El Efecto Moonshot: Cómo un Modelo Eficiente Sacudió a las Empresas de Semiconductores

El 16 de julio, en vísperas de la Conferencia Mundial de Inteligencia Artificial de Shanghái, un laboratorio chino llamado Moonshot AI presentó su nuevo modelo, Kimi K3. Al día siguiente, viernes, las acciones de semiconductores cayeron con fuerza en Asia y en Estados Unidos, y los operadores recurrieron a una comparación inmediata: el "momento DeepSeek". Al cierre de esa semana, el índice de semiconductores de Filadelfia había perdido cerca de 10%, su peor semana en más de un año, y terminó poco más de 20% por debajo de su máximo del 22 de junio, el umbral convencionalmente asociado con un mercado bajista.

Conviene, antes de avanzar, hacer una precisión que cambia la lectura del episodio. El lanzamiento de Kimi K3 no fue la causa única de esa corrección. El retroceso de los semiconductores venía gestándose desde el 22 de junio, y en él pesaron también la toma de ganancias tras un fuerte repunte previo, valoraciones ya elevadas, niveles altos de apalancamiento, tensiones comerciales entre Estados Unidos y China, y dudas que el mercado arrastraba desde antes sobre el retorno del enorme gasto de capital comprometido en inteligencia artificial. El modelo de Moonshot funcionó como acelerador e intensificador de una corrección en curso, no como su detonante exclusivo. Entender esa distinción es entender el episodio.

El precedente que el mercado no ha olvidado

Para comprender la reacción, hay que retroceder al 27 de enero de 2025. Ese día, otro laboratorio chino, DeepSeek, lanzó un modelo de inteligencia artificial cuyo desempeño se comparó con el de los mejores sistemas estadounidenses, y que se presentó como notablemente más barato de entrenar.

La reacción fue histórica. La acción de Nvidia cayó cerca de 17% en una jornada y perdió casi 600 mil millones de dólares de valor de mercado, la mayor pérdida diaria de cualquier empresa en la historia de la bolsa estadounidense. El índice de semiconductores de Filadelfia se desplomó 9.2%, su peor caída desde marzo de 2020. Broadcom cayó 17%, ASML 7%.

La cifra de costo que circuló entonces merece, sin embargo, una aclaración que a menudo se omite. Según el informe técnico de DeepSeek, el entrenamiento oficial del modelo V3 requirió aproximadamente 2,788 millones de horas-GPU, con un costo estimado de USD 5,6 millones, calculado sobre un supuesto de alquiler de dos dólares por hora de procesamiento. El propio documento aclara que esa cifra excluye la investigación previa y los experimentos de arquitectura, algoritmos y datos. No incluye tampoco la infraestructura propia, los salarios ni el resto de los gastos del laboratorio. Estimaciones independientes, como las de la firma de análisis SemiAnalysis, ubican la inversión acumulada en hardware muy por encima de los 500 millones de dólares. El número que sacudió al mercado describía una porción del costo, no el costo total.

El supuesto que sostiene la valoración de los chips

La clave está en una creencia que ha dominado el mercado durante los últimos años: que el liderazgo en inteligencia artificial exige gasto masivo y sostenido en infraestructura. Bajo esa premisa, construir modelos de frontera requiere enormes cantidades de chips avanzados, centros de datos gigantescos y consumo eléctrico creciente. Como esos chips los fabrica un grupo reducido de empresas, la premisa se traduce en una expectativa de demanda casi ilimitada para sus productos, y sobre esa expectativa se edificó buena parte de la valoración del sector.

Cuando aparece un modelo que sugiere que se puede alcanzar alto desempeño con menos recursos computacionales de los que se creían necesarios, ese supuesto queda en entredicho, y con él la aritmética que sostiene los precios de las acciones.

Lo que Moonshot afirma, y lo que aún no está demostrado

Aquí es indispensable separar la afirmación de la evidencia. Moonshot reporta una mejora de aproximadamente 2.5 veces en eficiencia, y su modelo activa solo una porción de sus parámetros en cada consulta, una técnica que reduce el costo de cómputo por tarea. La propia empresa reconoce, no obstante, que el modelo todavía se ubica por detrás de los sistemas propietarios más potentes.

