Citi: Informe semanal de IA de Citi: Gemini recupera el primer puesto y el suministro de memoria comprometido eleva los costes de cómputo

Gemini vuelve al primer puesto: ¿por qué es limitado su impacto comercial?

Gemini 4 Carbon, recién lanzado por Google, obtuvo 59 puntos en el Índice de Inteligencia de Artificial Analysis y ocupó el primer puesto; la última vez que Google encabezó la clasificación fue en febrero con Gemini 3.1 Pro. La ventaja del modelo de código cerrado líder sobre el modelo abierto más avanzado se amplió a 27 puntos, la mayor desde junio.
La evaluación se realizó después de la actualización del índice del 27 de octubre, y el nuevo índice se basa principalmente en conjuntos de datos privados. Carbon solo está disponible actualmente para profesionales de defensa cibernética, por lo que Citi considera que su impacto comercial directo podría ser limitado.
Según las mediciones de tareas de Artificial Analysis, Carbon utiliza 2.4 veces más tokens de salida que GPT-6 Astra, pero su coste por tarea calculado con los precios publicados es solo un 24% superior, en parte porque los tokens de salida de Carbon son más baratos.

Los precios de la memoria suben mientras los pedidos pendientes siguen aumentando. Citi prevé que el precio del producto HBM4 de 12 capas de Micron aumente más del doble interanual; SK hynix ha vendido más de la mitad de su capacidad para 2027–2028, Micron ha comprometido más del 75% de sus envíos del ejercicio fiscal 2027 y Samsung planea destinar entre el 60% y el 70% de su capacidad a acuerdos a largo plazo.
Citi señala que alrededor del 80% del coste de los modelos líderes en las tareas de Artificial Analysis procede del contexto almacenado en caché. Con el cambio hacia diseños de cómputo basados en racks completos y reservas de memoria compartidas, la memoria es más difícil de sustituir: los pequeños proveedores de nube de IA sin contratos a largo plazo podrían tener que comprar memoria a precios al contado, lo que compensaría los ingresos derivados del aumento de las tarifas de alquiler de GPU.
La divergencia de las tarifas de alquiler ya es visible: desde noviembre de 2025, el alquiler de B300, que dispone de más memoria, ha subido un 69%, mientras que el de H100 ha aumentado un 33% en el mismo periodo.

Minerva de Nvidia utiliza IA para predecir fallos de componentes y resolver problemas antes de que ralenticen los trabajos, liberando más capacidad de cómputo de las GPU existentes. Cuanto más largas son las tareas, más valiosa resulta esta capacidad: en abril de este año, el modelo líder realizó con una tasa de éxito del 50% tareas que requieren 17 horas a una persona, frente a una duración equivalente de 2 horas un año antes.
Citi considera que, mientras las GPU sigan siendo escasas, es poco probable que las mejoras de eficiencia afecten a la demanda de infraestructura a corto plazo. El fabricante de equipos de prueba Teradyne afirma que su demanda vinculada a la IA ya abarca áreas como la memoria, las interconexiones y los sistemas integrados, lo que impulsó los ingresos correspondientes un 70% interanual.

Genie 4 de Google DeepMind hace más realista el entrenamiento de robots mediante simulación, pero Citi considera que solo los datos del mundo real pueden demostrar la eficacia de las políticas operativas aprendidas durante el entrenamiento, por lo que quienes las adopten pronto podrían acumular una ventaja en datos.
La adopción de software en la industria manufacturera sigue por detrás de la del sector financiero: entre las empresas que utilizan Ramp, en septiembre el 61% de los fabricantes pagaba suscripciones a software de IA, frente al 74% de las empresas financieras. SAP ha comenzado a asignar tareas a robots desde sistemas de pedidos, inventario y mantenimiento, lo que le proporciona un punto de entrada mediante software para participar en la adopción de robots.
La conferencia sobre aprendizaje robótico que se celebra del 9 de noviembre al día 12 podría mostrar si la tecnología de simulación está acortando el plazo entre las pruebas piloto y el despliegue de flotas de robots; de ser así, Citi considera que la contribución de la IA física a la demanda de hardware e inferencia podría acelerarse.