La era digital se caracteriza por la existencia de monopolios. Las grandes tecnológicas han alcanzado su tamaño actual dominando áreas específicas. Google se destacó en búsquedas, Meta en redes sociales, Microsoft con Windows y software empresarial, y Amazon en comercio electrónico. Actualmente, Nvidia se posiciona como el proveedor mayoritario de chips para inteligencia artificial.
Las GPUs de Nvidia son la opción preferida para entrenar y ejecutar modelos de IA. Compañías como OpenAI, Google, Anthropic, Meta y Amazon, junto a numerosas startups, compiten por estos chips. Esto ha convertido a Nvidia en la compañía más valiosa del mundo, aunque sus clientes buscan alternativas. La demanda de chips es alta, pero la competencia es limitada, lo que no modera los precios. Intel está rezagada, mientras que AMD y startups como Cerebras y Groq están desarrollando procesadores especializados, aunque aún no es suficiente.
Desarrollo de chips propios por grandes tecnológicas
Las empresas de IA están invirtiendo en el desarrollo de sus propios chips. A finales del año, Amazon lanzó sus Trainium3 y Google presentó los resultados de su séptima generación de TPUs, Ironwood. Microsoft también anunció su intención de utilizar chips propios en centros de datos, mientras que OpenAI firmó un acuerdo con Broadcom para producir sus procesadores.
Fernando Maldonado, analista de Foundry, destaca que existe un interés estratégico por parte de los clientes para reducir la dependencia de Nvidia. Las grandes empresas de servicios en la nube están diseñando sus chips, aunque solo Google puede ofrecer competencia real a corto plazo. Esto podría reducir el mercado potencial de Nvidia.
Colaboraciones y acuerdos en el sector
Google sorprendió al anunciar que su modelo Gemini 3 se entrenó exclusivamente con TPUs, a diferencia de modelos anteriores que usaban GPUs de Nvidia. Anthropic también decidió alquilar un millón de TPUs a Google en un acuerdo multimillonario. La startup Safe Superintelligence, fundada por Ilya Sutskever, también utilizará chips de Google. Además, hay rumores sobre un posible acuerdo entre Meta y Google para el uso de TPUs.
Jemish Parmar, CTO de Ideaded, sugiere que los chips de Google pueden ser viables para cargas de trabajo específicas. Los desarrolladores de IA buscan independencia de Nvidia, y aunque Google podría captar una parte del mercado, el enfoque no es competir directamente.
Proyecciones del mercado de chips de IA
Se estima que el mercado de chips aceleradores de IA crecerá un 16% anual, alcanzando 604.000 millones de dólares en 2033, según Bloomberg Intelligence. Nvidia podría dominar con un 70-75% del mercado, mientras que AMD ocuparía el segundo lugar con un 10%. Los chips ASIC representarán el 19% del mercado, incluyendo los procesadores de Google, Amazon, Microsoft, Meta y OpenAI.
Parmar advierte que, aunque el mercado de Nvidia no está en riesgo inmediato, los cambios en la competencia afectarán sus ventas. Nvidia ha demostrado adaptarse a la demanda, pero hay incertidumbre sobre el impacto en los precios de las GPUs.
Eficiencia energética y futuro de los centros de datos
La dependencia de Nvidia se ve reforzada por su ecosistema de software CUDA, que permite a las GPUs adaptarse a diversas tareas. Sin embargo, las GPUs de propósito general pueden ser menos eficientes desde el punto de vista energético. Las TPUs de Google son más efectivas para tareas específicas, aunque el consumo de datacenters depende de múltiples factores.
Parmar señala que la eficiencia está relacionada con el diseño del sistema, y no solo con el chip. La industria debe enfocarse en utilizar fuentes de energía limpias. Se prevé que el consumo energético en los centros de datos se duplicará para 2030, alcanzando casi el 3% del total global, con Estados Unidos y China liderando este crecimiento.
Gartner estima que el aumento del consumo en centros de datos se atribuirá en un 64% a servidores optimizados para IA.
