identificación personal, como el número de seguridad social, detalles bancarios, etc.
Los modelos locales o SLM pueden resolver este tipo de problemas. Gavin apuesta en gran medida a que se volverán importantes en el futuro. Hay una compañía por la que se muestra muy optimista: Apple. Aunque no ha expresado necesariamente un interés de inversión explícito, cree que Apple será uno de los principales fabricantes de dispositivos que permitan ejecutar modelos locales en los dispositivos.
Si el futuro es así, quizás ya no pensemos que Claude debe ser el modelo con el que interactúas todos los días. Es posible que necesites un agente de IA personalizado entrenado con tus propios datos, y eso es en lo que los SLM podrían convertirse finalmente.
La versión general podría ejecutarse en tu teléfono, y muchas empresas también ejecutarán modelos altamente optimizados y especializados, entrenados en sus datos propietarios, para vender o comercializar productos de manera más efectiva.
EJ: Apple está en una posición excelente para esto. Espero con ansias la WWDC, que se acerca.
Josh: Sí.
EJ: Quedan solo unas semanas para la conferencia de desarrolladores de Apple; lanzarán nuevo software de IA y cómo se integra con el hardware. Será muy importante, también lo cubriremos, espero con ansias discutirlo.
Josh: El segundo pilar es la infraestructura soberana. A menudo decimos que la velocidad de los bits es mucho más rápida que la velocidad de los átomos. Esto es evidente al observar la infraestructura de IA: la calidad del modelo mejora casi exponencialmente, la inteligencia por vatio, la inteligencia por token, solo seguirá aumentando.
Pero la velocidad de despliegue físico no ha aumentado a un ritmo cercano, y eso en sí mismo es una barrera de entrada. El hardware es extremadamente complejo; la precisión de los transistores ya se acerca al nivel atómico; desplegar a gran escala en un mundo donde la infraestructura existente ya está bajo presión no es fácil. Con la aceleración de la adopción de vehículos eléctricos, la red eléctrica ya está bajo mayor presión, muchos lugares están cerca de su capacidad máxima. Ahora la IA trae problemas de energía y problemas de chips.
Gavin apuesta firmemente al hecho de que la infraestructura es difícil, la construcción requiere muchos días, muchos meses, incluso muchos años. Él apuesta por aquellos que puedan comprimir este ciclo en semanas. Por lo tanto, la velocidad de despliegue físico es en sí misma una barrera de entrada. Está reduciendo su enfoque, buscando compañías que puedan implementar rápidamente.
El primer ejemplo que me viene a la mente es SpaceX y la velocidad con la que construyeron Colossus (el gran clúster de supercomputación de IA de xAI) y lo alquilaron a Anthropic, y en el futuro quizás también a otras compañías. Este pilar de infraestructura es uno de los focos clave de Gavin.
Si observas la cartera de Leopold, esta también es una parte central. La realidad es: construir cosas es muy difícil, y quienes puedan construir cosas pueden venderlas a un precio muy alto. En el programa se menciona que la mayor fuente de ingresos de SpaceX ahora es el alquiler de centros de datos, no los cohetes. Esto muestra lo importante que es este pilar.
EJ: A él le preocupa la velocidad, pero también el costo. Menciona repetidamente una métrica: rendimiento por vatio. Lo que realmente quiere decir es que los laboratorios de IA se preocupan cada vez más por cuántos tokens puede generar cada vatio.
Si piensas que este año solo unas cinco compañías gastarán decenas o cientos de miles de millones, incluso billones de dólares, en GPU, capacidad de cálculo y la electricidad que impulsa estos sistemas, definitivamente querrás que el rendimiento por dólar gastado sea lo suficientemente alto. Especialmente cuando los hiperescaladores se expanden a esta escala, el costo es un problema central.
Pongamos un ejemplo hipotético: si le hago una pregunta a Claude y me cuesta 2 centavos obtener una respuesta; si le hago una pregunta a ChatGPT y me cuesta 1 dólar obtener una respuesta. Incluso si Claude solo tiene el 95% de la inteligencia de ChatGPT, probablemente usaría Claude. Porque puedo hacer más preguntas y eventualmente obtener una respuesta a un costo menor.
Por lo tanto, el costo de acceder a esta inteligencia es muy importante. Justo esta semana, Microsoft y Uber anunciaron que en realidad están reduciendo el uso de Claude Code porque el presupuesto anual se agotó en aproximadamente 4 meses.