Hay dos datos que conviene poner junto a la narrativa de la eficiencia. El primero: Moonshot recomienda ejecutar el modelo en configuraciones de al menos 64 aceleradores de gama alta. El segundo es que la propia empresa tuvo que pausar nuevas suscripciones días después del lanzamiento, cuando la demanda de usuarios se acercó al límite de su capacidad de GPU disponible. Un modelo más eficiente por tarea puede seguir siendo intensivo en cómputo a escala, y una adopción masiva podría aumentar la necesidad agregada de hardware en lugar de reducirla.

Dicho de forma directa: no está demostrado que Kimi K3 reduzca la demanda total de hardware. Esa es una inferencia que el mercado hizo con velocidad, no un hecho verificado.

La cadena, paso a paso

El mecanismo que va del anuncio a la caída de las acciones se ordena así. Un laboratorio presenta un modelo que sugiere mayor eficiencia. Los inversionistas reevalúan el supuesto de demanda ilimitada de chips. Si esa demanda futura podría resultar menor a la proyectada, las ganancias futuras esperadas de los fabricantes se reducen, y con ellas el precio que el mercado paga hoy por sus acciones. Esa revisión se traduce en ventas.

Todo el proceso puede ocurrir en horas, antes de que se venda o se deje de vender un solo chip. Lo que se mueve no es la demanda real de semiconductores en el corto plazo, sino la expectativa sobre su demanda futura.

Lo que dejó la semana

Los datos permiten ver el mecanismo operando a escala. El viernes 17 los futuros del Nasdaq 100 cayeron 2%, el índice asiático de semiconductores de Bloomberg retrocedió más de 6%, el índice de referencia de Taiwán perdió más de 6% y el mercado japonés cerca de 4%. Entre los competidores chinos de Moonshot el golpe fue más severo: Z.ai perdió hasta 30% de su valor en Hong Kong, su mayor caída diaria desde que salió a bolsa en enero, y MiniMax cedió hasta 16%. Alibaba, uno de los inversionistas de Moonshot, cayó 4%.

Un detalle resulta particularmente revelador. Taiwan Semiconductor cayó cerca de 3% esa jornada a pesar de haber superado las estimaciones de resultados y elevado su guía para 2026. Que una empresa reporte mejores números de los esperados y aun así retroceda muestra qué pesaba más en el ánimo del mercado: no los resultados presentes, sino la duda sobre la narrativa futura.

Del otro lado, Moonshot capitalizó su propio momento. El domingo circuló entre sus accionistas una resolución para aprobar una salida a bolsa en Hong Kong dentro de los próximos seis meses.

Los argumentos que corren en dirección contraria

Existen lecturas que apuntan al sentido opuesto y que merecen igual atención. Bloomberg planteó que la analogía con DeepSeek podría pasar por alto una diferencia técnica relevante: aquel episodio giró en torno a modelos más baratos de entrenar, mientras que el caso actual involucra un modelo considerablemente más grande, que impone una carga mayor sobre la infraestructura de memoria. Bajo esa lectura, un modelo así podría sostener, en lugar de reducir, la demanda de memoria de alto ancho de banda y de fabricación avanzada. La eficiencia en un componente no implica menor consumo en toda la cadena.

El analista macroeconómico Andreas Steno Larsen sostuvo, por su parte, que la venta fue desproporcionada y no estaba justificada ni por el desempeño del modelo ni por los fundamentos de las empresas afectadas.

A eso se suma la experiencia del episodio anterior. Un año después del desplome de enero de 2025, las empresas que habían caído se recuperaron y crecieron, y el gasto global en inteligencia artificial se aceleró en 2025. La explicación que suele darse tiene nombre propio en economía, la paradoja de Jevons, formulada en el siglo diecinueve: cuando una tecnología se vuelve más eficiente y barata, el consumo total de ella tiende a aumentar, porque el menor costo abre usos que antes no eran viables. Es una hipótesis interpretativa, no una ley, y no hay garantía de que se repita.

