Empresas prefieren chips no-Nvidia sobre Blackwell para evaluar IA

El dato que rompe el monopolio de Nvidia en las listas de evaluación

El 39,4% de las empresas que planean evaluar aceleradores de IA en los próximos 12 meses pondrá en su lista un chip que no es de Nvidia —AWS Trainium, Google TPU, AMD Instinct, Intel Gaudi o ASICs internos—, frente a apenas un 25,3% que piensa evaluar la nueva generación Nvidia Blackwell (GB300) u otras GPUs de próxima generación de Nvidia. La brecha de 14 puntos surge de la encuesta VB Pulse de julio, con 170 responsables de infraestructura de IA, y consolida una tendencia que ya asomaba en junio (31,8%).

Que Nvidia siga siendo el estándar de facto en producción no se discute. Lo que cambia es que los compradores corporativos están construyendo opcionalidad real en su estrategia de aceleradores, en lugar de tratar a Nvidia como la única opción que merece evaluación.

¿Qué está empujando a las empresas a diversificar?

La presión no es ideológica, es operativa. Tres tendencias medidas en la misma encuesta explican el giro:

🤖 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

Coste por millón de tokens como prioridad: el peso de este criterio pasó del 7,5% al 15,9% entre junio y julio. Cuando el criterio dominante deja de ser «tener GPU» y pasa a ser «cuánto cuesta cada unidad útil de inferencia», las alternativas a Nvidia entran en la conversación por pura economía.
Integración con el stack existente: sigue siendo el factor número uno, con un 40% de menciones. Los compradores quieren piezas que encajen con su nube, datos y orquestación, no plataformas que obliguen a rehacerlo todo.
Rendimiento bajo carga: sube del 24,3% al 35,3%. La pregunta ya no es «cuánto rinde en el benchmark», sino «cómo se comporta en inferencia de producción».

El coste total de propiedad (TCO) amplio, en cambio, baja del 34,6% al 21,8%: los compradores están pasando del planeamiento general a un escrutinio por workload, midiendo precio por trabajo útil entregado.

Los C-level y las pymes son los más activos

El interés por alternativas a Nvidia está mucho más concentrado arriba de lo que sugiere el promedio:

C-suite: la probabilidad de evaluar chips no-Nvidia pasó del 42,9% al 57,1% entre junio y julio.
Decisores finales: subió del 35,4% al 50%.
Empresas de 101 a 250 empleados: del 33,3% al 57,7%.
Empresas de 251 a 1.000 empleados: del 41,4% al 53,2%.

La señal es clara: la diversidad de aceleradores dejó de ser una discusión técnica de ingeniería para convertirse en una decisión estratégica de infraestructura que se discute a nivel de dirección.

¿Y el cambio de plataforma? Cada vez menos urgente

La paradoja del momento es que las empresas corren más infraestructura de IA que nunca, pero no sienten urgencia por cambiar de plataforma. La proporción de encuestados que esperan un cambio de plataforma en los próximos tres meses cayó del 38,3% al 28,8% entre junio y julio. En paralelo, la ventana de tres a seis meses ganó 4,1 puntos y la de seis a doce meses ganó 5,3 puntos. Alrededor del 40% no tiene previsto cambio alguno.

El hallazgos encaja con otro dato: entre quienes operan sus propias GPUs, el porcentaje que corre por debajo del 50% de utilización cayó del 83% al 69%, mientras que el tramo por encima del 50% subió del 13% al 23%. Las empresas se están volviendo mejores operadoras, exprimen más lo que ya tienen y, por eso, no se apuran a migrar.

Azure, Gemini y OpenAI: la producción real

El uso en producción de las plataformas de modelo se reconfiguró rápido entre junio y julio:

Microsoft Azure: salto de 29% a 47,1% de adopción en producción (+18,1 puntos), el mayor crecimiento entre las grandes plataformas medidas.
Google Gemini: pasó del 41,1% al 47,6% y se mantuvo como la plataforma más usada.
OpenAI: del 40,2% al 49,4%.
Anthropic: del 12,1% al 24,7%, prácticamente duplicando presencia en producción.

Parte del salto de Azure se explica por un cambio en la composición de la muestra (más empresas grandes en julio), pero el movimiento de Anthropic, en un solo mes, es el más rápido del panel.

Neoclouds: del dicho al hecho

Los neoclouds —proveedores especializados en infraestructura de IA, sobre todo acceso a aceleradores— pasaron de intención a contratos. La encuesta muestra que el 38% de los encuestados espera hacer más con neoclouds (frente al 33% de junio), mientras que solo el 5,4% espera hacer menos.