Puedes ver esto en la cartera de Gavin: Cerebras, Positron, Astera Labs. Él identifica cuellos de botella de infraestructura muy específicos y luego hace una apuesta simple: si esta compañía resuelve este cuello de botella, si el rendimiento por vatio alcanza un cierto nivel, si el costo por token baja a un cierto nivel, entonces los laboratorios de IA comprarán más GPU, más productos o más de este tipo de cosas.
Así que su teoría es realmente simple, aunque la tecnología específica sea compleja: solo me centro en los cuellos de botella en la capa de infraestructura de IA. Si puedo encontrar una compañía que aumente el rendimiento por vatio y haga los tokens más baratos, apuesto a que será valiosa en el futuro, ya sea mediante una salida a bolsa o una adquisición a un precio elevado.
Josh: En esta parte, si alguien quiere replicar las operaciones de Gavin, necesita conocer algunos nombres: Astera Labs, Cerebras, SiFive y Positron. Estas cuatro compañías son clave en este sector.
La cuarta y última dirección es la combinación de energía y espacio. Como dijimos antes, la red eléctrica terrestre limita en gran medida el suministro de energía, y construir nueva energía también es muy difícil. En el programa se menciona una estadística: aproximadamente el 40% de los nuevos centros de datos encuentran una oposición muy fuerte, la gente presiona, protesta, no quiere que estos centros de datos se instalen.
Hay dos tipos de soluciones. Una es crear energía "fuera de la caja", es decir, energía portátil. Puedes llevar el centro de datos y alimentarlo con una pequeña unidad de energía. Blue Marble, en la que Leopold confía mucho, pertenece a esta categoría.
La otra es la computación orbital, en la que Gavin se está centrando mucho ahora. La compañía más grande y central en este campo es, por supuesto, SpaceX. Es la única compañía con la capacidad de convertirse en la autopista hacia el espacio, llevar cargas útiles a la órbita, llevar bastidores y centros de datos a una órbita baja, y generar suficiente inteligencia y electricidad para transmitirlas de vuelta.
Creo que el significado de SpaceX es mayor que el de SpaceX mismo. Me sorprende un poco que la cartera de Gavin no tenga más configuraciones de acciones espaciales, considerando que él cree que esta es una industria enorme. Quizás la realidad es que aún es demasiado pronto, y SpaceX es la pieza clave que desbloquea esta industria.
A continuación, hay que observar de cerca el lanzamiento de Starship V3. La semana pasada vimos un lanzamiento de Starship que fue bien. Si Starship no puede funcionar realmente, no hay energía espacial, ni bastidores en órbita. Es una condición necesaria, porque la carga útil que necesita ser lanzada es muy grande. Por lo tanto, SpaceX es definitivamente una compañía que hay que seguir, aunque habrá muchas compañías de segundo orden afectadas.
¿Por qué no es otra burbuja de Internet?
Josh: A continuación, la gente seguramente preguntará: ¿por qué esto no es solo otra burbuja puntocom? A Gavin le han hecho esta pregunta muchas veces, y ha dado una respuesta muy sólida, y yo básicamente le creo, su argumentación es convincente.
Su lógica es más o menos esta: la burbuja de Internet del 2000 fue impulsada por deuda. Mucha gente pidió prestado mucho dinero para invertir en teorías no probadas y productos que nadie usaba realmente o le importaban.
Si lo comparamos con este superciclo de IA del que habla Gavin, solo OpenAI y Anthropic, se espera que alcancen 200 mil millones de dólares en ingresos anuales recurrentes este año. Y este no es dinero inventado, sino dinero que ya se ha comprometido a través de contratos, una gran parte, se dice en el programa que entre el 40% y el 60%, ya ha sido pagado por adelantado por clientes empresariales y minoristas.
Es decir, realmente hay dinero fluyendo.
Luego, mirando la capacidad de cálculo de GPU, no en los laboratorios de modelos, sino en quién está comprando productos de Nvidia. Google, Microsoft, Amazon y Meta están pagando con sus propias reservas de efectivo, no están pidiendo prestado. Amazon acaba de llegar al límite de su flujo de caja libre; si empiezan a pedir prestado, entonces podemos preocuparnos. Pero por ahora, el punto clave es que no se están apalancando.
