HBM dispara el coste de chips & Guerra de precios en modelos - Noticias de IA (25 may 2026)

Empezamos por la pieza que está cambiando la cuenta de resultados de la IA a gran escala. Un análisis de Epoch AI estima que la memoria HBM se ha convertido en el coste dominante dentro de los chips de IA, pasando de representar algo más de la mitad del gasto en componentes a rondar casi dos tercios hacia finales de 2025, en diseños de Nvidia, AMD, Google y Amazon. Lo llamativo es lo que ocurre alrededor: el coste relativo de la lógica se mantiene casi plano, y el peso del empaquetado avanzado incluso baja. En dinero contante, el salto es enorme: el gasto en HBM se habría disparado de decenas de miles de millones en un solo año, aportando buena parte del crecimiento total del “bill of materials” de estos aceleradores. ¿Y por qué importa? Porque si la memoria sigue escasa y más cara, el cuello de botella no es solo fabricar más GPUs, sino alimentar esa demanda de HBM. Y eso ya empieza a aparecer en el lenguaje de capex de los hyperscalers: Microsoft y Meta han señalado precios de componentes más altos como parte del motivo para elevar planes de inversión. En resumen: más IA no solo significa más cómputo; significa una factura de memoria cada vez más pesada.

Del lado del mercado, hoy tenemos un movimiento que suena a “promoción”, pero tiene lectura estratégica. DeepSeek dice que hará permanente el fuerte descuento de su modelo V4‑Pro, que en teoría iba a terminar a finales de mayo. En la práctica, está fijando un precio sostenidamente más bajo para atraer uso y convertirlo en hábito: si un equipo integra una API y optimiza su producto alrededor de ese coste, cambiar después es más difícil. El mensaje al sector es claro: la competencia no será solo por calidad del modelo, sino por cuánto cuesta ponerlo a producir. Y eso puede tensar márgenes, forzar recortes de precio en otros proveedores y acelerar una carrera de adopción donde el “precio por inteligencia” se vuelve el arma principal.

Ahora, una historia sobre confianza, lenguaje y el riesgo de que la palabra “IA” se desgaste. Profesionales de relaciones públicas en el Reino Unido cuentan que cada vez más empresas les presionan para vender automatizaciones normales de toda la vida como si fueran “inteligencia artificial”, buscando subirse a la ola. El problema es doble: por un lado, puede confundir a clientes e inversores sobre lo que realmente hay detrás; por otro, periodistas y audiencias empiezan a mostrar fatiga y escepticismo ante el etiquetado de “AI-powered” para todo. Y esta pérdida de credibilidad conecta con un debate cultural más áspero. Un ensayo muy comentado de Sam Kriss sostiene que la prosa generada por IA está llenando internet de texto “correcto” pero hueco: frases seguras, tono de marca, poca referencia real y casi ninguna responsabilidad. El texto se vuelve convincente en forma, pero pobre en sustancia, y eso —según el autor— termina contaminando concursos, medios y comunicación pública. Más allá del estilo provocador del ensayo, la idea central es relevante: si instituciones y plataformas premian lo genérico porque “suena bien”, el incentivo empuja a producir más contenido automático, y la señal de lo humano se diluye.

En geopolítica y política tecnológica, Anthropic publicó un paper sobre cómo podría evolucionar la competencia entre Estados Unidos y China por la IA de frontera hasta 2028. Su tesis: el factor decisivo no es solo talento o datos, sino el acceso a compute de alto nivel, con los chips avanzados como cuello de botella y con export controls como herramienta para conservar ventaja. El documento plantea dos futuros: uno donde se cierran fugas —incluyendo acceso indirecto a centros de datos en el extranjero o vías grises— y se mantiene una ventaja de alrededor de uno o dos años, suficiente para influir normas y prácticas globales desde posiciones democráticas. Y otro donde la inacción permite una paridad rápida, con riesgo de despliegues apresurados, menor cooperación en seguridad y usos autoritarios más potentes. También menciona la preocupación por técnicas de “destilación” para copiar capacidades de modelos punteros. La lectura práctica es que 2026 y 2027 serían años en los que decisiones de control, enforcement y adopción marcarían el terreno de 2028.

Pasamos a ciberseguridad, donde la ansiedad se está volviendo institucional. El National Cyber Security Centre de Nueva Zelanda alerta de un posible aumento brusco de vulnerabilidades e incidentes a medida que modelos frontier mejoren en descubrir y explotar fallos. El aviso se apoya en pruebas y señales desde socios, incluyendo el seguimiento a evaluaciones en las que modelos avanzados habrían identificado debilidades a gran velocidad, empujando a organizaciones a parchear con urgencia. La clave aquí no es que “la IA hackea sola” de forma mágica, sino que reduce costes y tiempo: puede buscar patrones, probar variantes y encadenar fallos menores hasta convertirlos en ataques serios. Para empresas, el impacto es muy concreto: más presión para acelerar ciclos de parcheo, reducir superficie de ataque, vigilar dependencias y tomarse en serio el riesgo de la cadena de suministro. A largo plazo, estos modelos también pueden ayudar a defender, pero el periodo de transición apunta a ser turbulento: una auténtica ola de parches sobre años de deuda técnica acumulada.

En el frente de plataformas, Apple hizo un movimiento silencioso pero revelador: aparece el subdominio genai.apple.com en sus servidores DNS, aunque todavía no lleva a una página pública. Llega a pocas semanas de WWDC 2026, donde Apple ya ha dicho que presentará avances de IA en su software. No está claro si será una nueva “casa” para documentación de desarrolladores, una reorganización de su mensaje o un escaparate más amplio de capacidades generativas. Pero sí sugiere que Apple quiere ordenar y quizás expandir cómo presenta su estrategia de genAI, justo cuando la competencia por integrar IA en el sistema operativo —y no solo en apps— se está volviendo un factor decisivo.

Cerramos con el pulso social, especialmente en educación y empleo. Un segmento de Bloomberg TV señala que universidades están convirtiéndose en un foco de resistencia a la adopción de IA: estudiantes organizan protestas y acciones para advertir sobre impacto en el aprendizaje, la integridad académica y el pensamiento crítico. También aparece el temor, muy terrenal, a que la IA acelere automatización y estreche el mercado de entrada para recién graduados. Y en paralelo, una pieza satírica de Alexandra Petri funciona como termómetro cultural: un falso discurso de graduación, narrado por un evangelista pro‑IA, se burla de la idea de que “apretar un botón” sustituye a los jóvenes sin que nadie se haga cargo de cómo van a vivir. La sátira exagera, sí, pero apunta a un choque real: el relato de progreso tecnológico choca con sistemas laborales y sociales que siguen exigiendo ingresos, carrera y dignidad. En campus y fuera de ellos, el debate ya no es solo si la IA es útil, sino bajo qué reglas y con qué costes humanos.