Morgan Stanley interpreta: ¿Puede la energía seguir el ritmo del auge de los chips de IA? La demanda implícita para 2027 es de aproximadamente 38GW

TL;DR
· Morgan Stanley estima que, con aproximadamente 19 millones de GPU/ASIC y un TDP promedio de 2kW por chip, la demanda implícita de energía para los chips en 2027 será de aproximadamente 38GW, de los cuales NVIDIA representará alrededor de 16GW.
· 38GW no es el consumo total de energía de los centros de datos ni la capacidad eléctrica ya construida, sino una prueba de estrés para verificar si la infraestructura puede soportar la presión de la entrega de chips.
· El informe estima que la demanda de HBM de IA en 2027 será de aproximadamente 48.6 mil millones de Gb, y la demanda de CoWoS será de entre 2.66 y 2.69 millones de unidades, aunque la solución de memoria apilada Rubin Ultra aún no se ha definido de manera definitiva.
· Se espera que las entregas de TPU de Google aumenten de 3.7 millones en 2026 a 7.35 millones en 2027, impulsando así los pedidos en la cadena de suministro de pruebas como KYEC.

La última revisión de la cadena de suministro de Morgan Stanley ha convertido la expansión de la IA en un número de energía más tangible: según la estimación de aproximadamente 19 millones de GPU y ASIC de CoWoS para 2027, con un TDP promedio de 2kW por chip, la capacidad eléctrica correspondiente a estos chips será de aproximadamente 38GW.

De esta cantidad, NVIDIA representará aproximadamente 16GW, Google alrededor de 9GW, AMD cerca de 7GW, AWS alrededor de 2GW, y Microsoft, Meta y otros fabricantes alrededor de 1GW cada uno.

Es importante enfatizar que 38GW no es el consumo total de energía de los centros de datos de IA en ese momento, ni es la capacidad eléctrica ya implementada. No incluye completamente el consumo de energía de CPU, redes, almacenamiento, refrigeración y otras instalaciones auxiliares, y se asemeja más a una prueba de estrés derivada de la cantidad de chips entregados: si los aceleradores de IA se entregan según el modelo de la cadena de suministro en 2027, ¿podrá la infraestructura eléctrica soportar estos chips?

Esto significa que las restricciones en la expansión de la capacidad de cálculo de IA están pasando de "¿pueden producirse las GPU?" a una extensión más amplia que incluye si HBM, CoWoS, pruebas, entrega de racks y acceso a energía pueden estar disponibles simultáneamente.

La prueba de estrés de 38GW empuja el cuello de botella de la IA hacia la energía

El cálculo de Morgan Stanley se basa en dos supuestos clave: que la cantidad de chips GPU y ASIC correspondientes a CoWoS en 2027 será de aproximadamente 19 millones, y que cada chip tendrá un TDP promedio de 2kW, lo que resulta en una demanda implícita de energía de aproximadamente 38GW.

2kW es un supuesto promedio utilizado para estimar el total y no representa que todas las GPU y ASIC tengan el mismo consumo de energía. 38GW tampoco equivale a la carga real de operación de los centros de datos, ya que los chips no funcionarán siempre a plena carga, y los sistemas de CPU, redes, almacenamiento y refrigeración en los servidores también generarán un consumo adicional.

Sin embargo, este número sigue siendo valioso como referencia. En los últimos dos años, las discusiones sobre la cadena de suministro de IA se han centrado principalmente en la producción de GPU, el suministro de HBM y la capacidad de CoWoS. A medida que las entregas de chips continúan aumentando, el acceso a la red eléctrica, la construcción de subestaciones, la ubicación de los centros de datos y los acuerdos de compra de energía a largo plazo podrían influir directamente en la capacidad de los chips para convertirse en potencia de cálculo utilizable.

La entrega de chips es solo el primer paso. Una vez que las GPU o ASIC ingresan a los centros de datos, se requieren servidores, racks, redes, refrigeración, energía y sistemas de operación y mantenimiento complementarios. Si la construcción de la infraestructura se retrasa en comparación con la entrega de chips, el mercado podría enfrentar una desajuste donde "los chips han llegado, pero los centros de datos y la energía no están listos".