Y estas se encuentran entre las cinco compañías más importantes del mundo, en cierto sentido también de las más inteligentes, debido a su valor de mercado, tamaño y posición. En contraste con la burbuja de Internet, en ese entonces había muchas compañías desconocidas que recaudaron mucho dinero y luego lo quemaron de maneras muy irracionales. En este ciclo, son algunas de las compañías más inteligentes del mundo las que están gastando dinero sin apalancamiento.
Los informes trimestrales de los que hemos hablado en el programa en las últimas semanas también muestran que las ganancias se están optimizando en torno a estas acciones, los modelos siguen mejorando, volviéndose más inteligentes. Así que el argumento central de Gavin es: esto no es la burbuja de Internet porque no está impulsada por dinero apalancado; al mismo tiempo, los cuellos de botella de los que hablamos están restringidos por átomos físicos.
Comprar un montón de chips de memoria y GPU es una cosa, pero Nvidia no puede vender en exceso GPU, Micron no puede vender en exceso chips de memoria para IA, porque no tienen suficientes instalaciones de producción de chips. Así que su argumento simple es: si no puedes abastecer en exceso todo el mercado, entonces no es una burbuja. Estamos limitados por no tener suficientes "vendedores de palas" para hacerlo, y él invierte precisamente en esas cosas.
Otro buen punto: Gavin cree que si TSMC pudiera suministrar, Nvidia podría vender entre 2 y 3 billones de dólares en GPU este año y el próximo. Es decir, TSMC es un eslabón clave en los límites de la burbuja.
La razón es que si TSMC pudiera satisfacer la demanda de estas compañías, proporcionándoles tantos chips, consumiría una enorme cantidad de capital. En los gráficos actuales, aún no hay una gran desconexión entre los gastos de capital y el flujo de caja operativo; el efectivo generado por las empresas sigue siendo suficiente para respaldar la construcción.
Pero si TSMC le dijera a Nvidia mañana: podemos triplicar nuestra capacidad de la noche a la mañana, Nvidia no lo rechazaría, comenzaría a gastar una enorme cantidad de dinero en chips. Otras compañías también se verían obligadas a pedir prestado para comprar estos chips, y entonces la burbuja de gastos de capital comenzaría a crecer y a separarse del flujo de caja operativo de las empresas.
Pero debido a que hay restricciones de oferta en cada eslabón, restricciones de memoria, restricciones de fabricación de chips, restricciones de energía, especialmente las restricciones de TSMC en chips avanzados, en realidad no tenemos forma de acelerar la velocidad de construcción tan rápido. Por lo tanto, TSMC está frenando la aceleración de la burbuja.
Siempre que la capacidad de producción de chips de TSMC siga siendo limitada, siempre que Samsung y otros fabricantes de chips no superen su participación de mercado, entonces el crecimiento es relativamente sostenible. Parece rápido, pero todavía hay una gran demanda insatisfecha porque simplemente no estamos construyendo lo suficientemente rápido. Mientras esta dinámica exista, creo que temporalmente no hay mayor problema.
EJ: Otro punto: no puedes asumir que la demanda se mantiene estática, porque no lo hará. La demanda relacionada con la IA está creciendo exponencialmente, y la velocidad de crecimiento supera la oferta de producción de estos chips.
Solo puedo pensar en dos formas de refutar esta teoría. Primera, alguien milagrosamente replica a ASML y de repente aparecen muchos competidores de ASML. Quienes no conozcan ASML pueden entenderlo así: fabrica máquinas que cuestan alrededor de 400 millones de dólares, y TSMC y todas las principales fábricas de chips necesitan estas máquinas.
En el programa se dice que ASML solo tiene un equipo en Noruega fabricando estas cosas, y el ciclo es muy largo, el backlog de pedidos ya está en aproximadamente 5 años.
Segunda, creamos un tipo completamente diferente de LLM que no requiere tantas GPU ni tanta memoria. Pero actualmente no vemos ninguna señal de eso.
Hoy vi una noticia sobre SK Hynix. Es el principal fabricante y proveedor de memoria para las GPU de Nvidia, prácticamente el líder en memoria para IA.
Actualmente está recibiendo ofertas de entre 50 y 100 mil millones de dólares de Google y Microsoft, que quieren asegurar el suministro de lo que se producirá en los próximos tres años, para pagar el equipo necesario para su expansión.
