US semiconductor AI infrastructure: UBS ve una transición de la infraestructura de IA, desde la expansión centrada en aceleradores hacia la optimización a nivel de sistema

Visión general

UBS resume los debates del AI Infrastructure Summit de 2026 y sostiene que la construcción de IA está cada vez más determinada por la economía de todo el sistema, en lugar de solo por la capacidad de cómputo. El informe destaca la demanda persistente de inferencia, las restricciones de memoria y redes, los enfoques de interconexión competidores, las configuraciones de memoria habilitadas por CXL y los ciclos más rápidos de desarrollo y despliegue de chips.

Perspectivas principales

UBS extrajo tres conclusiones generales del encuentro: la flexibilidad y experiencia a nivel de sistema de NVIDIA parecen infravaloradas ante la atención del mercado sobre arquitecturas de cómputo individuales; la memoria sigue siendo el mayor cuello de botella y no está mejorando; y las herramientas de IA están acelerando los ciclos de diseño de cómputo y ayudando a los hyperscalers a poner en marcha soluciones ASIC más rápidamente. Sigue siendo incierto si el desarrollo y despliegue más rápidos acortarán el plazo para que los hyperscalers internalicen estos ASIC. La demanda de inferencia sigue siendo muy fuerte, pero los operadores afrontan un problema de optimización más complejo. Necesitan optimizar la economía, especialmente el coste por token, para la generación actual de modelos y conservar suficiente fungibilidad de hardware para cargas de trabajo que podrían ser muy distintas dentro de varios años. UBS considera que esta tensión entre optimización y flexibilidad es cada vez más importante en el diseño de infraestructura de IA. El evento también puso el foco sobre soluciones de cómputo emergentes de Cerebras, SambaNova y Etched. La optimización se está desplazando al nivel de sistema. El ancho de banda y la capacidad de memoria, junto con el almacenamiento, son cuellos de botella crecientes, por lo que añadir más aceleradores aporta poco valor si el resto del sistema no puede mantenerlos suficientemente utilizados. La "pared de memoria" fue un tema recurrente, con soluciones que incluyen mayor rendimiento de redes scale-up, menor latencia y nuevas arquitecturas de cómputo. Las redes son casi tan importantes como el cómputo para la inferencia distribuida y sensible a la latencia, porque determinan la eficiencia del movimiento de datos entre aceleradores y memoria. Unas mejores redes elevan la utilización de aceleradores y reducen el coste por token. UBS escuchó que los hyperscalers quieren múltiples alternativas y protocolos, por lo que el mercado scale-up parece menos una oportunidad de ganador único. ESUN se considera una alternativa scale-up creíble tras resolver problemas históricos de latencia de Ethernet mediante una cabecera más corta, manteniendo los beneficios de ecosistema y fiabilidad de Ethernet. NVLink se considera la opción no Ethernet más madura y fiable, y UALink una alternativa emergente. Google sigue usando ampliamente soluciones OCS en GCP, pero también evalúa UALink para determinados trabajos de inferencia sensibles a la latencia; UBS considera que los despliegues iniciales serían pequeños y para aplicaciones muy específicas. CXL está surgiendo como una vía para extender la vida útil de DDR4 en CPUs recientes diseñadas para DDR5. Meta destacó que el 43% de los servidores están limitados por memoria y que el 69% de la huella de carbono está relacionado con DIMM de memoria. Un ciclo de vida típico de DIMM es al menos 2 veces más largo que el de la CPU, por lo que DDR4 conectado mediante CXL podría reducir la cantidad de DDR5 más caro requerida. Aunque CXL añade latencia frente a DIMM locales, se comentó que una asignación menor, como ~1/4 de la memoria del sistema procedente de DDR4 conectado por CXL, podría ofrecer rendimiento comparable al ocultar efectivamente esa latencia. UBS lo considera otro ejemplo de optimización de la infraestructura de IA en torno a la economía total del sistema, no a un único componente. La IA también está comprimiendo los ciclos de desarrollo y despliegue de chips. Las nuevas herramientas de IA permiten paralelizar partes del diseño de chips que antes eran secuenciales, acortando plazos de desarrollo, pero también presionan para desplegar nuevas generaciones más rápidamente. AWS describió un enfoque en que despliega y prueba los racks antes de que esté disponible el silicio de cómputo y añade el chip como último paso. AWS indicó que esto puede comprimir la puesta en marcha tradicional de ~9 months a varias semanas. UBS lo considera un efecto de segundo orden de hojas de ruta de chips de IA más rápidas: toda la pila de infraestructura debe estar preparada para una cadencia de productos mucho más rápida.

