Tesla, Nvidia y Micron: tres claves del nuevo pulso de la IA

Qué está descontando Wall Street en Tesla, Nvidia y Micron

Tesla vuelve a cotizar como historia de IA e infraestructura, pero Terafab aún es una promesa industrial con ejecución lenta.

La lectura central es que Terafab refuerza el giro narrativo de Tesla desde coche eléctrico hacia plataforma de IA e infraestructura, pero el mercado está comprando hoy una promesa industrial de ejecución lenta. Elon Musk anunció que Tesla y SpaceX construirán en Austin dos fábricas avanzadas de chips dentro del proyecto Terafab: una orientada a chips para vehículos y Optimus, y otra a hardware para centros de datos de IA y usos espaciales vinculados a SpaceX y xAI. Reuters y otras coberturas coinciden en dos puntos que sostienen el movimiento: la idea de reducir dependencia de terceros y el encaje del proyecto con el ecosistema Musk, donde coche, robot, satélites y modelos de IA comparten necesidad de cómputo propio.

Eso ayuda a que Tesla vuelva a cotizar parcialmente como historia de IA y no solo como fabricante de automóviles. El mercado suele premiar la integración vertical cuando percibe que una compañía puede controlar un cuello de botella estratégico. En este caso, el cuello de botella es el chip avanzado. Si Tesla logra diseñar, fabricar, empaquetar y probar más parte de su silicio cerca de sus propias operaciones, mejora su relato de autonomía tecnológica en conducción autónoma, robótica y entrenamiento/inferencia. Además, el hecho de que SpaceX haya estrechado la relación con xAI añade una capa de narrativa: Terafab no sería un proyecto aislado, sino una pieza de un sistema más amplio de cómputo, datos y despliegue industrial.

El problema es que el mercado puede estar descontando demasiado pronto un activo que todavía no tiene calendario claro ni validación operativa. Levantar una fábrica de semiconductores avanzada no se parece a ampliar una planta de ensamblaje de coches: requiere años, muchísima inversión, acceso a herramientas críticas y experiencia fabril que hoy no está demostrada dentro del grupo Musk. Algunas estimaciones citadas por la prensa sitúan el coste potencial muy por encima de 20.000 millones de dólares y apuntan a que no estaría operativa antes de 2028. Mi interpretación es que TSLA se mueve más por expansión del múltiplo narrativo que por mejora inmediata del beneficio esperado. Mientras no aparezcan plazos, socios tecnológicos, nodo de fabricación y estructura de financiación, Terafab suma épica estratégica, pero no reduce todavía la incertidumbre de ejecución. La tesis mejora la historia larga de Tesla; no mejora de forma visible sus flujos de caja de corto plazo. 

Nvidia mantiene el liderazgo del ciclo de IA, aunque el mercado vigila el retorno real del gasto en centros de datos.

Nvidia sigue funcionando como el activo que resume el estado de ánimo del trade de IA: cuando el mercado cree en monetización real, sube; cuando duda de la rentabilidad del gasto en centros de datos o teme regulación, se enfría. Esa condición de “termómetro” no es abstracta: Nvidia cerró su ejercicio fiscal 2026 con 215.900 millones de dólares de ingresos y 68.100 millones en el cuarto trimestre, cifras que mantienen a la compañía en el centro del ciclo inversor de IA. A eso se añadió recientemente el acuerdo para vender a AWS un volumen masivo de chips y red hasta 2027, lo que refuerza la visibilidad de demanda pero también aumenta la dependencia de los grandes hyperscalers.

El cambio importante dentro de la narrativa es que la inferencia está ganando peso frente al entrenamiento. En GTC 2026, Jensen Huang elevó la oportunidad de ingresos de IA por encima del billón de dólares hasta 2027 y puso el foco explícitamente en inferencia, no solo en entrenar modelos gigantes. La razón económica es clara: entrenar un modelo puede ser un evento puntual, pero servir millones de consultas diarias es una carga continua. Si el mercado compra esa idea, Nvidia deja de depender solo de una carrera puntual por entrenar modelos cada vez más grandes y pasa a capturar un flujo más repetitivo ligado al uso real. El acuerdo con AWS y la integración de tecnología de Groq en la oferta de Nvidia van exactamente en esa dirección.