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

Para NVIDIA, la demanda implícita de 16GW también explica por qué la empresa sigue aumentando la densidad de GPU por rack. El informe indica que NVIDIA espera a largo plazo conectar más GPU a través de una arquitectura de escalado, aumentando así la capacidad de cálculo y el rendimiento a nivel de rack.

Sin embargo, la primera generación de racks Rubin Ultra enfrenta desafíos en PCB y refrigeración, y podría seguir utilizando el diseño Oberon NVL72, expandiéndose a una escala NVL576 a través de interconexiones CPO o NPO. Aumentar la densidad del rack no eliminará la demanda de energía, sino que concentrará la presión sobre el suministro de energía, la refrigeración y la interconexión en un diseño de centro de datos de especificaciones más altas.

La expansión sincronizada de HBM y CoWoS, y las especificaciones de Rubin Ultra aún por determinar

Más allá de la energía, HBM y el empaquetado avanzado siguen siendo las principales restricciones para la expansión de los chips de IA alrededor de 2027.

Según el modelo de cadena de suministro de Morgan Stanley, la demanda de HBM correspondiente a los chips de IA en 2027 será de aproximadamente 48.618 mil millones de Gb. La cantidad de configuraciones de CoWoS listadas en el Exhibit 3 es de aproximadamente 2.664 millones de obleas, mientras que el Exhibit 5 indica que la demanda global de CoWoS es de aproximadamente 2.694 millones de obleas, con ligeras diferencias debido a la variación en el alcance de la estadística.

El informe también estima que el mercado de ingresos por obleas correspondiente a los chips de cálculo de IA en 2027 alcanzará al menos 58.8 mil millones de dólares. NVIDIA sigue siendo el mayor demandante de CoWoS, con una expectativa de aproximadamente 1.222 millones de obleas; AMD y Broadcom representan aproximadamente 530,000 y 484,000 obleas, respectivamente.

La demanda de HBM de IA en 2027 es de aproximadamente 48.6 mil millones de Gb, así como las configuraciones de CoWoS y HBM para diferentes GPU y ASIC.

Sin embargo, hay un variable importante en las previsiones de demanda: la configuración de HBM de Rubin Ultra aún no se ha determinado de manera definitiva.

La revisión de la cadena de suministro indica que Rubin Ultra podría adoptar especificaciones de apilamiento, donde la versión de alta gama utilizaría HBM4e 8Hi, mientras que la versión de gama baja podría utilizar HBM4 12Hi o 8Hi. Morgan Stanley espera que NVIDIA tome una decisión final antes de finales del tercer trimestre de 2026.

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

Es importante notar que el Exhibit 3 aún calcula la configuración de HBM4e 12Hi para Rubin Ultra, con una capacidad total de 384GB por chip. Por lo tanto, la demanda de HBM de 48.6 mil millones de Gb aún no refleja completamente el potencial de un plan de reducción de especificaciones. Si la configuración final se reduce, la cantidad de HBM utilizada por chip podría disminuir, pero un costo de memoria más bajo también podría impulsar un aumento en las entregas de chips, compensando parcialmente el impacto de la disminución en la cantidad utilizada por chip.

La información pública de Micron indica que su HBM4 ha entrado en la fase de envío a gran escala, y se espera que el HBM4E comience la producción en 2027. La oferta está avanzando con nuevos productos, pero qué configuración final adoptará Rubin Ultra aún depende de la evaluación integral de NVIDIA sobre el rendimiento, costo y garantía de suministro.

El ritmo de entrega de la serie Rubin sigue siendo agresivo. Se espera que en 2027, las entregas combinadas de Rubin y Rubin Ultra se acerquen a 7 millones de unidades, de las cuales aproximadamente 5.92 millones serán de Rubin y 1.04 millones de Rubin Ultra; se espera que las entregas de racks Rubin NVL72 alcancen aproximadamente 90,000 unidades.

Se prevé que Rubin comience a aumentar su producción a partir del tercer trimestre de 2026, con el inicio de las entregas de racks en el cuarto trimestre. El informe también señala que las preocupaciones anteriores del mercado sobre el "inventario" de Blackwell son más bien un inventario de amortiguación de la cadena de suministro, que se espera se consuma completamente en 2026.

Predicciones de entrega de chips Rubin y Rubin Ultra, así como de racks Rubin NVL72.

