La bombolla de la IA ha esclatat? El vídeo de HOPLA és una simulació

No: la bombolla de la intel·ligència artificial no ha esclatat en aquest vídeo. La caiguda del Nasdaq, el nou model xinès i l’enfonsament de Nvidia, AMD i altres empreses són una simulació que HOPLA Finance planteja per preguntar què passaria si un model molt petit igualés els sistemes capdavanters amb una fracció del còmput. El mateix vídeo ho aclareix explícitament abans de desenvolupar l’escenari.

La part interessant no és el fals titular, sinó la pregunta econòmica: si la IA es torna molt més eficient, necessitarem menys xips i menys centres de dades, o l’abaratiment multiplicarà els usos fins a fer créixer el consum total? José Luis Cava defensa la segona possibilitat mitjançant la paradoxa de Jevons. És una hipòtesi plausible, però no una llei automàtica ni una recomanació d’inversió.

Resposta curta: ha esclatat la bombolla de la IA?

No. El vídeo no informa d’un crac real ni identifica cap model xinès existent que hagi provocat una caiguda del Nasdaq. Construeix una prova d’estrès imaginària: un model amb prestacions de frontera que funciona amb molta menys memòria, GPU i electricitat posa en dubte milers de milions de dòlars d’inversió en infraestructura.

La tesi final és que aquesta eficiència podria ampliar tant la demanda que el còmput agregat continuaria creixent. Per saber si passaria, però, caldria observar el preu de cada tasca, quants usos nous apareixen, quina part s’executa localment, la utilització dels centres de dades i els ingressos que generen. Una millora tècnica per si sola no decideix el resultat financer.

Què és real, què és simulat i què és opinió

1. El context real: bons resultats, però amb una mostra petita

El punt de partida del vídeo és una temporada de resultats empresarials que havia començat amb força. L’actualització de FactSet del 17 de juliol indicava que només el 10% de les empreses de l’S&P 500 havia informat. D’aquest grup, el 88% havia superat les previsions de benefici per acció, i la sorpresa agregada era del 16,4%. El creixement combinat —resultats publicats més estimacions de les empreses pendents— arribava al 24,7% interanual.

Són xifres fortes, però encara no descrivien tot l’índex. FactSet mateix advertia que les mitjanes històriques amb què es comparaven inclouen les 500 empreses, mentre que la fotografia del moment només en cobria una desena part. A més, les sorpreses positives de les financeres eren el principal motor de la millora setmanal.

Els bancs sí que aportaven senyals de resistència. Bank of America va comunicar que la taxa de pèrdues netes sobre préstecs havia baixat del 0,55% al 0,47% interanual, mentre que els actius problemàtics també es reduïen. Citigroup va descriure una base de clients resistent, més despesa i una qualitat creditícia millor de l’esperada en targetes.

Això és compatible amb un consumidor encara actiu, però no demostra que tota l’economia estigui accelerant. Els resultats bancaris també depenen dels tipus d’interès, la negociació als mercats, les provisions, la composició dels clients i les operacions extraordinàries. Igualment, que l’ETF financer XLF pugi no prova directament la qualitat dels balanços: el preu incorpora expectatives sobre beneficis, regulació, tipus, recompres i risc.

2. Dos nowcasts diferents no són una contradicció

La xifra del 2,8% que apareix al vídeo corresponia a la Fed de Nova York, que el 17 de juliol va elevar al 2,8% la seva estimació de creixement anualitzat del PIB real del segon trimestre de 2026. Per tant, la referència essencial era correcta.

Ara bé, un nowcast és una estimació en temps real, no una lectura oficial del PIB. Models diferents utilitzen dades, ponderacions i mètodes diferents. El GDPNow de la Fed d’Atlanta estimava aquell mateix 17 de juliol un 1,7%. La separació d’1,1 punts percentuals és un bon recordatori de la incertesa que hi havia abans de la publicació oficial.

La manera prudent de llegir-los és aquesta:

• indiquen com canvia la informació disponible entre publicacions;

• no són previsions oficials del banc central;

• poden moure’s molt quan arriben dades de consum, comerç, inventaris o habitatge;

• no justifiquen per si sols una predicció sobre la borsa o els tipus d’interès.

3. Inflació més benigna no significa que la Fed tingui les mans lligades

Les dades de juny van oferir alleujament mensual. El Bureau of Labor Statistics va publicar una caiguda mensual del 0,4% de l’IPC i una variació nul·la de l’índex subjacent. En termes interanuals, però, l’IPC general encara creixia un 3,5% i el subjacent un 2,6%. L’índex de preus de producció va baixar un 0,3% mensual, tot i que mantenia un augment interanual del 5,5%.

