Las acciones cíclicas siempre alcanzan su pico cuando están "más baratas": Citrini, el influencer de chips que fue de los primeros en apostar por el hardware AI, está saliendo silenciosamente del mercado.

La reconocida firma de investigación de chips Citrini Research fue una de las voces más tempranas y potentes a favor de las operaciones de hardware de IA. Ahora, Citrini ha reducido notablemente su exposición a semiconductores e incluso tiene algunas posiciones cortas. Detrás de este cambio, está su juicio sobre una transformación fundamental en la estructura de financiación de la infraestructura de IA: cuando los fondos extra pasan de ser generados internamente por los gigantes del cloud a depender de los mercados de acciones y de deuda, el ánimo del mercado en sí mismo pasa a formar parte de los fundamentos.

El 21 de octubre, el fundador de Citrini, James van Geelen, grabó esta charla en el podcast Monetary Matters. En aquel momento, las acciones de semiconductores acababan de encadenar nueve jornadas de caídas consecutivas —el presentador Jack señaló que era la racha más larga desde 2006. El análisis de James fue: esto no es suficiente para sacudir el gasto en construcción de IA, pero la naturaleza del riesgo ya cambió. Dijo: "Si el ánimo del mercado se desploma de golpe, esos fondos adicionales se secan—porque ya no es una empresa usando su propio dinero, sino el mercado quien decide."

La charla cubrió por qué salió de semiconductores, la lógica de ir largo en Meta y corto en Google, lo que implica que DeepSeek tenga un margen bruto en inferencias del 80%, y qué señales lo harían volver al mercado de chips. Al mismo tiempo, reveló que, en el desarrollo de nuevos medicamentos, el cuello de botella no es la potencia computacional sino "la escasez de monos", y que la verdadera oportunidad de inversión está en las compañías de outsourcing clínico, no en las acciones de IA.

Los gigantes tecnológicos pasan a flujo negativo, cambia la estructura de financiación y el ánimo puede destruir los fundamentos

Para comprender por qué Citrini redujo su exposición en hardware de IA, primero hay que entender el riesgo de "reflexividad" del que hablan—es el mecanismo central en todo su análisis.

En los primeros tres a cuatro años de negociaciones en IA, los gigantes cloud financiaban con sus propios flujos de caja la infraestructura de IA. Esto implicaba que, fuera cual fuera el ánimo del mercado—fuese un shock arancelario, el cierre de operaciones de carry trade en yenes o cualquier otra histeria—mientras Meta, Microsoft y compañía siguieran gastando, los fundamentales de los semiconductores tenían una "base" que los soportaba. El ánimo podía bajar los precios, pero no reducir los ingresos.

Ahora ese mecanismo ya no existe; el flujo de efectivo de los gigantes tecnológicos se está secando rápidamente e incluso volviéndose negativo. Para Citrini James, prácticamente toda nueva inversión incremental en infraestructura de IA actualmente proviene de financiación vía equity (tanto capital de riesgo como mercados públicos) o de deuda.

Esto significa que la IA puede volverse más útil y su uso puede seguir expandiéndose, pero si el ánimo del mercado cambia de golpe, esos fondos incrementales se acaban—porque ya no se trata del gasto propio de una empresa, sino de una decisión del mercado.

Eso es lo que llama "reflexividad": una caída en el sentimiento impacta directamente la cadena de financiación y, en consecuencia, el gasto real en construcción, no solo el valor en libros.

James cuantificó este punto de presión. Para sostener la valoración actual de la infraestructura, los laboratorios de IA necesitan alcanzar ingresos recurrentes anuales (ARR) de alrededor de un billón de dólares para fines de 2028. Partiendo del ARR actual de aproximadamente 13,6 mil millones, habría que sumar unos 50 mil millones netos de ARR nuevos por mes.

Si tu expectativa es que los laboratorios de IA lleguen a un ARR conjunto de 500 mil millones para soportar el reciclaje de fondos en infraestructura, pero al final solo llegan a 300 mil millones, eso es un desastre.

James enumeró varios factores que presionan a la baja el ARR.

Primero, “el lado del consumo ya está cubierto”. Según su experiencia con los modelos punta, el 99% de las necesidades diarias ya están cubiertas por los modelos actuales; mayores capacidades difícilmente generarán nuevos ingresos.

