Sí, tiene mucho sentido analizarlo de esa forma. De hecho, la metáfora del “queso gruyere” es más útil que hablar simplemente de “burbuja” en singular, porque permite ver que el auge de la IA y los semiconductores no es un bloque homogéneo: hay zonas de valor tecnológico muy real, zonas de sobrevaloración financiera, cuellos de botella físicos y puntos de fragilidad sistémica.
La pregunta clave no es solo si “la IA es una burbuja” o no. La pregunta más fina sería: ¿qué partes del sistema tienen valor duradero, qué partes están descontando demasiado futuro y qué nodos son tan críticos que pueden provocar una ruptura no lineal si fallan?
En ese sentido, el sector puede dividirse en varias capas:
Capa tecnológica: la IA generativa, el cómputo acelerado, los modelos de lenguaje, la automatización, el diseño de chips y la inferencia tienen utilidad real. No estamos ante una tecnología puramente ficticia.
Capa financiera: muchas valoraciones descuentan crecimiento muy elevado durante muchos años, márgenes altos y una adopción casi perfecta. Ahí sí puede haber exceso.
Capa industrial: fabricar chips avanzados requiere litografía extrema, capacidad fabril, empaquetado avanzado, sustratos, memoria HBM, químicos, talento y maquinaria muy especializada.
Capa energética y física: los centros de datos necesitan electricidad, agua, refrigeración, suelo, permisos, conexión a red y estabilidad operativa.
Capa geopolítica: Taiwán, las restricciones entre EE. UU. y China, los controles de exportación y la concentración de producción son riesgos de primer orden.
Capa de monetización: una cosa es que la IA sea útil y otra distinta que todos los que invierten en ella obtengan retornos suficientes sobre el capital invertido.
Ahí encaja muy bien la lectura de las revoluciones tecnológicas: primero suele aparecer una fase de instalación, entusiasmo y financiación abundante; después una fase de euforia donde el capital financiero se adelanta demasiado; luego llega una corrección; y finalmente, si la tecnología era realmente útil, viene una etapa de despliegue productivo más racional.
Es decir: una burbuja financiera no invalida necesariamente una revolución tecnológica. Puede ser incluso una fase típica del proceso. El ferrocarril, la electricidad, las telecomunicaciones e internet tuvieron episodios de sobreinversión, quiebras y fuertes caídas bursátiles, pero la infraestructura y el conocimiento acumulado siguieron siendo útiles después.
Aplicado a IA y semiconductores, el sistema actual tiene varios nodos extremadamente centrales:
Nvidia: concentra gran parte del valor en GPUs, aceleradores, software asociado y ecosistema de cómputo para IA. Es un nodo de altísima centralidad.
ASML: controla una pieza crítica de la litografía avanzada, especialmente EUV. Sin ese tipo de maquinaria, la frontera de fabricación de chips no avanza al mismo ritmo.
TSMC: es uno de los grandes cuellos de botella de fabricación avanzada. Buena parte del ecosistema depende de su capacidad productiva.
Taiwán: no es solo un lugar de producción; es un nodo geopolítico cuya disrupción tendría efectos globales.
Centros de datos: son la infraestructura física donde la IA se convierte en servicio real.
Energía y agua: son límites materiales. La IA no escala solo con capital financiero; necesita electricidad disponible, refrigeración y recursos locales.
Empaquetado avanzado: muchas mejoras actuales no dependen solo del transistor, sino de cómo se integran chips, memoria y conexiones de alta velocidad.
Cadenas de suministro: materiales, sustratos, memoria HBM, equipos, químicos y transporte forman una red compleja con posibles puntos de fallo.
Desde teoría de redes, esto describe un sistema con pocos hubs muy dominantes. Mientras todo funciona, esa concentración parece eficiencia: los mejores actores capturan la mayor parte del valor. Pero también aumenta la fragilidad. Si un nodo crítico se bloquea, el impacto no es proporcional; puede propagarse en cascada.
La idea de la percolación ayuda a entenderlo. En un sistema conectado, los problemas aislados pueden ser absorbidos. Pero si varias cavidades empiezan a conectarse —por ejemplo, valoraciones extremas, retrasos en centros de datos, falta de energía, tensión en Taiwán, restricciones de exportación y menor retorno del capex— el sistema puede pasar de “tensión controlada” a “fractura” de forma abrupta.
Por eso, un eventual crash en IA/semiconductores no tendría por qué significar que la IA “era mentira”. Podría significar algo más concreto:
que las expectativas bursátiles iban demasiado adelantadas;
que la capacidad física no podía crecer al ritmo que descontaba el mercado;
que el retorno sobre el capital invertido era más lento de lo previsto;
que la concentración en pocos proveedores era excesiva;
que los cuellos de botella energéticos, industriales o geopolíticos estaban infravalorados;
o que el mercado confundió adopción tecnológica con monetización inmediata.
