¿En qué se centra Silicon Valley? ¡Comienza la segunda etapa de la IA! Resumen de las opiniones de los gigantes tecnológicos en la conferencia TMT de Goldman Sachs (análisis en profundidad)

La señal más clara transmitida por la conferencia Communacopia + TMT 2026 de Goldman Sachs es: El enfoque de la inversión en IA está migrando de "construir capacidad de cómputo" a "utilizar capacidad de cómputo", aunque la capacidad como tal sigue siendo gravemente insuficiente. Estas dos afirmaciones se sostienen simultáneamente y constituyen la tensión más central del momento en Silicon Valley.

Jan Hatzius, economista jefe de Goldman Sachs, marcó el tono en la conferencia: "La ola de inversiones en IA no durará para siempre". Pero Jensen Huang, de Nvidia, trajo la urgencia opuesta: "El 70% del crecimiento está limitado por la oferta, no por la demanda". Esta discrepancia es precisamente la característica de la segunda mitad de la era IA—no hay debate sobre la dirección, el asunto es el ritmo y la distribución.

¿De qué se habla en Silicon Valley? Seis temas clave

Tema 1: El "cuello de botella físico" del cómputo como nueva narrativa

Jensen Huang redefinió de forma sistémica el marco narrativo de la infraestructura de IA. Él atribuye el motor principal a dos transformaciones industriales superpuestas: el cambio de paradigma del cómputo por búsqueda al generativo, y el fin de la Ley de Moore.

Durante los últimos 60 años, esencialmente las computadoras eran "grabaciones preestablecidas": el usuario hacía clic y recuperaba la información desde el almacenamiento. Pero la IA generativa exige generar respuestas en tiempo real según el contexto, lo que requiere construir una nueva capa de cómputo que funcione de manera continua. Al mismo tiempo, se desvanece el beneficio de la miniaturización de transistores y el rendimiento ya no depende de reducir el tamaño del proceso. Huang responde a esto con el uso de encapsulado multi-chip CoWoS y escalamiento vertical NVLink para lograr una colaboración extrema de diseño, y lo dice de manera directa: "Si no tenés NVLink, si no podés tener un escalamiento vertical realmente bueno, estás muerto, porque la Ley de Moore es tu enemigo."

El giro clave de este relato es que: el núcleo que limita el crecimiento de la IA pasó de ser la "existencia de demanda" a la "capacidad del mundo físico de acompañar el ritmo". Huang admite que existen cuellos de botella generalizados en el upstream con el encapsulado, obleas, memoria y downstream en energía y localización de datacenters, y sostiene una previsión de crecimiento interanual del 70% para CY27. Bret Johnsen, CFO de SpaceX, reveló planes de expansión más agresivos: para 2027, elevar la potencia de cómputo de IA de 2 GW en tierra a 5-10 GW, y desplegar satélites de IA para igualar el costo de capacidad orbital al costo en tierra.

Tema 2: El "camino del ganador" en la capa de aplicaciones de IA empieza a verse claro

Hock Tan, CEO de Broadcom, entregó un modelo económico de impacto: 1GW de cómputo frontier implica US$30.000 millones en ARR, de los cuales US$10.000 millones es costo y los US$20.000 millones restantes los capturan el layer de modelos y el layer de aplicaciones, mientras US$10.000 millones los disputan Cloud + Chip + Memory + Power en toda la cadena industrial.

Esto significa que ya se puede cuantificar la distribución del valor de la cadena de la industria de IA. Según Goldman Sachs, el "camino del ganador" es: modelo cerrado > chip propio > hyperscaler > energía + refrigeración líquida > red > capa de aplicaciones.

Pero Goldman Sachs señala al mismo tiempo que, el capital de mercado está migrando de la Primera Fase (GPU/HBM/hardware de datacenter) hacia la Segunda Fase (ganadores de la capa de aplicaciones capaces de convertir tokens en productividad, ingresos y flujo de caja empresarial). Puede que la dispersión de valuaciones pase a ser aún "más feroz": las software companies con datos exclusivos, ventajas en workflows complejos y ROI claro serán revalorizadas, mientras que los SaaS tradicionales fáciles de comoditizar por modelos básicos seguirán bajo presión.

