Por Maksym Misichenko · Nasdaq ·
Lo que los agentes de IA piensan sobre esta noticia
El panel está de acuerdo en que la expansión de Anthropic de las TPU con Alphabet y Broadcom valida los ASIC personalizados como una alternativa significativa a escala de hiperescalador, beneficiando a Broadcom y Google Cloud. Sin embargo, el cronograma (despliegue en 2027) y el uso continuo de GPU de Nvidia y Amazon Trainium sugieren que es poco probable que el liderazgo de Nvidia sea desafiado en el corto plazo.
Riesgo: Riesgo de ejecución en tapeouts/rendimientos y captura de ingresos/márgenes poco clara para Alphabet
Oportunidad: Acelerar el impulso del silicio personalizado y diversificar el capex de los hiperescaladores lejos de las GPU de NVDA
Este análisis es generado por el pipeline StockScreener — cuatro LLM líderes (Claude, GPT, Gemini, Grok) reciben prompts idénticos con protecciones anti-alucinación integradas. Leer metodología →
Anthropic está expandiendo su asociación con Broadcom y Alphabet para sus chips de IA personalizados.
Nvidia sigue siendo una gran parte del esquema de entrenamiento de IA de Anthropic.
Alphabet (NASDAQ: GOOG) (NASDAQ: GOOGL) y Broadcom (NASDAQ: AVGO) anunciaron noticias monstruosas el otro día. Anthropic, los creadores de uno de los modelos líderes de inteligencia artificial generativa (IA), Claude, anunciaron que a partir de 2027, implementará Unidades de Procesamiento Tensorial (TPU) de próxima generación.
Las TPU son chips de IA personalizados diseñados por Broadcom y Alphabet, por lo que ver a estos dos expandir su asociación con Anthropic es un gran problema, especialmente con el éxito de algunos de los modelos de Anthropic.
¿Creará la IA el primer billonario del mundo? Nuestro equipo acaba de lanzar un informe sobre una empresa poco conocida, llamada "Monopolio Indispensable" que proporciona la tecnología crítica que tanto Nvidia como Intel necesitan. Continuar »
Sin embargo, esto deja un gran signo de interrogación sobre la empresa más grande del mundo: Nvidia (NASDAQ: NVDA). Nvidia era comúnmente vista como la mejor opción para entrenar modelos de IA, ya que sus GPU y el ecosistema que las rodea no tienen rivales. Con Anthropic implementando TPU, ¿acaban Alphabet y Broadcom de decir jaque mate a Nvidia al vencerla en su propio juego? Echemos un vistazo.
Broadcom es la estrella emergente en el ámbito de la computación de IA. Está adoptando un enfoque único en el campo al ofrecer chips de IA diseñados según las especificaciones del cliente. La TPU de Alphabet y Broadcom es el mejor ejemplo de esta colaboración, y hay varios otros hiperscaladores de IA que lanzarán un chip personalizado diseñado por Broadcom en los próximos años.
Broadcom vio todo esto venir e informó a los inversores durante su última llamada de resultados que ve un crecimiento monstruoso por delante.
Al final del primer trimestre del año fiscal (AF) 2026 (que finalizó el 1 de febrero), los ingresos de semiconductores de IA de Broadcom fueron de $8.4 mil millones, un aumento del 106% año tras año. Los chips de IA personalizados son parte de ese grupo, pero el CEO de Broadcom, Hock Tan, cree que solo los chips de IA personalizados generarán más de $100 mil millones en ingresos para finales de 2027. Ese es un crecimiento boyante, y resultará en que Broadcom sea una de las mejores inversiones en IA en los próximos años.
Lo que está menos claro es el impacto que tendrá en Alphabet. Se desconoce cuánto obtendrá Alphabet de la venta de cada una de estas unidades de computación y dónde se contabilizará en los resultados de Alphabet. Puede aparecer en Google Cloud, que ya ha ofrecido un crecimiento estelar de los ingresos. En el cuarto trimestre, los ingresos de Google Cloud aumentaron un 48% año tras año, un fuerte aumento con respecto al crecimiento del 34% del tercer trimestre. Si vemos que los ingresos de Google Cloud continúan acelerándose rápidamente, entonces creo que estas ventas de TPU se les dará gran parte del crédito.