Marco de análisis

UBS basa sus conclusiones en debates y presentaciones del AI Infrastructure Summit, organizando los hallazgos en torno a la economía de la inferencia, los cuellos de botella del sistema, las alternativas de red, la arquitectura de memoria y el despliegue más rápido de chips. Interpreta las observaciones técnicas por sus efectos sobre la utilización de aceleradores, la latencia, el coste por token, la flexibilidad del hardware y la economía total del sistema.

Notas metodológicas

• Métodos de valoraciónValoración por P/E y PEG

  Valoración P/E

  UBS declara que utiliza P/E entre las técnicas de valoración para las empresas analizadas en el informe.

• OtroOtro

  Valoración EV/FCF

  UBS declara que también utiliza EV/FCF, que compara el valor de empresa con el flujo de caja libre, para valorar las empresas analizadas en el informe.

Correspondencia y comparación de activos

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

• NVIDIA (NVDA)

  UBS considera que su flexibilidad y experiencia a nivel de sistema están infravaloradas ante el foco en arquitecturas de cómputo individuales.

  Fortalezas

  Flexibilidad y experiencia a nivel de sistema.

  Comparación

  NVLink se considera la opción de red no Ethernet más madura y fiable; las alternativas incluyen enfoques basados en Ethernet y UALink.

• Cerebras, SambaNova, Etched

  Soluciones de cómputo emergentes que reciben mayor atención en el ecosistema de infraestructura de IA.

  Comparación

  Se posicionan entre las alternativas a arquitecturas de cómputo establecidas.

• ESUN

  Descrito como una alternativa creíble de red scale-up.

  Fortalezas

  Se afirma que una cabecera más corta aborda problemas históricos de latencia de Ethernet mientras conserva sus beneficios de ecosistema y fiabilidad.

  Comparación

  Compite con NVLink y UALink emergente en un mercado que UBS considera menos propenso a un ganador único.

• UALink

  Alternativa emergente de red evaluada para determinadas cargas de inferencia sensibles a la latencia.

  Fortalezas

  Posible idoneidad para determinadas cargas de trabajo sensibles a la latencia.

  Debilidades

  Los despliegues iniciales se esperan más pequeños y específicos para cada aplicación.

  Comparación

  Contrasta con la posición madura no Ethernet de NVLink y el uso amplio de OCS en GCP.

Datos clave

• Asistencia al AI Infra Summit~8,000 expertsMás que duplicó la escala del año anterior.
• Servidores limitados por memoria43%Cifra destacada por Meta.
• Participación de DIMM de memoria en la huella de carbono69%Cifra destacada por Meta.
• Ciclo de vida de DIMM frente a CPUAt least 2x longerCiclo de vida típico de DIMM relativo al de CPU.
• Asignación de DDR4 conectado por CXL~1/4 of system memoryAsignación menor discutida como capaz de lograr rendimiento comparable al ocultar la latencia incremental.
• Periodo de puesta en marcha de racks de AWS~9 months to several weeksReducción descrita por AWS mediante el despliegue y prueba previa de racks antes de que esté disponible el silicio de cómputo.

Impacto e implicaciones

UBS sostiene que la oportunidad de infraestructura de IA está cada vez más definida por la capacidad de optimizar sistemas completos: cómputo, memoria, almacenamiento y redes deben trabajar juntos para elevar la utilización y reducir el coste por token. Esto respalda la relevancia de arquitecturas de sistema flexibles, diversos protocolos de red, enfoques de extensión de memoria y procesos de despliegue que puedan seguir hojas de ruta de chips más rápidas.

Riesgos

• Una desaceleración macroeconómica podría afectar a las empresas analizadas.
• Una disrupción del comercio internacional podría afectar a las empresas analizadas.
• La disrupción tecnológica por nuevas invenciones podría alterar los resultados competitivos.
• La innovación del modelo de negocio y los cambios estructurales de la industria podrían afectar las ventas unitarias, los ASP y los ingresos.

Aspectos que vigilar

• Si ciclos más rápidos de diseño y puesta en marcha de ASIC aceleran los plazos de los hyperscalers para internalizar soluciones ASIC.
• La adopción de múltiples protocolos de red scale-up, incluido UALink para cargas de inferencia sensibles a la latencia.
• El grado de despliegue de DDR4 conectado mediante CXL para reducir los requisitos de DDR5 manteniendo el rendimiento.
• Si los procesos de despliegue de infraestructura pueden seguir el ritmo de hojas de ruta de chips de IA más rápidas.