Segundo, “las rebajas no redundan en mayor uso proporcional”. Citó el índice económico de Anthropic: "Un 10% de reducción en costos de tarea solo genera un aumento del 3% en el uso."

En su opinión, esto demuestra que la paradoja de Jevons (más eficiencia = más consumo total) no se aplica de inmediato a los tokens. Una vez que las empresas implementan flujos de IA "suficientes", la demanda de tokens puede incluso bajar: quizás cuando la IA funcionaba mal era cuando más tokens necesitabas, porque tenías que corregir todo el tiempo.

Tercero, el peso de open source crece. Comentó que la cuota en el ARR incremental de modelos open source pasó estimativamente del 1% hace un año al 18% hoy; los compradores pagan por tarea, y si la capacidad mínima basta, nadie se va al trabajo en un avión de combate, todos van en auto.

A su entender, sigue habiendo una brecha de capacidades entre modelos estadounidenses y chinos, así que el efecto precio no es su mayor preocupación. Para él, el estándar clave es: no se trata de si la IA sirve o será mejor, sino de si el gasto en la frontera es económicamente viable. A corto plazo, opina que "trabajos de oficina" deben transformarse en la killer app, soportando la mayor parte de la demanda de tokens en los próximos años.

“Lo más barato” suele ser el tope del ciclo

El presentador pregunta: según los beneficios, estas compañías tecnológicas parecen hoy más baratas que en 2023, ¿por qué reducir posiciones? Citrini James aplica la lógica de las acciones cíclicas:

Así son los ciclos: los sectores cíclicos siempre tocan techo cuando las perspectivas del año que viene los hacen parecer más baratos.

En otras palabras, la "baratura" obedece a un beneficio transitoriamente inflado; así son las acciones cíclicas. Sus beneficios siguen el ciclo económico: en su apogeo, la utilidad sube, el denominador se agranda y el ratio precio-beneficio (PER) baja aparentando ser barato. Pero ese beneficio es el del ciclo en la cresta; cuando se acaba el ciclo, bajan los beneficios y caen los precios. Así que el momento que "parece más barato" suele coincidir con el pico de beneficios y el final del ciclo.

El presentador compara: nadie compra petroleras cuando registran máximos históricos en utilidades y un PER de solo 14 veces.

Así justifica James el rebalanceo: si en abril o mayo seguía sobreexpuesto a infraestructura, "hubiera perdido alrededor del 50%". Y cuando los semiconductores retrocedieron dos o tres meses en septiembre y octubre de 2023, no se apresuró a buscar sustitutos porque la valuación era baja y la caída acotada. Ahora es distinto:

El potencial a la baja es grande si realmente aparecen resultados o ánimos negativos.

Define su estrategia como ajuste, no pesimismo contra la IA: sigue apostando por Nvidia y cree que las oportunidades más asimétricas están en lo que llama “agentic utilities” (industrias que realmente usan y se benefician de la IA). Además, la demanda hoy supera la oferta; el reto es el futuro.

Long Meta, short Google y esperando señales para volver a chips

Sobre posiciones concretas, la lógica de Citrini James es clara.

La tesis long en Meta es la oportunidad potencial de monetización de Muse (el asistente de IA de Meta). Su marco: el ingreso promedio por usuario (ARPU) de Meta ronda los 20 dólares, con datos de Instagram, WhatsApp y Facebook. “Si Muse logra una adopción significativa, podés trazar una línea de crecimiento del ARPU por 4 hasta 2030 a partir de esos datos”. Dice que en el verano ya se volvió “ultra bullish” y el lanzamiento de Muse confirmó su visión.

La lógica short en Google parte de su preocupación por la fuga de talento en DeepMind. Piensa que el mercado subestima el daño de tales salidas, justo en un momento donde Search enfrenta riesgos estructurales. “Uso Google Search mucho menos hoy. ¿Va a desaparecer la búsqueda? No lo sé, quizá no. Pero el riesgo está, y al mismo tiempo pierden talento”. Dice que tiene stop loss, pero mantiene el trade “largo Meta, corto Google”.

