AI infrastructure bottlenecks across semiconductors and technology — Interpretación del informe

Visión general

Morgan Stanley evalúa qué cuellos de botella de la infraestructura de AI pueden generar las oportunidades más atractivas en semiconductores. Su preferencia central es la computación de AI y los componentes con capacidad restringida relacionados, seguida por redes; mantiene una postura constructiva pero selectiva en memoria y favorece el analógico como diversificación cíclica.

Perspectivas principales

Morgan Stanley argumenta que Astra GPT-6 refuerza la narrativa de cuellos de botella de AI, ya que sus mayores capacidades de razonamiento, ingeniería, uso de computadoras y tareas del mundo físico podrían hacer viables comercialmente más cargas de trabajo de inferencia. El foco pasa de cuánta infraestructura se requiere para atender la demanda conocida a cuántas nuevas cargas pueden ser viables a medida que mejora la utilidad de los modelos por dólar. A su juicio, esto devuelve el foco a restricciones físicas como capacidad limitada, mayor intensidad de contenido y complejidad de fabricación. Prefiere empresas expuestas a esas restricciones, no una apuesta indiscriminada por AI. La computación de AI es el segmento de mayor convicción porque combina fuerte crecimiento de unidades y continuo potencial de alza de beneficios en GPU, CPU, ASIC, capacidad de fundición de vanguardia y componentes de apoyo. TSMC elevó su guía de crecimiento de ingresos de 2026 a más de 40% interanual; Morgan Stanley considera razonable un CAGR de 70-80% para su negocio de semiconductores de AI, que podría superar el 30% de los ingresos de 2026e. El capex de TSMC de US$60-64bn para 2026 también señala una demanda de AI más fuerte de lo esperado. La oportunidad se extiende a sustratos ABF, donde la demanda de servidores, GPU/ASIC y redes ha desplazado a la de PC y se espera escasez desde 2027, y a MLCC, cuyo contenido de mayor valor aumenta con la densidad de potencia de los servidores de AI. Las ventas mensuales de MLCC de Taiwán subieron 36% interanual en junio y se espera que Samsung Electro-Mechanics logre un CAGR de beneficios de 29% en 2026-28e. El informe es constructivo en redes como segunda mejor exposición a infraestructura de AI, pero cuestiona una transición inmediata del cobre a la óptica. Estima la oportunidad de redes scale-up en más de US$70bn para 2030, más de cuatro veces la estimación de un año antes, por dominios de aceleradores más grandes. NVIDIA Rubin y Rubin Ultra elevan el dominio scale-up a 144 GPU y 576 GPU, respectivamente. El cobre mantiene ventajas de latencia, potencia y coste para conexiones intra-rack cortas, mientras que mejoras en SerDes, retimers, conectores y cobre activo prolongan su utilidad. Morgan Stanley prevé una progresión de cobre a arquitecturas NPO o híbridas y posteriormente CPO; la adopción de CPO scale-up sería limitada en 2028 y más fuerte desde 2029. Pronostica envíos de switches CPO desde 23,000 unidades en 2026 a 59,000 en 2027 y aproximadamente 200,000 en 2030; los switches CPO scale-out pasarían de 5,000 unidades en 2025 a 200,000 en 2030, lo que implica un CAGR de 144% en 2023-30. La memoria sigue respaldada estructuralmente por AI, pero Morgan Stanley considera menos atractiva su relación riesgo/recompensa relativa a medida que madura el ciclo de materias primas. Espera una transición a ciclo tardío para 4Q26, con el precio mensual de DRAM interanual alcanzando un máximo, menores alzas secuenciales y una desaceleración de las revisiones de beneficios. El precio contractual de DRAM de 3Q26 seguía aproximadamente en +20% Q/Q, por encima de la estimación previa de +15-20% Q/Q para DRAM y NAND; 4Q26 seguía aproximadamente en +5-10% Q/Q, con visibilidad limitada después. El crecimiento de bits de DRAM fue 36% en lo que va de año según datos de SIA de junio, y se seguía un crecimiento de 31% para 2026 frente al 25% previo. Las estimaciones de WFE de DRAM para 2026 subieron 47% en nueve meses. Morgan Stanley modela crecimiento de suministro de bits de 32-38% en 2026-27e y crecimiento de suministro de bits de HBM de más de 50% en 2027-28e. El informe identifica factores que podrían prolongar la estrechez de memoria. La complejidad de BEOL de HBM4E puede retrasar el crecimiento de oferta de DRAM, dirigir capex de DRAM a ampliar BEOL en 2026-27e y demorar hasta 2H27 una migración material de procesos FEOL y la aceleración de envíos de GB de DRAM. La prioridad de los fabricantes de DRAM en las entregas de equipo también puede retrasar la expansión de NAND. Por ello, Morgan Stanley prefiere ganancia estructural de cuota, localización y exposición downstream a AI frente a exposición genérica a memoria de materias primas. Destaca a CXMT por demanda china de AI y servidores, localización de HBM y DDR5, y rápida expansión de capacidad, con un CAGR previsto de envíos de bits de 46% en 2025-28e. Prefiere beneficiarios de empaquetado y pruebas sobre exposición incremental a front-end de memoria, aunque la nueva inversión disponible desde finales de 2027 podría acabar presionando el ciclo de precios. Fuera de AI, Morgan Stanley favorece el analógico global como cobertura de ciclo temprano. Tras más de tres años cerca de un suelo en L, inventarios de canal bajos, estabilización de precios, estrechez selectiva en productos de nodos maduros y potencia, mejores pedidos industriales y recuperación de utilización sugieren un ciclo al alza impulsado por demanda, no solo reposición de distribuidores. Espera que la recuperación continúe al menos durante la segunda mitad de 2026, apoyada por mejores precios, reposición de inventarios y book-to-bill constructivo. En contraste, es cauteloso con los mercados finales de consumo: espera que los envíos globales de smartphones caigan aproximadamente 13% interanual en 2026, incluido aproximadamente 15% para Android, debido a que mayores costes de memoria elevan los precios de OEM. Los PC se describen como estancados o débiles, y la sustitución de servidores empresariales tradicionales no es el principal motor de crecimiento frente a infraestructura de hyperscalers y AI cloud. Morgan Stanley subraya que la capacidad de cumplir beneficios, no una valoración barata, debe impulsar el desempeño tecnológico. Los nombres de AI requieren resultados casi perfectos y la mejora del impulso relativo de revisiones de beneficios es necesaria para que tecnología supere al mercado. El consenso prevé 56% de crecimiento de beneficios para beneficiarios de AI en 2027 y expansión de márgenes pese a la desaceleración de ingresos en 2026; Morgan Stanley considera más probable 53%. Su análisis de amplitud de revisiones apunta al mejor impulso futuro en computación de AI, redes y no-AI, y al peor en memoria. Los riesgos incluyen sorpresas alcistas insuficientes frente a expectativas elevadas, desaceleración probable del crecimiento de capex de AI desde 2027 y vientos en contra macro de petróleo, inflación, tasas de la Fed y elecciones estadounidenses.