Ali Ghodsi, CEO de Databricks, confirmó este análisis: la competencia en software de aplicaciones IA se está trasladando hacia el despliegue real en empresas. Las plataformas capaces de transferir capacidades de modelo en resultados de negocio confiables, de manera eficiente y precisa, tendrán nuevo espacio para crecer.

Tema 3: Agentic AI pasa de "concepto" a "reconfiguración organizacional"

En esta edición, Agentic AI dejó de ser una mera demostración funcional para empezar a reconfigurar la estructura interna de las empresas.

CHYM informó haber realizado un recorte del 10% en su personal, buscando un "organigrama más plano y ágil"; los equipos de producto e ingeniería son ahora la mitad del tamaño original pero "gracias a una responsabilidad más clara y operaciones más simples, el output se mantiene igual". Block, tras una reestructuración interna a principios de año (reduciendo los niveles entre decisores y ejecutores), está logrando un efecto de apalancamiento significativo con costos fijos.

Desde la parte técnica, AMD considera a Agentic AI como una nueva carga de trabajo que aumentará la demanda de diversos tipos de CPU, no sólo GPU. SailPoint fijó una meta concreta: Agentic AI podría ser principal motor de crecimiento, con un objetivo de ingresos agentic de US$800 millones para el año fiscal 2029.

Amy Hood, CFO de Microsoft, lo expresó de la forma más sistemática: Microsoft está combinando licencias de usuario predecibles con precios de servicios de IA basados en consumo, mientras expande productos como Agent 365 y Copilot. Lo dijo claro: "workflows agentic seguros y regulados" pueden impulsar el crecimiento, porque agentes, aplicaciones y humanos colaboran cada vez más estrechamente.

Tema 4: La ciberseguridad como "tema de máxima frecuencia"

La ciberseguridad fue el escenario de aplicación más mencionado en esta edición. Jensen Huang la cataloga ya como el próximo escenario clave para la IA, y expuso la lógica económica:

"Un subproducto del coding es, naturalmente, el descubrimiento de bugs; y un subproducto de ese descubrimiento es un mercado gigantesco llamado ciberseguridad. El coding assistant responde a prompts y se detiene; los agentes de seguridad monitorean activamente redes, lo cual significa que el cliente necesita pagar inferencias IA 24/7 y no de manera puntual."

El CEO de Palo Alto Networks lo dice sin vueltas: "La industria de seguridad IA todavía ni se ha creado", y la capitalización combinada de CrowdStrike y Palo Alto es de unos US$490.000 millones, mucho menor que las empresas IA del trillón de dólares, lo que lleva a poner la mira en el potencial de reevaluación del sector.

George Kurtz, CEO de CrowdStrike, aportó datos que dan base cuantitativa a la urgencia: los ciberataques potenciados por IA crecieron un 89% el último año, y el tiempo récord de penetración se redujo a 27 segundos. Estos 27 segundos son menos de lo que normalmente tarda un equipo humano en responder una alerta, constituyendo la principal justificación para que agentes autónomos reemplacen equipos de analistas.

Huang nombró a CrowdStrike como el "primer socio de ciberseguridad de Nvidia" y describió el lanzamiento de SafeMind como "un punto de inflexión en ciberseguridad".

Tema 5: El "cobro por resultado" de OpenAI y la economía de la intensidad de uso

Sarah Friar, CFO de OpenAI, compartió las señales comerciales más vanguardistas de IA en la conferencia.

El negocio empresarial ya representa la mitad del total: La proporción de ingresos entre consumidores y empresas pasó del 60:40 a principios de año al 50:50 a mitad de año. En julio, el run rate anual subió 20% respecto al mes anterior y el de empresas 32%, sobre una base significativa.

La nueva métrica clave es la intensidad de uso: El top 10% de los clientes empresariales consume 8 veces más tokens que el cliente promedio (anteriormente era 3x); en OpenAI, la relación interna ya llega a 33 veces. Friar define esas 33x como "una vista previa del futuro de los clientes actuales", lo que implica que el crecimiento empresarial no depende de nuevos usuarios, sino de la escalada de consumo por cliente existente.