La foto financiera del lado de la oferta lo confirma. CoreWeave reportó, según VentureBeat citando sus propios resultados, un backlog de ingresos de aproximadamente US$104.000 millones a cierre de junio, excluyendo más de US$25.000 millones en compromisos adicionales firmados en las primeras semanas del tercer trimestre. CNBC reportó además que la empresa cerró el trimestre con ingresos de US$2.580 millones (+112% interanual) y pérdidas netas de US$626 millones arrastradas por intereses. Nebius, por su parte, indicó que podría vender toda su capacidad de 2027 en los términos actuales, con cuatro acuerdos trimestrales de IA cloud que promedian más de US$1.000 millones en valor total de contrato cada uno.

Según Synergy Research Group, citado por CRN, el mercado de neoclouds alcanzó US$9.000 millones solo en el cuarto trimestre de 2025, un crecimiento interanual del 223%, y la firma proyecta que el segmento llegue a US$400.000 millones para 2031, a una tasa anual sostenida del 58%. La diferencia entre el 38% de intención de expansión y el 5,9% de uso actual en producción entre proveedores nombrados apunta a un pipeline de evaluación y adopción considerable todavía por materializarse.

Open source: creciendo por donde toca, no por donde se mira

El uso de open source en producción crece, pero la consideración de plataforma open source sigue prácticamente plana:

Stacks open source autogestionados (PyTorch, Triton, vLLM, Ray, Kubernetes): pasaron del 3,7% al 12,9% de adopción en producción.
Herramientas de caché KV open source (LMCache, vLLM prefix caching): del 6,5% al 11,8%.
Consideración de plataforma open source: del 5,6% al 6,5% (apenas se mueve).

El open source está penetrando entre quienes ya están implementando, no en una base mucho más amplia de evaluadores. En organizaciones de 251 a 1.000 empleados, el 12,8% ya corre un stack open source propio en producción. En tecnología y software, el uso de cache KV open source saltó de prácticamente 0% a 13,3%.

La capa de contexto: las empresas quieren controlar el «arnés» de IA

Una segunda encuesta de VB Pulse (101 respondents en junio y julio) refuerza la misma idea: las empresas quieren propiedad sobre la capa que conecta los modelos con sus datos, herramientas, identidad, seguridad y procesos de negocio —lo que el artículo llama el «AI harness».

79,2% de los encuestados de julio prefiere un enfoque que mantenga algún control arquitectónico fuera de un único proveedor de modelo (frente a ~65,3% en junio).
Solo el 11,9% apuesta por consolidarse en el stack nativo de un solo proveedor (frente al 20,8% en junio).
El 62,4% ya tiene una capa de contexto gobernada en producción o en construcción; la sola producción subió del 24,8% al 31,7%.
68,3% reportó al menos una respuesta «confiada pero incorrecta» de un agente por falta o mal estado del contexto (frente al 57,4% de junio).

El patrón es claro: cuando se trata de agentes, el riesgo ya no es de modelo, es de contexto. Y la respuesta de las empresas es quedarse con las llaves.

¿Qué significa esto para tu startup?

Tres movimientos accionables si estás construyendo o vendiendo infraestructura de IA en 2026:

Diseña tu stack para ser portátil entre aceleradores, no solo entre nubes. Los criterios top del comprador corporativo son integración con el stack existente (40%), rendimiento en producción (35,3%) y coste por millón de tokens (15,9%). Si tu producto asume Nvidia-only en inferencia, vas a perder licitaciones donde entren alternativas como AWS Trainium2 o Google TPU v6e (Trillium).
Vende «control del contexto», no solo acceso al modelo. El 79,2% de los compradores quiere mantener control arquitectónico fuera del proveedor. Si tu herramienta ofrece gobernanza, observabilidad y retrieval multi-fuente —no un wrapper sobre un modelo— estás en el lado correcto de la mesa.
Mide tu densidad operativa, no tu tamaño de cluster. La utilización media de GPUs propias subió del 13% al 23% en un mes. Compradores y juntas van a preguntar cada vez más por coste por workload útil, no por número de GPUs desplegadas. Si tu pricing o tu narrativa se basa en «tengo N chips», te queda un trimestre de ventaja competitiva.

La lectura de fondo es que el ciclo actual no es de consolidación en torno a un ganador: es de opcionalidad deliberada en chips, nubes y capa de contexto. Las decisiones se están moviendo hacia los workloads, no hacia las plataformas. Quien venda flexibilidad, control y coste por trabajo útil va a tener la conversación más fácil en la mesa de procurement.