Marco de análisis

El informe secuencia el ciclo de semiconductores entre computación de AI, memoria, redes, analógico y mercados finales de consumo. Combina indicadores de capex y demanda, restricciones de capacidad de oferta, amplitud de revisiones de beneficios, tendencias de precios, intensidad de contenido de componentes, hojas de ruta tecnológicas y exposición específica de compañías.

Notas metodológicas

• Marco de análisis sectorialMarco de oferta y demanda

  Análisis de oferta y demanda de componentes de infraestructura de AI

  Morgan Stanley vincula la demanda de cargas de trabajo y capex de AI con la capacidad limitada de ABF, MLCC, memoria y empaquetado avanzado para evaluar poder de precios y potencial de beneficios.

• Marco de análisis sectorialTransmisión entre tramos de la cadena de valor

  Transmisión de la cadena de suministro de infraestructura de AI

  El informe sigue la demanda desde aceleradores y cargas de inferencia hasta fundiciones, sustratos, condensadores, memoria, empaquetado, pruebas, energía y componentes de red.

• Marco de ciclo y coyunturaAnálisis de puntos de inflexión del ciclo

  Evaluación de etapa de ciclo e impulso de beneficios

  Morgan Stanley usa precios, inventarios, utilización, pedidos y revisiones de estimaciones para distinguir crecimiento de computación, memoria de ciclo tardío y recuperación analógica de ciclo temprano.

• Finanzas conductuales y análisis de eventosBrecha y gestión de expectativas

  Capacidad de cumplir beneficios frente a expectativas elevadas

  El informe sostiene que las acciones de AI necesitan sorpresas alcistas frente a expectativas ya altas, por lo que el impulso relativo de revisiones de beneficios importa más que un argumento basado solo en valoración.

Correspondencia y comparación de activos

Correspondencia estructurada entre la tesis y activos concretos (fortalezas, debilidades, pares y riesgos).

• NVIDIA (NVDA)

  Exposición preferida a GPU de computación de AI

  Fortalezas

  Exposición directa a la demanda de computación de AI y a dominios de aceleradores en expansión

  Debilidades

  Las altas expectativas de beneficios requieren ejecución continua

  Comparación

  Incluida en el segmento de computación de AI más preferido del informe

  Riesgos

  Desaceleración del capex de AI y sorpresa alcista insuficiente

• Keysight Technologies (KEYS)

  Beneficiario de redes y complejidad de pruebas independiente de arquitectura

  Fortalezas

  Exposición a redes ópticas, eléctricas, scale-up y scale-out

  Comparación

  Morgan Stanley elevó KEYS a Overweight entre sus beneficiarios de redes

  Riesgos

  Despliegue más lento de lo esperado de arquitecturas de red

• Corning (GLW)

  Beneficiario de redes

  Fortalezas

  Exposición óptica relativamente independiente de arquitectura

  Comparación

  Preferida junto con LITE y Coherent en redes scale-up

  Riesgos

  El despliegue óptico puede ser más gradual de lo esperado

• Coherent (COHR)

  Beneficiario de redes

  Fortalezas

  Amplia exposición a la pila de componentes CPO/NPO

  Comparación

  Exposición preferida a redes scale-up junto con GLW y LITE

  Riesgos

  Se espera una adopción limitada de CPO en 2028

• CXMT

  Exposición preferida a la localización de memoria china

  Fortalezas

  Demanda china de AI/servidores, localización de HBM y DDR5, y rápida expansión de capacidad

  Debilidades

  La memoria sigue siendo en general un mercado de materias primas de ciclo tardío

  Comparación

  Preferida por ganancia estructural de cuota y localización frente a exposición genérica a memoria

  Riesgos

  Las futuras adiciones de oferta pueden presionar el ciclo de precios de memoria

• Advanced Energy Industries (AEIS)

  Exposición preferida a equipos semiconductores de EE. UU.