El roadmap de precios está claro: Suscripción → pago por uso → cobro por resultado. Friar dice abiertamente que buscan dejar atrás la facturación por token para pasar a revenue sharing verticalizado. También está cambiando la lógica competitiva a nivel modelado: no importa el costo por token, sino el costo por tarea, y su modelo requiere un 68% menos de tokens que el competidor para una tarea equivalente.

Tema 6: Señales del lado de la oferta en almacenamiento, consumo y eficiencia organizativa

SanDisk compartió un pronóstico subestimado por el mercado: el crecimiento de la oferta de NAND probablemente seguirá restringido en el futuro previsible, mientras la adopción masiva de la inferencia IA empuja consistentemente la demanda. Esta ecuación de oferta y demanda pone en foco el potencial de sostén de los precios NAND.

Las señales del consumo son unánimes: Block manifiesta que "el gasto de consumo durante el Q2 se mantuvo muy resistente y la tendencia sigue fuerte en julio y agosto"; Toast reporta niveles estables de gasto; Booking.com nota que la demanda de viajes sigue fuerte. Todo en línea con lo que Visa afirmó en la conferencia anterior.

La remodelación de la eficiencia interna por IA también se hace explícita: Booking.com ya utiliza IA generativa en soporte al cliente y desarrollo, y "hay beneficios concretos"; Etsy afirma que la IA permitió "una comprensión mucho más profunda del stock, del comportamiento de los compradores y de la intención de compra".

El marco de la "segunda mitad de la IA" según Goldman Sachs

La serie de reportes publicados por Goldman Sachs en torno a la conferencia conforman la base analítica para entender este evento.

Primer nivel: de la "expansión de cómputo" a la "monetización del Token". Analistas de Goldman Sachs lo expresan claramente: el flujo global de capital está saliendo de la etapa uno—hardware, cuellos de botella—hacia los ganadores de la capa de aplicaciones capaces de convertir tokens en productividad, ingresos y flujo de caja real en empresas. Se juzga en función de si tienen grandes bases de datos exclusivas, workflows robustos, ejecución de workflows agent y ROI claro.

Segundo nivel: de "duopolio" a "competencia multipolar". Rich Privorotsky, jefe de trading One-Delta en Goldman Sachs, lo resume: la narrativa IA pasa de "carrera de tecnología punta entre Nvidia y Google" a "un panorama altamente competitivo y multipolar". Meta y xAI prueban que pueden ofrecer APIs de nivel punta a precios mucho menores. Aunque la competencia reduce el precio del token, la idea de que "un token más barato habilita demanda exponencial" no se cumple necesariamente en la práctica: el uso pago empresarial de herramientas IA ya está por arriba del 50% y bajar precios no implica, por sí solo, un boom inmediato de demanda.

Tercer nivel: de "grandes modelos" a "modelos pequeños especializados". Las cargas de trabajo empresariales migran rápidamente hacia modelos más pequeños y específicos—procesamiento documental, rutas de workflow, revisión de compliance, atención al cliente, etc. Corren con bajo costo, mayor velocidad y pueden funcionar in situ en el edge. Goldman Sachs cita la visión del CEO de Hugging Face: las empresas viven una transformación estructural de "alquilar APIs cerradas de vanguardia" a "tener y operar sus propios modelos open source".

Cuarto nivel: la eficiencia de capital será la gran prueba final. La incógnita de Goldman Sachs no es si los gigantes cloud desacelerarán inversión, sino en qué momento los accionistas exigirán eficiencia de capital. Apenas cedan a esa presión y reduzcan capex, aunque el hardware siga presentando excelentes resultados, sus múltiplos de valuación serán difíciles de sostener.

Una frase para resumir el estado de Silicon Valley en este momento

La segunda mitad de la era IA no es que la "IA se volvió lenta" sino que "la narrativa de escasez se transformó en una narrativa de distribución". Aún falta capacidad de cómputo, pero el mercado pregunta: ¿de quién termina siendo todo ese cómputo convertido en cashflow? La respuesta de Jensen Huang es "ponés uno y sacás cien"; la de OpenAI es "cobro según resultado"; la de Goldman Sachs es "output útil por dólar invertido en IA". Quien logre convertir tokens en resultados verificables para empresas, definirá las reglas del juego en esta nueva fase de la IA.