Análisis de Morgan Stanley: La fiebre de los chips de IA, ¿podrá la electricidad satisfacer la demanda? Demanda implícita en 2027: aproximadamente 38 GW.

La última inspección de la cadena de suministro asiática realizada por Morgan Stanley traduce la expansión de la IA en una cifra de consumo eléctrico más intuitiva: basándose en una estimación de 19 millones de GPU y ASIC implícitos CoWoS en 2027, con un TDP promedio de 2 kW por chip, la capacidad de potencia correspondiente de este lote de chips es de aproximadamente 38 GW.

De estos, Nvidia representa aproximadamente 16 GW, Google aproximadamente 9 GW, AMD aproximadamente 7 GW, AWS aproximadamente 2 GW, y Microsoft, Meta y otros proveedores aproximadamente 1 GW cada uno.

Es importante destacar que 38 GW no representan el consumo total de electricidad de los centros de datos de IA globales en ese momento, ni la capacidad energética ya asegurada. No incluye por completo el consumo eléctrico de las CPU, las redes, el almacenamiento, la refrigeración y otras instalaciones de soporte. Se asemeja más a una prueba de estrés derivada de los envíos de chips: si los aceleradores de IA aumentan su producción según el modelo de cadena de suministro en 2027, ¿podrá la infraestructura energética gestionar simultáneamente el volumen de estos chips?

Esto significa que las limitaciones a la expansión de la capacidad de computación de la IA se están extendiendo desde "si se pueden producir GPU" hasta si se pueden proporcionar simultáneamente HBM, CoWoS, pruebas, entrega en rack y acceso a la energía.

Una prueba de estrés de 38 GW pone de manifiesto los cuellos de botella de la IA en el sector energético.

Los cálculos de Morgan Stanley se basan en dos supuestos fundamentales: el número de chips GPU y ASIC correspondientes a CoWoS en 2027 será de aproximadamente 19 millones, con un TDP promedio de 2 kW por chip, lo que resulta en una demanda de energía implícita de aproximadamente 38 GW para los chips.

La cifra de 2 kW es una estimación promedio utilizada para calcular el consumo total de energía y no implica que todas las GPU y ASIC tengan el mismo consumo. 38 GW tampoco representa la carga operativa real de un centro de datos, ya que los chips no siempre funcionan a plena capacidad y las CPU, las redes, el almacenamiento y los sistemas de refrigeración de los servidores generan energía adicional.

Sin embargo, esta cifra aún conserva su valor de referencia. En los últimos dos años, los debates sobre la cadena de suministro de IA se han centrado principalmente en la planificación de la producción de GPU, el suministro de HBM y la capacidad de CoWoS. A medida que aumentan los envíos de chips, la conexión a la red eléctrica, la construcción de subestaciones, la selección de emplazamientos para centros de datos y los acuerdos de compra de energía a largo plazo pueden afectar directamente a la posibilidad de convertir los chips en potencia de cálculo útil.

La entrega de chips es solo el primer paso. Una vez que las GPU o los ASIC llegan a los centros de datos, también requieren servidores, racks, redes, refrigeración, alimentación eléctrica y sistemas de operación y mantenimiento. Si la construcción de la infraestructura se retrasa con respecto a los envíos de chips, el mercado puede experimentar un desajuste en el que "los chips han llegado, pero los centros de datos y la alimentación eléctrica aún no están instalados".

La demanda de energía implícita para los chips GPU/ASIC en 2027 es de aproximadamente 38 GW, incluyendo 16 GW de Nvidia, 9 GW de Google y 7 GW de AMD.

Para Nvidia, la demanda implícita de 16 GW también explica por qué la compañía continúa aumentando la densidad de GPU por rack. El informe indica que Nvidia lleva tiempo esperando mejorar la potencia de cálculo y el rendimiento a nivel de rack conectando más GPU mediante una arquitectura de escalado ascendente.

Sin embargo, la solución de Kyber para el rack Rubin Ultra de primera generación aún presenta desafíos en cuanto a placas de circuito impreso y gestión térmica, y podría seguir utilizando el diseño Oberon NVL72 para luego expandirse a la escala NVL576 mediante interconexiones CPO o NPO. El aumento de la densidad del rack no eliminará los requisitos de alimentación; por el contrario, concentrará la presión sobre la fuente de alimentación, la refrigeración y las interconexiones en los diseños de centros de datos de mayor especificación.