Lo que todavía no se sabe

Queda un elemento central para leer todo lo ocurrido: los pesos completos del modelo no han sido publicados. Moonshot fijó el 27 de julio como fecha para liberarlos junto con su informe técnico, lo que significa que hasta entonces investigadores independientes no pueden replicar ni verificar de forma completa las cifras de desempeño y eficiencia. El ajuste en el valor de las empresas de semiconductores se produjo, por tanto, sobre números reportados por el propio fabricante del modelo, antes de cualquier verificación externa exhaustiva.

Eso no invalida la reacción del mercado, pero sí la contextualiza. Los precios de los activos incorporan expectativas mucho antes de que los hechos se confirmen, y esa anticipación es tanto su virtud como su vulnerabilidad. La pregunta de fondo que ni enero de 2025 ni julio de 2026 han resuelto sigue abierta: un modelo más eficiente, ¿reduce la necesidad de chips o la multiplica al expandir los usos de la tecnología? De la respuesta depende buena parte de la valoración de algunas de las empresas más grandes del mundo, y por ahora cada nuevo modelo funciona menos como respuesta definitiva que como una pista más en una investigación que no termina.

Este contenido tiene fines exclusivamente informativos y no constituye una recomendación de compra, venta o mantenimiento de valores. El desempeño pasado no garantiza resultados futuros y la recuperación observada tras episodios anteriores no implica que el escenario actual vaya a repetirse.

Referencias

Carew, S., & Indyk, S. (2026, julio 17). World stocks fall in semiconductor rout; oil rises on Middle East escalation. Reuters.

DeepSeek-AI. (2024, diciembre). DeepSeek-V3 Technical Report. arXiv. https://arxiv.org/html/2412.19437v1

IBM. (2025). DeepSeek: sorting through the hype. https://www.ibm.com/think/topics/deepseek

Stanford Freeman Spogli Institute. (2026, abril). Taking Stock of the DeepSeek Shock. https://cyber.fsi.stanford.edu/publication/taking-stock-deepseek-shock

SemiAnalysis. (2025). DeepSeek Debates: Chinese Leadership On Cost, True Training Cost, Closed Model Margin Impacts. https://newsletter.semianalysis.com/p/deepseek-debates

Bloomberg. (2026, julio 20). Moonshot's Kimi K3 May Be More About Memory Than Compute. https://www.bloomberg.com/news/articles/2026-07-20/moonshot-s-kimi-k3-may-be-more-about-memory-than-compute

InvestorPlace. (2026, julio 20). Wall Street Misread Kimi K3. https://investorplace.com/hypergrowthinvesting/2026/07/wall-street-misread-kimi-k3/

GovInfoSecurity. (2026, julio 18). China's Kimi K3 Triggers Chip Stocks Into Bear Market. https://www.govinfosecurity.com/chinas-kimi-k3-triggers-chip-stocks-into-bear-market-a-32263

Seeking Alpha. (2026, julio 17). U.S. stocks extend selloff led by semiconductors' global decline, Moonshot AI's Kimi-K3. https://seekingalpha.com/news/4614944-dow-jones-sp500-nasdaq-composite-wall-street-news

Seeking Alpha. (2026, julio 17). Is Moonshot AI's Kimi-K3-led semis selloff warranted of a DeepSeek 2.0 panic? https://seekingalpha.com/news/4614941-is-moonshot-ai-s-kimi-k3-led-semis-selloff-warranted-of-a-deepseek-2_0-panic

Seoul Economic Daily. (2026, julio 19). China's 'Kimi K3' Shakes US Chip Stocks, Weighs on Samsung and SK hynix. https://en.sedaily.com/technology/2026/07/19/chinas-kimi-k3-shakes-us-chip-stocks-weighs-on-samsung-and

CNBC. (2025, enero 27). Nvidia sheds almost $600 billion in market cap, biggest drop ever. https://www.cnbc.com/2025/01/27/nvidia-sheds-almost-600-billion-in-market-cap-biggest-drop-ever.html