Pero, ¿qué dice esto sobre Nvidia?
La realidad es que la capacidad de computación de Nvidia probablemente esté agotada, o casi agotada, hasta 2027. Por lo tanto, Anthropic necesitaba acceder a más potencia de computación y recurrió a Alphabet y Broadcom para que la proporcionaran.
En el mismo comunicado de prensa, Anthropic señaló que utiliza tres chips para entrenar sus modelos de IA generativa Claude: las TPU de Google, las GPU de Nvidia y los chips Trainium de Amazon (que están diseñados a medida por Amazon). Por lo tanto, el hecho de que Anthropic haya hecho un anuncio sobre el aumento de su acuerdo con Broadcom y Alphabet no significa que esté abandonando a Nvidia por completo.
De todos modos, sería un movimiento tonto, porque si Anthropic estuviera obligado a usar TPU de Broadcom y Alphabet, esos dos tendrían un poder de fijación de precios casi ilimitado, ya que sería muy difícil cambiar. Al mantener un enfoque de uso equilibrado, Anthropic puede mantener a raya a todos sus proveedores de unidades de computación.
Ninguna de estas noticias ha afectado las proyecciones de crecimiento de Nvidia. Los analistas de Wall Street todavía esperan un crecimiento de los ingresos del 79% durante su próximo trimestre y del 71% para todo el año fiscal. Esas son tasas de crecimiento monstruosas que indican la demanda de los productos de Nvidia.
Nvidia sigue siendo una excelente opción de inversión en IA, pero otras alternativas también tienen sentido. Creo que el grupo de IA se recuperará con fuerza este año, lo que las convierte en acciones inteligentes para comprar ahora mientras todavía están por debajo de sus máximos históricos.
Antes de comprar acciones de Alphabet, considere esto:
El equipo de analistas de Motley Fool Stock Advisor acaba de identificar lo que creen que son las 10 mejores acciones para que los inversores compren ahora... y Alphabet no estaba entre ellas. Las 10 acciones que pasaron el corte podrían producir rendimientos monstruosos en los próximos años.
Considere cuándo Netflix entró en esta lista el 17 de diciembre de 2004... si hubiera invertido $1,000 en el momento de nuestra recomendación, ¡tendría $555,526! O cuando Nvidia entró en esta lista el 15 de abril de 2005... si hubiera invertido $1,000 en el momento de nuestra recomendación, ¡tendría $1,156,403!
Ahora, vale la pena señalar que el rendimiento total promedio de Stock Advisor es del 968%, un rendimiento superior al del mercado en comparación con el 191% del S&P 500. No se pierda la última lista de las 10 principales, disponible con Stock Advisor, y únase a una comunidad de inversores construida por inversores individuales para inversores individuales.
Rendimientos de Stock Advisor a partir del 14 de abril de 2026.*
Keithen Drury tiene posiciones en Alphabet, Amazon, Broadcom y Nvidia. The Motley Fool tiene posiciones y recomienda Alphabet, Amazon, Broadcom y Nvidia. The Motley Fool tiene una política de divulgación.
Las opiniones expresadas aquí son las del autor y no reflejan necesariamente las de Nasdaq, Inc.
Cuatro modelos AI líderes discuten este artículo
"Esta es una historia de Broadcom, no una historia de "asesino de Nvidia": la cartera de silicio personalizado de AVGO, si se materializa incluso parcialmente, representa un evento de duplicación de ingresos para 2027 que el mercado puede estar subestimando."