Las tecnologías HBM y CoWoS se están expandiendo paralelamente, mientras que las especificaciones de Rubin Ultra aún están pendientes.

Más allá de la potencia, la memoria HBM y el empaquetado avanzado siguen siendo las principales limitaciones para la expansión de los chips de IA en torno a 2027.

Según el modelo de cadena de suministro de Morgan Stanley, la demanda de HBM para chips de IA en 2027 será de aproximadamente 48.618 millones de GB. El Anexo 3 muestra un volumen de configuración de CoWoS de aproximadamente 2,664 millones de obleas, mientras que el Anexo 5 indica una demanda global de CoWoS de aproximadamente 2,694 millones de obleas. Estas dos cifras difieren ligeramente debido a los distintos ámbitos estadísticos utilizados.

El informe también estima que el tamaño del mercado de ingresos por obleas de chips de computación de IA alcanzará al menos 58.800 millones de dólares en 2027. Nvidia sigue siendo el mayor consumidor de CoWoS, con un estimado de 1,222 millones de obleas; se espera que AMD y Broadcom representen aproximadamente 530.000 y 484.000 obleas, respectivamente.

Se estima que la demanda de HBM para IA en 2027 alcanzará los 48.600 millones de Gb, junto con las configuraciones CoWoS y los requisitos de HBM para diferentes GPU y ASIC.

Todavía existe una variable importante en la previsión de la demanda: la configuración HBM para Rubin Ultra aún no se ha finalizado.

Las inspecciones de la cadena de suministro sugieren que Rubin Ultra podría adoptar una especificación escalonada, con una versión de gama alta que usaría HBM4e 8Hi y una versión de gama baja que posiblemente usaría HBM4 12Hi u 8Hi. Morgan Stanley predice que Nvidia podría tomar una decisión final para finales del tercer trimestre de 2026.

Este ajuste refleja principalmente tres presiones: la escasez de capacidad de HBM, el aumento de los costos de la memoria y las diferentes necesidades de capacidad y ancho de banda en las distintas cargas de trabajo de IA. El informe sugiere que reducir la configuración de HBM podría tener un mayor impacto en las cargas de trabajo de decodificación que el prellenado, especialmente en modelos grandes con contextos extensos.

Es importante destacar que el Anexo 3 aún se calcula en base a la configuración Rubin Ultra con HBM4e 12Hi y una capacidad total de 384 GB por chip. Por lo tanto, el requisito de 48.600 millones de GB de HBM no refleja completamente el posible esquema de reducción gradual. Si la configuración final se reduce, el uso de HBM por chip podría disminuir, pero la reducción de los costos de la memoria también podría aumentar los envíos de chips, compensando parcialmente el impacto de la menor utilización por chip.

La información pública de Micron indica que su HBM4 ha entrado en la fase de producción en masa, y se espera que la HBM4E lo haga en 2027. Si bien la oferta está avanzando con nuevos productos, la configuración final de Rubin Ultra aún depende de las decisiones de Nvidia en cuanto a rendimiento, costo y garantía de suministro.

La serie Rubin mantiene su ritmo de envíos acelerado. El informe prevé que en 2027, los envíos combinados de Rubin y Rubin Ultra se aproximarán a los 7 millones de unidades, con aproximadamente 5,92 millones de unidades Rubin y 1,04 millones de unidades Rubin Ultra; los envíos de unidades Rubin NVL72 para montaje en rack podrían alcanzar aproximadamente las 90.000 unidades.

Rubin prevé comenzar a aumentar la producción a partir del tercer trimestre de 2026, con los envíos de racks a partir del cuarto trimestre. El informe también sugiere que las preocupaciones previas del mercado sobre el "inventario" de Blackwell se debían principalmente a existencias de reserva en la cadena de suministro, que se espera que se absorban por completo para 2026.

Previsiones de envíos para chips Rubin y Rubin Ultra y bastidores Rubin NVL72.

Esto significa que, desde la segunda mitad de 2026 hasta 2027, la cadena de suministro de Nvidia debe completar simultáneamente la liquidación del inventario de Blackwell, la puesta en marcha de Rubin, el cambio de especificación de HBM y la entrega de los racks. Una ralentización en cualquiera de estas etapas podría afectar la potencia de cálculo final disponible.