El vídeo també parla d’un 2,27% d’expectatives d’inflació a cinc anys. Aquesta mena de dada sol correspondre a la taxa breakeven calculada a partir de bons del Tresor normals i protegits contra la inflació. La sèrie de la Fed de Saint Louis situava la mitjana mensual de juny en el 2,37%. No és una enquesta pura d’expectatives: també pot reflectir primes de risc i diferències de liquiditat.

Per això, afirmar que la Reserva Federal «no pot» apujar els tipus és excessiu. En la seva decisió del 17 de juny, el FOMC va mantenir el rang del 3,5% al 3,75% i va remarcar el doble mandat. Una dada mensual favorable no elimina la possibilitat de canvis si reapareixen pressions inflacionistes o canvia el mercat laboral.

4. La prova d’estrès: un model xinès molt petit

A partir d’aquí comença la ficció. El vídeo imagina un model xinès que iguala OpenAI o Anthropic amb una fracció de la mida. La notícia fictícia fa caure en preobertura les empreses de semiconductors, memòria, servidors, energia i centres de dades perquè el mercat interpreta que s’ha construït massa infraestructura.

La cadena causal seria:

1. menys paràmetres o una arquitectura més eficient redueixen la memòria i el còmput per consulta;

2. executar el model es torna prou barat per fer-ho en un ordinador personal;

3. una part dels usuaris abandona subscripcions i serveis al núvol;

4. baixa la demanda esperada de GPU i d’electricitat;

5. els ingressos futurs ja no justifiquen el capital invertit;

6. les valoracions borsàries es corregeixen.

És un risc coherent, però barreja diverses preguntes. Un model pot ser petit i, alhora, requerir molt còmput per entrenar-se. També pot funcionar localment per a tasques breus, mentre que els agents llargs, multimodals o amb molts usuaris continuen necessitant infraestructura compartida. I una reducció del cost per consulta no implica necessàriament una reducció del cost total si el nombre de consultes creix més de pressa.

5. La paradoxa de Jevons aplicada a la IA

La paradoxa de Jevons descriu un efecte rebot: quan una tecnologia utilitza un recurs de manera més eficient, n’abaixa el cost efectiu i pot crear prou demanda nova perquè el consum total del recurs augmenti. En IA, el recurs seria una combinació de còmput, memòria, electricitat i capacitat de centre de dades.

Un exemple simplificat ho mostra:

En el segon cas, l’eficiència redueix el còmput total. En el tercer, el preu més baix desbloqueja tants usos que el còmput es duplica. Cap dels dos resultats està garantit: el factor decisiu és com respon la demanda.

Les dades energètiques donen credibilitat a l’efecte rebot, però no el converteixen en certesa. L’Agència Internacional de l’Energia assenyala que el consum elèctric per tasca d’IA cau ràpidament, mentre creixen els usuaris i les aplicacions intensives com els agents. El seu escenari base preveu que l’electricitat dels centres de dades es dupliqui fins al 2030 i que la dels centres orientats a IA es tripliqui.

Aquest creixement també té límits físics. La mateixa IEA identifica colls d’ampolla en transformadors, turbines, xips, connexions a la xarxa i permisos. Encara que la demanda econòmica existeixi, la infraestructura no es pot ampliar indefinidament ni de manera instantània.

6. IA local i núvol poden créixer alhora

El vídeo compara la situació amb els servidors: moltes persones podrien allotjar serveis a casa, però prefereixen AWS, Google Cloud o altres plataformes perquè ofereixen disponibilitat, còpies de seguretat, escalabilitat i manteniment.

La comparació és útil si s’hi afegeixen matisos. La IA local té avantatges reals:

• més privacitat quan les dades no surten del dispositiu;

• latència baixa i funcionament sense connexió;

• cost marginal reduït per a un volum estable;

• control del model i de les actualitzacions.

El núvol conserva altres avantatges:

• accés a models massa grans per a un dispositiu;

• elasticitat quan la càrrega varia;

• administració centralitzada, seguretat i observabilitat;

• entrenament, afinament i agents que treballen durant molt temps;

• actualitzacions sense renovar el maquinari del client.

El resultat més probable no és que una modalitat elimini l’altra, sinó una arquitectura híbrida. Tasques sensibles o ràpides poden quedar al dispositiu; consultes complexes, coordinació de molts agents i entrenament poden continuar al centre de dades.

7. Què determinaria els guanyadors i els perdedors?

El vídeo suggereix que els centres de dades i alguns miners de criptomonedes podrien reutilitzar capacitat per servir una explosió de demanda d’IA. És una tesi d’inversió, no una conseqüència tècnica inevitable. Una instal·lació de mineria no es converteix automàticament en infraestructura d’IA: calen GPU adequades, xarxes ràpides, refrigeració, programari, fiabilitat i clients.

