NVIDIA se encuentra en uno de los momentos más destacados de su historia, con sus ventas de GPUs para inteligencia artificial superando todas las expectativas. La creciente demanda de entrenar y ejecutar modelos de IA generativa en la nube ha impulsado significativamente sus beneficios. Sin embargo, a medida que NVIDIA disfruta de su liderazgo actual, un creciente número de gigantes tecnológicos están apostando por desarrollar sus propios chips a medida para construir un futuro menos dependiente.

Empresas como Google, Amazon, Microsoft, OpenAI, Apple, Meta y Tesla están invirtiendo en una nueva generación de procesadores de IA. Estos incluyen ASICs personalizados, FPGAs y NPUs para el edge, que buscan tanto reducir costos como incrementar su independencia tecnológica. Este desarrollo constituye un panorama de hardware de IA más fragmentado y competitivo.

El dominio de NVIDIA no surgió de la nada. Originalmente, sus GPUs fueron diseñadas para videojuegos, pero en 2012 se convirtieron en el motor de la revolución de la IA al entrenar la red neuronal AlexNet. Gracias al potencial de las GPUs para multiplicar matrices y entrenar redes neuronales, NVIDIA emergió como un actor clave en el desarrollo de la inteligencia artificial moderna.

Sus GPUs se venden hoy en sistemas de rack completos, como el GB200 NVL72, que integra 72 GPUs Blackwell, vendidos en unos 3 millones de dólares por unidad. En el último año, se han entregado alrededor de seis millones de estas GPUs, que son utilizadas por gigantes como Amazon, Microsoft, Google y gobiernos alrededor del mundo. Además, CUDA, la plataforma de software de NVIDIA, se ha convertido en un estándar para programar GPUs en IA.

Pese a este dominio, las necesidades del mercado impulsan la búsqueda de alternativas. Para tareas de inferencia donde la eficiencia es clave, los ASICS se presentan como una opción prometedora. Google tomó la delantera con sus TPUs, iniciadas en 2015, que ahora utilizan productos internos como Búsqueda y YouTube. Del mismo modo, Amazon ha desarrollado Inferentia y Trainium, chips específicos para la inferencia y el entrenamiento de modelos.

Por su parte, OpenAI, en colaboración con Broadcom, planea desarrollar sus ASICs a partir de 2026. Otros actores, como Microsoft y Tesla, se encuentran también en la carrera de diseño de chips a medida para sus datos centrales y aplicaciones específicas.

No todo se centra en la nube. NPUs integradas en dispositivos móviles, portátiles y automóviles buscan reducir la latencia y mejorar la privacidad de los datos, permitiendo que cada vez más tareas de IA se realicen en el dispositivo.

Dentro de este ecosistema, las FPGAs representan una alternativa flexible, reconfigurable mediante software, útil en sectores donde la adaptación es fundamental, como las telecomunicaciones y la automatización industrial.

TSMC, el gigante de la fabricación de semiconductores, es un actor central en esta carrera tecnológica, responsable de producir los nodos más avanzados para casi todos estos chips. Su relación con NVIDIA y otros grandes actores añade una dimensión geopolítica a la concentración de la capacidad de producción.

A pesar de la diversificación del mercado de hardware de IA, NVIDIA sigue en el centro del escenario gracias a su sólido ecosistema de software y soporte, que sigue atrayendo a un amplio espectro de desarrolladores y empresas. Aunque el panorama del hardware de IA se está diversificando rápidamente, a corto plazo no parece que la posición de NVIDIA esté en peligro, gracias a su dedicación a lo largo de décadas en el desarrollo tanto de hardware como de software.

Más información y referencias en Noticias Cloud.