Esto significa que, desde la segunda mitad de 2026 hasta 2027, la cadena de suministro de NVIDIA necesitará completar simultáneamente la digestión del inventario de Blackwell, el aumento de producción de Rubin, el cambio de especificaciones de HBM y la entrega de racks. Cualquier retraso en uno de estos pasos podría afectar la escala final de la capacidad de cálculo entregable.

El aumento de TPU de Google a 7.35 millones de unidades, con pedidos que se transmiten a la cadena de pruebas

Además de NVIDIA, el TPU de Google es otra línea de crecimiento notable en el informe.

Según las previsiones de Morgan Stanley, las entregas de TPU de Google aumentarán de 3.7 millones en 2026 a 7.35 millones en 2027. De estas, se espera que el v8i, en el que participa Broadcom, entregue 4 millones de unidades, el v8t, en el que participa MediaTek, entregue 3 millones de unidades, el v9 se espera que entregue aproximadamente 150,000 unidades, y las restantes aproximadamente 200,000 unidades provendrán del v7.

Predicciones de entrega de las diferentes generaciones de TPU de Google y su contribución potencial a los ingresos de KYEC.

El aumento de TPU transmitirá pedidos a las etapas de diseño de chips, fabricación de obleas, empaquetado avanzado y pruebas. Se espera que los negocios relacionados con TPU representen entre el 7% y el 8% de los ingresos de KYEC en 2026, y un poco más del 10% en 2027, incluyendo pruebas finales y parte de los ingresos por detección de obleas.

Si se incluyen todos los negocios de CPU, TPU, pruebas finales y parte de la detección de obleas de Google, se espera que la demanda relacionada con Google represente entre el 10% y el 15% de los ingresos de KYEC en 2027, superior al 8% y 10% de 2026.

La demanda de pruebas también se está volviendo más compleja. El informe indica que el TPU de 3nm en el que participa MediaTek se espera que utilice pruebas de Burn-in para mejorar la estabilidad y confiabilidad del rendimiento de los chips de IA; el proyecto de CPU de Google también requerirá pruebas de Burn-in y pruebas a nivel de sistema.

Los procesos de prueba más complejos y los ciclos de prueba más largos aumentarán los pedidos de las fábricas de pruebas, pero si la capacidad de prueba se convertirá en un cuello de botella dependerá del tiempo de prueba por chip y el volumen total de entregas. El informe también advierte que la reducción del tiempo de prueba podría aliviar la presión de capacidad reciente, por lo que no se puede asumir que el aumento de la demanda de pruebas equivalga necesariamente a una escasez de capacidad.

38GW no es el punto final de la demanda, sino una prueba de capacidad de entrega

Lo más destacado de esta revisión de la cadena de suministro no es solo que proporciona más cifras sobre la entrega de chips de IA, sino que coloca las principales restricciones de expansión de 2027 en el mismo modelo: NVIDIA continúa aumentando la densidad de GPU, Google TPU se expande rápidamente, la demanda de HBM y CoWoS aumenta simultáneamente, y la demanda implícita de energía de los chips se eleva a 38GW.

Estos números aún dependen de múltiples supuestos. La solución de HBM apilada de Rubin Ultra aún no se ha determinado de manera definitiva, y el impacto de reducir la configuración de memoria en el rendimiento de decodificación de contexto largo aún necesita ser verificado; la capacidad de CoWoS y HBM necesita expandirse según lo planeado; y la construcción de servidores, racks, energía y refrigeración también debe seguir el ritmo de la entrega de chips.

Las soluciones de interconexión también pueden generar diferencias. El informe indica que, debido a las limitaciones de proceso de fabricación local, la velocidad de SerDes de los fabricantes de GPU de IA en China podría permanecer en 100Gb/s por canal, por lo que su arquitectura de supernodo está adoptando más interconexiones NPO, mientras que NVIDIA ha priorizado a largo plazo CPO. Diferentes rutas afectarán el diseño de supernodos, los costos de implementación y la eficiencia del sistema.

Por lo tanto, 38GW no es una predicción precisa del consumo real de energía en 2027, sino una prueba de estrés derivada del lado de la entrega de chips. Muestra que la demanda de chips de IA sigue siendo fuerte y también recuerda al mercado que lo que puede determinar si la capacidad de cálculo de IA se puede realizar puede no ser solo la producción de GPU, sino si HBM, CoWoS, pruebas, racks y energía pueden estar disponibles al mismo tiempo.