La producción de TPU de Google ha aumentado a 7,35 millones de unidades, y los pedidos están llegando a la cadena de pruebas.

Además de Nvidia, la TPU de Google es otro importante motor de crecimiento que figura en el informe.

Morgan Stanley predice que los envíos de TPU de Google aumentarán de 3,7 millones de unidades en 2026 a 7,35 millones de unidades en 2027. De estas, se espera que Broadcom envíe 4 millones de unidades de la versión v8i, MediaTek 3 millones de unidades de la versión v8t, aproximadamente 150.000 unidades de la versión v9, y las aproximadamente 200.000 unidades restantes provendrán de la versión v7.

Previsiones de Google sobre el envío de TPU para cada generación y su posible contribución a los ingresos de KYEC.

El aumento de la producción de TPU impulsará los pedidos de diseño de chips, fabricación de obleas, empaquetado avanzado y pruebas. El informe prevé que el negocio relacionado con TPU podría representar entre el 7 % y el 8 % de los ingresos de KYEC en 2026 y algo más del 10 % en 2027, incluyendo las pruebas finales y algunos ingresos por el análisis de obleas.

Si se incluyen las actividades de Google relacionadas con las CPU, las TPU, las pruebas finales y algunos negocios de análisis de obleas, se espera que la demanda relacionada con Google represente entre el 10 % y el 15 % de los ingresos de KYEC en 2027, frente al 8 % o 10 % en 2026.

Los requisitos de prueba también se están volviendo más complejos. El informe indica que se espera que la TPU de 3 nm de MediaTek emplee pruebas de envejecimiento acelerado para mejorar la estabilidad y confiabilidad del rendimiento de los chips de IA; el proyecto de CPU de Google también requiere pruebas de envejecimiento acelerado y pruebas a nivel de sistema.

Los procesos de prueba más complejos y los ciclos de prueba más largos incrementarán la demanda de instalaciones de prueba, pero si la capacidad de prueba se convertirá en un cuello de botella dependerá de la combinación de los cambios en el tiempo de prueba por chip y el volumen total de envíos. El informe también señala que la reducción de los tiempos de prueba en algunas áreas podría aliviar las recientes presiones sobre la capacidad; por lo tanto, el aumento de la demanda de pruebas no debe equipararse simplemente con una inevitable escasez de capacidad.

38 GW no representan el punto final de la demanda, sino una prueba de la capacidad de suministro.

El aspecto más destacable de esta revisión de la cadena de suministro no es solo la presentación de más cifras de envío de chips de IA, sino la inclusión de las principales limitaciones de expansión para 2027 dentro del mismo modelo: Nvidia continúa aumentando la densidad de GPU, la producción de TPU de Google aumenta rápidamente, la demanda de HBM y CoWoS aumenta simultáneamente, y la demanda de energía implícita para los chips se eleva hasta los 38 GW.

Estas cifras aún dependen de varios requisitos previos. La solución HBM por capas para Rubin Ultra aún no se ha finalizado, y todavía es necesario verificar el impacto de la reducción de la configuración de memoria en el rendimiento de la decodificación de contexto largo; la capacidad de producción de CoWoS y HBM debe ampliarse según lo previsto; y la construcción de la infraestructura de servidores, racks, alimentación y refrigeración debe ir a la par con la entrega de chips.

Las soluciones de interconexión también pueden generar diferencias. El informe indica que, debido a las limitaciones en los procesos de fabricación locales, las velocidades SerDes de los fabricantes chinos de GPU para IA podrían estar limitadas a 100 Gb/s por canal. Por lo tanto, sus arquitecturas de supernodos están adoptando cada vez más interconexiones NPO, mientras que NVIDIA ha priorizado durante mucho tiempo las CPO. Estos enfoques diferentes afectarán el diseño de los supernodos, los costos de implementación y la eficiencia del sistema.

Por lo tanto, 38 GW no es una predicción precisa del consumo real de electricidad en 2027, sino más bien una prueba de estrés derivada de los envíos de chips. Esto demuestra que la demanda de chips de IA sigue siendo alta y, además, recuerda al mercado que lo que determina si se puede alcanzar la capacidad de computación de IA ya no son solo los cronogramas de producción de GPU, sino también si se puede contar simultáneamente con HBM, CoWoS, pruebas, racks y suministro eléctrico.