  Fortalezas

  Morgan Stanley considera que la valoración refleja un pico de ciclo en CY27; habría potencial alcista si WFE supera las previsiones

  Debilidades

  Depende de la duración del ciclo de equipamiento de capital

  Comparación

  Preferida frente a Lam Research y KLA dentro de los Overweights de EE. UU.

  Riesgos

  La demanda de WFE puede no alcanzar el escenario alcista de CY27 US$230bn-plus

• MKS Inc. (MKSI)

  Exposición preferida a equipos semiconductores de EE. UU.

  Fortalezas

  Morgan Stanley considera que la valoración refleja un pico de ciclo en CY27; habría potencial alcista si WFE supera las previsiones

  Debilidades

  Depende de la duración del ciclo de equipamiento de capital

  Comparación

  Preferida frente a Lam Research y KLA dentro de los Overweights de EE. UU.

  Riesgos

  La demanda de WFE puede no alcanzar el escenario alcista de CY27 US$230bn-plus

• ASML

  Exposición preferida a equipos semiconductores europeos

  Fortalezas

  Proveedor dominante de herramientas críticas de fabricación de semiconductores y beneficiario de demanda de DRAM, lógica y EUV

  Comparación

  Top Pick de Morgan Stanley en SPE europeo

  Riesgos

  Dependencia de una mejora de la demanda de DRAM y lógica en 2027

• Texas Instruments (TXN)

  Indicador y exposición al ciclo analógico

  Fortalezas

  Ofrece la lectura más clara de la demanda del ciclo analógico amplio

  Comparación

  Parte del grupo preferido de diversificación analógica del informe

  Riesgos

  La recuperación puede reflejar reposición temporal de distribuidores y no ventas sostenibles

Datos clave

• Guía de crecimiento de ingresos de TSMC para 2026>40% Y/YGuía elevada, impulsada por mayor demanda de AI
• Capex de TSMC para 2026US$60-64bnCitado como evidencia de fortaleza de la demanda de AI
• Participación de ingresos de semiconductores de AI de TSMC>30% of 2026e revenueEstimación de Morgan Stanley
• Oportunidad de redes scale-up>US$70bn by 2030Más de cuatro veces la estimación de un año antes
• Precio contractual de DRAM de 3Q26Approximately +20% Q/QPor encima de la expectativa previa de +15-20% Q/Q para DRAM y NAND
• Precio de DRAM de 4Q26About +5-10% Q/QVisibilidad limitada más allá del trimestre
• Crecimiento de beneficios de consenso de beneficiarios de AI en 202756%Morgan Stanley considera más probable 53%
• Envíos globales de smartphonesApproximately -13% Y/Y in 2026Se espera que los envíos de Android caigan aproximadamente 15%

Impacto e implicaciones

La posición preferida de Morgan Stanley es una barra entre exposiciones a computación y redes de AI con restricciones de capacidad y una recuperación analógica de ciclo temprano. Prefiere beneficiarios ligados a capacidad y complejidad, es selectivo en memoria pese a fundamentales fuertes y es cauteloso con la demanda de hardware de consumo presionada por mayores costes de componentes.

Riesgos

• Los beneficiarios de AI pueden no generar suficientes sorpresas alcistas frente a expectativas de mercado elevadas.
• El crecimiento de capex de AI probablemente se desacelerará desde 2027, aunque siga siendo positivo.
• Petróleo, inflación, tasas de la Fed y elecciones estadounidenses son vientos en contra macro identificados.
• El crecimiento de oferta de memoria de ciclo tardío y nueva inversión desde finales de 2027 pueden presionar los precios.
• La recuperación analógica puede reflejar reposición temporal de distribuidores en lugar de demanda sostenible.

Aspectos que vigilar

• El impulso relativo de revisiones de beneficios y la capacidad de las compañías para cumplir expectativas elevadas.
• La demanda de AI de TSMC, la ejecución de capex y la demanda de componentes de apoyo ABF y MLCC.
• El momento de moderación del precio de DRAM, nuevas adiciones de oferta de memoria y restricciones de capacidad ligadas a HBM4E.
• La progresión de cobre a arquitecturas NPO y CPO, incluida la velocidad de adopción de CPO después de 2028.
• Reposición de inventarios, precios, pedidos industriales, utilización y tendencias de book-to-bill en analógico.
• Tendencias de demanda de consumo tras el efecto de mayores costes de memoria sobre la asequibilidad de smartphones, PC y electrónica.