Esto muestra cuán ávidas están estas grandes compañías por la memoria, y esto es solo un subsector dentro de los componentes de IA. SK Hynix, por el contrario, dice: no quiero darles garantías de suministro, simplemente subiré los precios. Su margen operativo es de aproximadamente el 70%, algo casi increíble en la industria de los semiconductores.
Así que tiene sentido que Gavin esté completamente comprometido. No parece una burbuja, quizás el mercado reaccione así a corto plazo. Hoy, antes de grabar, abrimos la cartera de acciones y casi todo estaba bajando, pero eso es más una reacción emocional.
La dirección de esto es: solo necesitaremos más GPU, más chips semiconductores, y la oferta no es suficiente, ni los fabricantes.
La cartera de inversión de Gavin
Josh: La conclusión es: electricidad y obleas de silicio. Solo esas dos. Son dos muros de ladrillo, también dos factores limitantes que nos impiden acelerar demasiado rápido. Mientras la electricidad y las obleas de silicio sigan teniendo valor, la demanda sea fuerte y la oferta limitada, hay buenos tiempos por delante.
Si quieres un resumen de la cartera de Gavin, puedo leer sus mayores posiciones. Nuevamente, esto no es un consejo de inversión. Esto es lo que tiene Gavin, no significa que nosotros lo tengamos. No sé si estas acciones subirán, bajarán o se quedarán igual.
Su mayor posición es un poco contraria a la intuición: es la posición de puts en el QQQ. En general, es bajista respecto al mercado, lo cual es muy notable. La segunda es Astera Labs, con una posición de aproximadamente el 7.4%, su ticker es ALAB. La tercera es Unity, la compañía de software 3D.
Hay muchas más detrás: Ciena, Micron, Nvidia, Amazon, Lumentum, Alphabet, Coherent, Roblox, EchoStar, Twilio, Wayfair. Este tipo invierte en todo.
Si te interesa, puedes buscar su formulario 13F. Esta es la visión de Gavin: los cuellos de botella están en la electricidad y las obleas de silicio. Mientras estas restricciones persistan, básicamente es una tendencia alcista unilateral. EJ, ¿cómo absorbes esta información? ¿Cómo la procesarías?
EJ: Desde que salió el 13F de Leopold, el mercado ha estado muy volátil. Mientras grababa este episodio, me di cuenta cada vez más de que Gavin es como un Leopold más viejo y más sabio. Ha estado en esta industria durante mucho tiempo. Quizás no tenga 13 mil millones de dólares en AUM, pero tengo la sensación de que dentro de 10 años seguirá aquí.
Si al escuchar esto piensas: no quiero seguir cada minuto, cada hora, cada día los avances de la IA, solo quiero poner mi dinero ahí y ver cómo crece en los próximos meses o años. Entonces la cartera de Gavin podría ser una buena referencia. Por supuesto, esto no es un consejo de inversión.
Él adopta un enfoque más cauteloso, a más largo plazo y también más orientado al futuro. Si sus juicios de tendencia finalmente se materializan, como lo hicieron sus apuestas tempranas en Nvidia y Cerebras, podrían haber rendimientos exponenciales en los próximos años. Pero todo esto se basa en su opinión central: no estamos en una burbuja.
Tengo curiosidad por saber si los oyentes están de acuerdo. Obviamente, la mayoría de la gente no será tan técnica ni se adentrará tanto en los niveles bajos como Gavin. Pero después de escuchar este episodio, ¿crees que estamos en una burbuja? ¿O no? ¿Cuáles son las razones a favor y en contra? ¿Hay algo que hayamos pasado por alto? Josh, antes de terminar, ¿crees que ahora estamos en una burbuja?
Josh: Creo que definitivamente estamos en una burbuja. La pregunta es, en qué etapa de la burbuja estamos, eso se puede discutir. Ahora parece más una etapa temprana, así que esperemos que continúe en ese estado. Según Gavin, mientras TSMC siga limitando la capacidad de producción de chips, estamos bien.
Esa es la perspectiva general. Ya hablamos de Leopold, cuyo éxito actualmente se mide por trimestres; ahora hablamos de Gavin, cuyo éxito se mide por décadas. Muchas personas quizás encuentren sus propias respuestas en algún punto intermedio.
