Chips de IA a medida concentran 27,8% del cómputo en 2026

Por qué los chips a medida ya concentran 27,8% del cómputo de IA

Los ASICs de IA (chips diseñados a medida para una carga de trabajo específica) representarán 27,8% del cómputo de servidores de IA en 2026, con un crecimiento interanual de 44,6%, casi tres veces más rápido que el de las GPUs comerciales, según The Motley Fool. La cifra ayuda a dimensionar el giro estructural que describe la nota original: los operadores de escala masiva están dejando atrás los chips genéricos en favor de arquitecturas optimizadas para sus propios modelos.

Un ASIC se diseña para ejecutar una función específica, a diferencia de una GPU comercial que debe servir para múltiples tareas. En cargas de entrenamiento e inferencia de modelos grandes, esa especificidad se traduce en mejor rendimiento por vatio y en un costo total menor, dos variables que los hyperscalers miden con precisión de céntimo por inferencia.

Broadcom y Marvell marcan el ritmo del nuevo ciclo

Los dos nombres que aparecen repetidamente en los reportes del tercer trimestre fiscal son Broadcom (NASDAQ: AVGO) y Marvell Technology (NASDAQ: MRVL). Broadcom reportó ingresos trimestrales por US$10.800M en semiconductores de IA, con un crecimiento interanual de 143%, según Yahoo Finance. Para el trimestre en curso, la guía apunta a US$16.000M en ingresos de IA, más de 200% interanual. El CEO Hock Tan guió ingresos de IA para el año fiscal 2027 «por encima de US$100.000M», con envíos planificados de 10 gigavatios a Google (TPUs), Meta (MTIA), OpenAI y Anthropic.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Marvell, que actúa como segunda fuente estratégica para los hyperscalers, publicó ingresos del segundo trimestre fiscal 2027 por US$2.739M, un 36,5% más que el año anterior, con el segmento de centros de datos aportando el 79% del total y creciendo 46% interanual, según 24/7 Wall St. La empresa subió su proyección de ingresos para el año fiscal 2027 a aproximadamente US$12.000M (alrededor de 45% de crecimiento interanual) y espera que el negocio de centros de datos crezca más de 60% en el año fiscal 2028, de acuerdo con Yahoo Finance.

El CEO de Marvell, Matt Murphy, dijo en la llamada de resultados que «el nivel de compromiso de customización con clientes clave no tiene precedentes» y que el negocio de silicio a medida apunta a una facturación anual superior a US$10.000M para el año fiscal 2029, según Yahoo Finance. Broadcom, por su parte, extendió en abril de 2026 su acuerdo de largo plazo con Alphabet para desarrollar futuras generaciones de TPUs y compromisos de suministro para componentes de networking en racks de IA de próxima generación hasta 2031, según reportó The Motley Fool citando una presentación 8-K de la compañía.

En conjunto, Broadcom y Marvell controlan cerca del 95% del mercado de co-diseño de ASICs de IA, con una distribución aproximada de 70% para Broadcom y 20% para Marvell, según Yahoo Finance.

Conectividad: el otro cuello de botella que también crece

La nota original señala que la conectividad de alta velocidad entre servidores se vuelve crítica cuando se despliegan modelos de lenguaje grandes. Esa observación aparece respaldada en los resultados de Broadcom: el negocio de networking representó cerca del 40% de los ingresos de IA de la empresa, según Yahoo Finance. Marvell, que adquirió Celestial AI por US$3.250M en diciembre de 2025 y Polariton Technologies en abril de 2026, según Wikipedia, está reforzando su posición en fotónica de interconexión y conmutadores scale-up que soportan UALink, ESUN y NVLink Fusion de NVIDIA, áreas que Murphy describió como «contribuyentes significativos» a la nueva guía.

El dato sectorial de fondo: según la Agencia Internacional de la Energía, citado por AINewsWire, el consumo eléctrico de los servidores acelerados por IA crecerá alrededor de 30% cada año, cuatro veces más rápido que el resto de la demanda eléctrica global. Eso explica por qué la eficiencia energética dejó de ser un argumento de marketing y pasó a ser una variable de diseño.

La cifra macro que ordena el debate

El gasto mundial en infraestructura de IA alcanzará aproximadamente US$487.000M en 2026 y superará US$1 billón en 2029, según IDC citado por AINewsWire. Dentro de esa cifra, el segmento de semiconductores de IA representa un mercado que SNS Insider proyecta en US$255.900M para 2035, con una tasa de crecimiento anual compuesta de 14,55% entre 2026 y 2035. La nota original acierta al señalar que la decisión sobre inversión en centros de datos no puede aplazarse: para founders que están definiendo su stack de IA, el costo de elegir hoy arquitecturas genéricas será pagar mañana el doble por el mismo token.

Qué significa esto para tu startup

Tres movimientos prácticos para founders que están tomando decisiones de infraestructura en los próximos 18 a 24 meses:

Piensa en cómputo, no solo en GPUs. Si tu producto depende de inferencia o entrenamiento, evalúa proveedores cloud que expongan ASICs de hyperscalers (Trainium de AWS, Maia de Microsoft, TPUs de Google vía Broadcom). El modelo ASIC está diseñado para una función específica y entrega mejor rendimiento por vatio y menor costo total que las GPUs de propósito general, según The Motley Fool.
Audita la latencia de tu pipeline. La conectividad óptica y los conmutadores scale-up ya son factores competitivos. Si tu arquitectura asume latencias de red que eran válidas hace dos años, probablemente estás pagando tokens de más en cada llamada a tu modelo.
Separa la decisión de infraestructura de la decisión de modelo. Comprar capacidad de cómputo a medida es una decisión de CapEx con horizonte de 2 a 3 años; cambiar de proveedor de modelo es una decisión de software de semanas. No las mezcles.

Para founders en México, España y el resto de LATAM, la ventana es concreta: la región tiene acceso a regiones cloud con presencia de hyperscalers en São Paulo, Querétaro, Madrid y Barcelona, lo que permite consumir ASICs sin construir data centers propios. La ventaja competitiva ya no se decide en el modelo, sino en la arquitectura de cómputo que elijas para ejecutarlo.