Bloomberg Línea — Nvidia (NVDA) construyó su dominio de la inteligencia artificial sobre chips capaces de asumir múltiples tareas. Ahora, algunos de sus mayores clientes buscan procesadores diseñados para sus propias necesidades, mientras nuevos competidores intentan demostrar que no todas las cargas de trabajo requieren una GPU.
Ver más: De FAANG a MANGOS: Wall Street crea un nuevo grupo de acciones con el boom de la IA
Google (GOOGL), Amazon (AMZN) y Meta (META) avanzan con chips personalizados para sus centros de datos, una tendencia que gana relevancia a medida que la industria de IA presta mayor atención a la inferencia. Cerebras añade otro frente competitivo con una arquitectura que busca aumentar la velocidad con la que los modelos responden a las consultas.
La presión no implica que Nvidia esté a las puertas de perder su liderazgo. Saxo Bank destaca que la compañía conserva ventajas en software, redes, escala y ecosistema, mientras Bank of America (BAC) calcula que puede mantener entre 65% y 70% de un mercado de sistemas de IA que superaría US$1,7 billones en 2030.
La acción opera este jueves sobre US$216,69 y acumula un avance de 14,74% en lo corrido de 2026, aunque el mercado empieza a evaluar hasta qué punto los chips personalizados pueden disputar una parte del crecimiento de la IA.
Así se han comportado las acciones de Nvidia
“Nvidia tiene que defender cada vez más su posición desde dos direcciones al mismo tiempo”, señaló Ruben Dalfovo, estratega de inversión de Saxo Bank. Por un lado están los grandes operadores de centros de datos con chips propios y, por otro, especialistas que proponen arquitecturas alternativas.
Los gigantes tecnológicos buscan chips a la medida
Las GPU de Nvidia se convirtieron en un estándar, porque ofrecen potencia y flexibilidad para distintas cargas de trabajo. Esa característica tiene especial relevancia en el entrenamiento de modelos avanzados, donde las necesidades pueden cambiar con rapidez.
La inferencia plantea otro desafío. Una vez entrenado el modelo, este debe responder consultas de manera repetida. Los procesadores especializados pueden sacrificar flexibilidad a cambio de mayor velocidad, eficiencia energética o menores costos para tareas concretas, según Dalfovo.
→ Suscríbete al newsletter Línea de Mercado, una selección de Bloomberg Línea con las noticias bursátiles más destacadas del día.
Google desarrolla sus Tensor Processing Units, Amazon cuenta con Trainium y Meta trabaja en Meta Training and Inference Accelerator. Google, además, amplió esta semana su relación con Marvell (MRVL) para desarrollar procesadores, almacenamiento y redes alrededor de sus TPU.
Mandeep Singh y William Tong, analistas de Bloomberg Intelligence, señalan que la expansión del acuerdo con Marvell puede darle a la compañía un papel mayor dentro del ecosistema de TPU, mientras Google amplía su base de socios, que también incluye a Broadcom (AVGO) y, según reportes, MediaTek.
La oportunidad tampoco se limita al entrenamiento. Google lanzó en abril una TPU optimizada para inferencia y comenzó a reconocer en el segundo trimestre ingresos por sistemas TPU entregados a centros de datos de clientes, otra vía para monetizar su infraestructura personalizada de IA.
Así se han comportado las acciones de Marvell
Cerebras (CBRS) lleva la especialización por otro camino. Su nuevo sistema CS-4 utiliza tres procesadores de gran tamaño que mantienen la computación y la memoria más próximas. La compañía afirma que el diseño utiliza 50% menos componentes que su generación anterior y apunta especialmente al mercado de inferencia.
Kunjan Sobhani y Oscar Hernández Tejada, analistas de Bloomberg Intelligence, estiman que los ingresos principales de Cerebras podrían más que triplicarse en 2027, con OpenAI como principal motor del crecimiento de su negocio en la nube.
Los analistas señalan que el escenario contempla ingresos de hardware prácticamente estables y una contribución poco significativa de Amazon Web Services. Esto deja los despliegues con AWS y nuevos contratos de nube dedicada como fuentes potenciales de crecimiento adicional.
Nvidia conserva amplia distancia competitiva
El avance de alternativas no significa que Nvidia haya perdido sus principales defensas. Saxo destaca su escala, software, confiabilidad y ecosistema, mientras BofA considera que CUDA, el ecosistema de software que permite aprovechar sus GPU, ayuda a extender la vida útil de los chips y sostiene su valor de reventa y alquiler.
Nvidia también busca ampliar la infraestructura que rodea a sus procesadores. Esa estrategia le permite participar en sistemas que combinan diferentes tipos de chips a través de tecnologías de redes y conectividad, incluso cuando una parte del procesamiento recae sobre hardware de terceros.
BofA mantiene su recomendación de compra sobre Nvidia y un precio objetivo de US$350. El banco considera que la compañía puede conservar entre 65% y 70% del mercado de sistemas de IA hacia 2030 y destaca el próximo ciclo de productos Vera Rubin como otro soporte para su posición.
Ver más: ¿Qué hace Cerebras, el rival de Nvidia que acaba de marcar la salida a bolsa más grande de 2026?
La entidad reconoce, sin embargo, la competencia entre los riesgos para Nvidia. Entre ellos menciona a grandes empresas cotizadas, proyectos internos de los proveedores de nube y compañías privadas que buscan ganar espacio en los mercados de inteligencia artificial y computación acelerada.
Para Saxo, la señal que deben observar los inversionistas no es simplemente la presentación de otro chip capaz de superar a Nvidia en determinadas pruebas. El desafío será si los grandes clientes trasladan cargas de trabajo reales y recurrentes hacia esas alternativas.
Incluso en ese escenario, una menor cuota de mercado no necesariamente supondría menores ingresos para Nvidia. Si la demanda de capacidad de cómputo para IA mantiene su expansión, el mercado podría crecer lo suficiente para Nvidia, los chips personalizados de los gigantes tecnológicos y nuevos especialistas al mismo tiempo.