Per avaluar si hi ha una bombolla cal mirar més que el nombre de GPU. Són rellevants el retorn sobre el capital invertit, la utilització, el marge per tasca, la vida útil del maquinari, la depreciació, els contractes d’energia i la concentració de clients. El còmput pot créixer i, alhora, algunes empreses perdre diners si els preus baixen més de pressa que els costos.

8. El tram patrocinat no forma part de l’anàlisi editorial

El vídeo inclou una promoció de Freedom24 i proposa una combinació d’ETF vinculats a centres de dades, semiconductors o actius digitals. 96ia no incorpora aquesta promoció com a recomanació ni reprodueix els incentius comercials.

Els ETF temàtics poden concentrar-se en poques empreses, tenir comissions elevades, cotitzar en una divisa diferent i no estar disponibles amb la mateixa regulació a la Unió Europea. L’èxit d’una tendència tecnològica tampoc garanteix el rendiment d’un fons: el preu pagat, la composició, els canvis de l’índex i la competència importen. Aquest article és informatiu i no és assessorament financer.

9. I l’or?

Al final, Cava sosté que la pèrdua de poder adquisitiu de les monedes afavoreix l’or a mitjà i llarg termini, tot i que una contracció de liquiditat pot pressionar-ne el preu a curt termini. També contraposa vendes occidentals d’ETF amb compres oficials xineses.

Hi ha una part verificable. El World Gold Council recull que el Banc Popular de la Xina va comprar 10 tones al maig i va elevar les reserves oficials a 2.332 tones. Però «Occident ven i la Xina compra» simplifica massa: al juny hi va haver sortides d’ETF a totes les regions, inclosa Àsia, i el balanç del primer semestre continuava sent de fluxos globals positius. Bancs centrals, ETF, joieria i inversors particulars són segments diferents.

Com detectar un titular de simulació abans de compartir-lo

Aquest vídeo és un bon cas per aplicar una comprovació ràpida:

1. mirar si el creador diu que és una simulació, una predicció o una notícia real;

2. buscar el nom concret del model, l’empresa i l’anunci original;

3. comprovar l’índex en una font de mercat i la data exacta;

4. separar les dades prèvies del relat hipotètic;

5. identificar patrocinis i incentius d’inversió;

6. no convertir una possibilitat econòmica en una certesa borsària.

Conclusions

«La bombolla de la IA ha esclatat» és el punt de partida fictici d’una prova d’estrès, no una notícia. El vídeo encerta a plantejar el dilema central: models més petits poden destruir part de la demanda existent i, al mateix temps, crear usos nous que facin augmentar el còmput total.

La paradoxa de Jevons ofereix una explicació possible, i les projeccions energètiques actuals mostren que l’eficiència per tasca conviu amb més consum agregat. Però el salt de «la IA serà més barata» a «els centres de dades i els fabricants de xips guanyaran» no està assegurat. Entre tots dos hi ha preus, elasticitat, competència, colls d’ampolla, depreciació i rendibilitat.

La lectura més útil és condicional: si el cost per tasca cau i la demanda creix encara més, el còmput continuarà expandint-se; si els usos nous no compensen l’eficiència, hi haurà sobrecapacitat i correccions. Mesurar aquesta diferència és més informatiu que qualsevol titular de crac.

Preguntes freqüents

El Nasdaq es desploma al vídeo?

Només dins d’una simulació. El vídeo aclareix que el nou model xinès i la caiguda de les empreses d’IA no són fets reals.

Què és la paradoxa de Jevons?

És l’efecte pel qual una millora d’eficiència abarateix l’ús d’un recurs i pot augmentar-ne tant la demanda que el consum total acabi creixent.

Un model petit necessita menys centres de dades?

Pot reduir el còmput per consulta i traslladar algunes tasques al dispositiu. El consum total dependrà de quants usos nous apareguin i de la complexitat de l’entrenament i dels agents.

La dada del 2,8% de PIB era correcta?

Era correcta com a nowcast de la Fed de Nova York per al segon trimestre de 2026. No era el PIB oficial, i el model de la Fed d’Atlanta estimava l’1,7% el mateix dia.

Els bons resultats dels bancs demostren que l’economia accelera?

Són un senyal favorable sobre consum i crèdit, però no una prova completa. La mostra inicial de l’S&P 500 era petita i els beneficis bancaris depenen de molts factors.

L’article recomana comprar accions, ETF, or o criptomonedes?

No. Explica i contrasta la tesi del vídeo. El segment patrocinat i les propostes d’inversió no s’han incorporat com a recomanacions.