Para volver a semiconductores, plantea condiciones claras: observar un crecimiento sostenido en el uso pago y una aceleración en la segunda derivada del crecimiento del ARR, que realmente soporte financiar infraestructura mediante flujos de caja de clientes. Si la demanda sigue contenida por la oferta y solo estamos entre un salto de capacidad y lanzamientos, y luego los usuarios sí pagan por lo nuevo, su preocupación no aplica, la corrección sería oportunidad de compra.

Respecto a CoreWeave, su visión es moderada: calcula una probabilidad de default cercana al 60%, pero no espera que realmente quiebren. Sobre el ciclo de IA, prevé que “terminará con un lamento, no con una explosión”: no será una quiebra puntual sino una rebaja generalizada en las expectativas de ARR de los laboratorios, pasando de 400 mil a 360 mil millones, transmitiéndose al sector entero pues ya estaba descontado en precios.

Sobre DeepSeek, cita datos de DeepInfer (el marco de inferencia de DeepSeek): provee 155 billones de tokens diarios, con un ingreso de 38 dólares por hora de GPU, mientras alquilar una hora de GPU en el mercado cuesta entre 5 y 8 dólares, lo que implica un margen bruto del 80% y un payback en 81 días. “Esto implica que hay margen para más caídas en los precios de tokens, especialmente fuera del nicho de modelos de vanguardia.”

Diseñando anticuerpos para veneno de escorpión con Claude: qué comprime y qué no puede comprimir la IA

Citrini James también contó un experimento poco común: su equipo, en colaboración con Anthropic, usó Claude para diseñar 211 candidatos de anticuerpos contra veneno de escorpión en 64 horas, de los cuales 17 lograron uniones exitosas en laboratorio. Este resultado es impactante, pero le llevó a una conclusión poco favorable para los bullish en IA: la IA está "comoditizando" el diseño de fármacos, pero la verdadera limitación está en el laboratorio, en los monos, no en la capacidad de cómputo.

Para entender hasta dónde puede llegar la IA en descubrimiento de medicamentos, el equipo de Citrini James hizo algo inusual: contactaron al equipo de life sciences de Anthropic (Nathan Frey, Amir Chennisa y Steven Molina) y, usando un modelo interno, diseñaron anticuerpos para veneno de escorpión en la oficina de Anthropic durante 64 horas.

En el proceso, Claude activó unos 300 subagentes y generó 180 diseños, con 211 candidatos finalmente enviados a testeo. El laboratorio halló que 17 lograron uniones exitosas al objetivo, y 7 eran contra el veneno de escorpión CN2 de México; el candidato óptimo, CN2B1, además competía por unión en la zona prevista con un anticuerpo neutralizante conocido.

"La IA generó estas moléculas, y 17 se unieron en laboratorio—es bastante sorprendente."

Pero James rápidamente expone el otro lado, más relevante a su juicio. Lo que comprime la IA es el tiempo de la idea a la propuesta experimental—lo que antes tomaba meses, hoy días. Pero sintetizar, testear y obtener datos de control insumió 39 días. “Si los datos van al ritmo de la vida, la llegada de la IA no hace crecer las células más rápido en la placa de Petri. Ahí está el cuello de botella.”

Estima que, desde el diseño del medicamento hasta el ensayo clínico, la IA puede ahorrar alrededor de un 20% del tiempo; el otro 80% es incomprimible. De ahí su conclusión de inversión: apostar por los ensayos, apostar por empresas que aceleren los ensayos, pero no por acciones del concepto de IA en descubrimiento de fármacos.

Nombra explícitamente a Charles River Laboratories (CRL) como su mayor apuesta long. El 60% de sus ingresos proviene de descubrimiento temprano y evaluación de seguridad, ahora en el piso del ciclo, y dispone de amplia capacidad para tomar nuevos pedidos, cada uno sumando directamente a la utilidad.

Señala además un cuello de botella poco reconocido por el mercado: la escasez de monos. Los primates no humanos son el recurso insustituible más próximo al humano en ensayos preclínicos, con un ciclo reproductivo de unos cuatro años, lo que hace prácticamente imposible ampliar la oferta. “Ese podría ser el mayor limitante en ensayos preclínicos.”