A la vez, el valor carga con dos descuentos potenciales: el ruido de insiders y la política industrial/regulatoria. Las ventas internas de 2025 y otros movimientos recientes de insiders han dado material a una parte del mercado para cuestionar cuánto recorrido queda tras la subida, aunque por sí solas no invalidan la demanda fundamental. El riesgo más serio sigue siendo político: exportaciones a China, revisiones de seguridad, y nuevas reglas de EE. UU. que podrían vincular acceso a chips con inversión o condiciones geopolíticas. Mi lectura es que NVDA no está débil por su negocio, sino por el miedo a que el mercado haya adelantado demasiado la rentabilidad futura del capex de IA.

Mientras la inversión en centros de datos siga firme, Nvidia conserva el liderazgo; si esa inversión empieza a exigirse con criterios de retorno más duros, será la primera gran referencia en sufrir compresión de múltiplo. 

Micron cae por el miedo a que la eficiencia en inferencia reduzca parte de la demanda futura de memoria para IA.

Micron domina la conversación porque el catalizador es muy concreto y golpea justo el corazón de su tesis bursátil: si una mejora algorítmica reduce mucha memoria en inferencia, el mercado teme que parte de la demanda estructural de DRAM/HBM para IA esté sobreestimada. Google presentó TurboQuant el 24 de marzo como un método de compresión para reducir el cuello de botella de la memoria KV cache en modelos largos. En su blog de investigación, Google afirma que TurboQuant puede mantener el rendimiento con gran compresión, lograr al menos un recorte de 6 veces en memoria KV en ciertas pruebas y acelerar el cálculo frente a claves no cuantizadas. Ese mensaje fue suficiente para activar ventas en fabricantes de memoria, con Micron en el centro de la reacción.

La reacción del mercado tiene lógica táctica, pero puede ser excesiva si se interpreta como destrucción automática de demanda. La memoria en IA no depende solo de cuántos bits necesita cada inferencia, sino de cuántas inferencias totales se ejecutan, qué tipo de modelos se despliegan y qué parte del sistema se optimiza. Una mejora que abarata la inferencia puede reducir memoria por tarea, pero también puede disparar adopción, uso y longitud de contexto. Ese es el punto clave: menos memoria por consulta no implica necesariamente menos memoria agregada en el sistema. De hecho, el propio encuadre de Google sugiere que TurboQuant está pensado para desbloquear escala y eficiencia en productos de IA y búsqueda, no para apagar la demanda de infraestructura. Mi lectura es que el riesgo real no es “menos memoria”, sino cambio de mix: qué memoria se necesita, dónde y con qué precio.  

Además, Micron llega a este episodio desde una posición operativa muy fuerte, lo que complica la tesis bajista simple. La compañía acaba de publicar un trimestre fiscal muy potente, con ingresos récord, fuerte generación de caja y una guía respaldada por la demanda de IA, especialmente en memoria para centros de datos. Reuters también señaló que el mercado castigó la acción no solo por dudas de demanda futura, sino por el aumento del gasto de capital necesario para atenderla. En otras palabras, MU está entre dos fuerzas opuestas: por un lado, resultados y ciclo de precios muy sólidos; por otro, miedo a que la eficiencia algorítmica y futuras ampliaciones de capacidad del sector erosionen la escasez actual. Hoy domina el miedo a que la escasez de memoria para IA sea menos estructural de lo que parecía. Mi hipótesis es más moderada: TurboQuant no rompe la tesis de Micron, pero sí obliga a revisar con más cuidado cuánto de la demanda futura depende de volumen puro y cuánto de pricing y posicionamiento en HBM. 

Cómo operar con nosotros

Invertir en derivados financieros ofrece grandes oportunidades de diversificación y rendimientos, pero para ello es muy importante elegir un bróker seguro y confiable. Los brokers en línea permiten invertir con confianza y proporcionan inmediatez y comodidad al realizar las inversiones desde el móvil o el ordenador.

Tener una cuenta con un bróker online implica que puedes operar en una gran variedad de mercados. Trading u operar significa hacer predicciones sobre los precios de un activo sin ser dueño de este.

Para operar con índices, divisas, materias primas, acciones, etc puedes seguir los siguientes pasos:

1. Abre una cuenta de trading o Abrir MyIG en tu cuenta.
2. Si prefieres probar tus estrategias con 20.000 dólares virtuales, puedes hacerlo desde aquí.
3. Busca el activo con la que te gustaría operar.
4. Selecciona “largo” o “corto” en función de tu hipótesis direccional.
5. Gestiona tu riesgo.
6. Cambia el tipo de orden y ajusta la cantidad si es necesario.
7. Abre, supervisa y cierra tu posición