Ahí está la diferencia fundamental entre tecnología, infraestructura y cotización. La tecnología puede ser real, la infraestructura puede ser necesaria, y aun así la cotización puede estar demasiado cara. El mercado puede equivocarse en el precio sin que la tecnología desaparezca.
En datos concretos de mercado, empresas como Nvidia y ASML reflejan bien esta dualidad: son compañías reales, estratégicas y con ventajas competitivas enormes, pero también cotizan con una prima asociada a su papel de nodos críticos. En los datos disponibles, Nvidia aparece alrededor de 222,82 dólares por acción, con una beta aproximada de 2,244, lo que refleja una sensibilidad elevada al mercado. ASML aparece alrededor de 1.705,37 dólares, con beta aproximada de 1,373. Es decir, no hablamos de negocios marginales, sino de activos centrales del sistema, pero precisamente por eso sus valoraciones incorporan muchas expectativas futuras.
La metáfora del “queso gruyere” permite verlo así:
Las partes sólidas: demanda real de cómputo, mejora tecnológica, chips avanzados, centros de datos, software de IA, productividad potencial.
Las cavidades financieras: múltiplos exigentes, exceso de narrativa, financiación barata previa, expectativas de crecimiento casi ilimitado.
Las cavidades industriales: capacidad limitada de fabricación, empaquetado avanzado, memoria, maquinaria, talento y tiempos largos de construcción.
Las cavidades energéticas: redes eléctricas saturadas, permisos, costes crecientes, refrigeración, agua y localización de centros de datos.
Las cavidades geopolíticas: Taiwán, China, controles de exportación, soberanía tecnológica y dependencia de cadenas globales.
Las cavidades de monetización: mucho gasto en IA, pero dudas sobre quién captura realmente el retorno y en qué plazo.
Mientras esas cavidades permanecen separadas, el sistema puede seguir creciendo. El problema aparece cuando se conectan. Por ejemplo: si los hyperscalers reducen capex porque no ven retorno suficiente, Nvidia puede sufrir; si además hay restricciones energéticas para nuevos centros de datos, la demanda futura se enfría; si al mismo tiempo hay tensión en Taiwán o problemas de suministro en memoria HBM o empaquetado, el mercado puede revalorar todo el ecosistema de golpe. Eso sería una fractura no lineal, no una simple corrección ordenada.
La comparación histórica con ferrocarriles, telecomunicaciones y puntocom es muy pertinente. En esos ciclos ocurrió algo parecido:
se sobreestimó la velocidad de adopción;
se financió demasiada capacidad demasiado pronto;
muchas empresas quebraron;
los inversores en la fase de euforia sufrieron pérdidas fuertes;
pero la infraestructura construida no desapareció;
y, tras la limpieza, otros actores la usaron de forma más eficiente.
En telecomunicaciones, por ejemplo, el exceso de fibra óptica y de inversión destruyó mucho capital financiero, pero después esa infraestructura barata ayudó al desarrollo posterior de internet, vídeo online, cloud, redes sociales y servicios digitales. En la puntocom, muchas empresas desaparecieron, pero la red, el software, los hábitos de uso y el capital humano quedaron.
Con IA podría pasar algo similar. Una corrección bursátil podría:
limpiar empresas sin modelo económico sólido;
reducir múltiplos excesivos;
abaratar activos de infraestructura;
forzar disciplina en el capex;
separar ganadores reales de narrativas oportunistas;
y permitir una segunda fase de adopción más productiva.
Por tanto, la conclusión sería: sí, tiene más sentido hablar de un sistema complejo con zonas sólidas y cavidades internas que de una burbuja homogénea. La IA y los semiconductores pueden ser simultáneamente una revolución tecnológica real y un mercado parcialmente sobrevalorado.
La frase clave sería esta: puede pinchar la valoración sin pinchar la tecnología. Un crash no demostraría necesariamente que la IA era falsa; podría demostrar que el sistema financiero, energético, geopolítico e industrial que intentaba escalarla estaba mal distribuido, demasiado concentrado y demasiado adelantado respecto a su capacidad real de despliegue.
Para un inversor, la lectura práctica sería vigilar menos el relato general de “IA sí o IA no” y más estos indicadores:
retorno real del capex en IA de las grandes tecnológicas;
crecimiento de ingresos frente a crecimiento de gasto en centros de datos;
márgenes de Nvidia y presión competitiva;
capacidad de TSMC y disponibilidad de empaquetado avanzado;
evolución de ASML y demanda de equipos de litografía;
disponibilidad de memoria HBM;
costes de electricidad y restricciones de red;
permisos y construcción de nuevos centros de datos;
tensión geopolítica en Taiwán;
amplitud del liderazgo bursátil: si solo suben unos pocos nombres, la fragilidad aumenta.
En resumen: la IA no tiene por qué ser “humo”, pero el mercado sí puede haber construido encima una estructura financiera demasiado exigente. Y cuando una tecnología real se financia con expectativas irreales, la corrección no destruye necesariamente la revolución; muchas veces destruye solo la parte especulativa y deja las bases para una fase posterior más eficiente.