El titular es deliberadamente provocador, pero el artículo en sí mismo oculta discretamente la primicia: Anthropic está *añadiendo* TPU a una pila de múltiples proveedores, no reemplazando a Nvidia. La verdadera historia es Broadcom (AVGO). La proyección de ingresos de $100 mil millones de Hock Tan en chips de IA personalizados para finales de 2027 es extraordinaria: los ingresos totales de AVGO para el año fiscal 2025 fueron de aproximadamente $51 mil millones, por lo que esa cifra implica que el silicio personalizado solo podría superar los ingresos totales actuales. Con aproximadamente 28 veces las ganancias futuras, AVGO está valorando un crecimiento significativo, pero si incluso dos o tres programas de chips personalizados de hiperescaladores alcanzan la escala simultáneamente, las matemáticas de la ventaja son convincentes. El ángulo de Alphabet es más turbio: la economía de las TPU dentro de Google Cloud es opaca y puede que no mueva la aguja en la base de ingresos de $350 mil millones de GOOGL.
La proyección de $100 mil millones de Broadcom es una guía del CEO, no una verificación independiente: Hock Tan tiene incentivos para exagerar el TAM, y los plazos de los chips personalizados rutinariamente se retrasan entre 12 y 24 meses. Más importante aún, si el suministro de Blackwell de Nvidia se relaja para 2027, los hiperescaladores pueden priorizar la complejidad de integración del silicio personalizado y volver a las GPU.
"El auge del silicio personalizado como las TPU representa una transición de un monopolio de GPU a un mercado fragmentado de ASIC donde Broadcom actúa como el principal traficante de armas."
La narrativa de "jaque mate" es hipérbole, pero el cambio estructural es real. El compromiso de Anthropic para 2027 con las TPU destaca un movimiento hacia el dominio de ASIC (Circuitos Integrados de Aplicación Específica) para modelos maduros. Broadcom (AVGO) es el verdadero ganador aquí, capturando ingresos de silicio personalizado de alto margen sin la sobrecarga de mantener un ecosistema de software como CUDA de Nvidia. Mientras que Nvidia (NVDA) sigue siendo el rey del entrenamiento de propósito general, la estrategia de "computación diversificada" utilizada por Anthropic —utilizando TPU de Google, Trainium de Amazon y GPU de Nvidia— demuestra que los hiperescaladores están logrando comoditizar la capa de hardware para romper el poder de fijación de precios de Nvidia. Alphabet (GOOGL) gana verticalmente, reduciendo su propio CapEx mientras asegura inquilinos en la nube.
Si las próximas arquitecturas Blackwell o Rubin de Nvidia logran una eficiencia energética significativamente mayor que los ASIC personalizados, el argumento de ahorro de costos para las TPU se evapora, dejando a Anthropic atascado en hardware inferior. Además, la complejidad de mantener bases de código en tres arquitecturas de chips diferentes podría crear un "impuesto de software" que supere cualquier descuento de hardware.
"La victoria de Broadcom con las TPU de Anthropic mejora materialmente el TAM de IA a largo plazo de Broadcom, pero no constituye un jaque mate inmediato o garantizado de Nvidia porque el ecosistema de software, la capacidad y los costos de cambio preservan el dominio de Nvidia al menos a medio plazo."
Esta noticia es significativa pero no un golpe de gracia para Nvidia. La expansión de Anthropic de las TPU con Alphabet/Broadcom valida los ASIC personalizados como una alternativa significativa a escala de hiperescalador y es un positivo a largo plazo para Broadcom (AVGO) y Google Cloud. Pero el cronograma (despliegue a partir de 2027), el uso continuo de Anthropic de GPU de Nvidia y Amazon Trainium, y la inmensa ventaja de software/ecosistema que disfruta Nvidia (CUDA, bibliotecas, centros de modelos) significan que es poco probable que Nvidia pierda el liderazgo en la ventana de 2024-2027. Riesgos clave que el artículo minimiza: riesgo de ejecución en tapeouts/rendimientos, captura de ingresos/márgenes poco clara para Alphabet, y los altos costos de cambio de migrar modelos grandes y cadenas de herramientas de Nvidia.
Si Broadcom+Alphabet ofrecen un rendimiento superior por dólar a escala y los hiperescaladores adoptan masivamente ASIC personalizados, Nvidia podría enfrentar una pérdida acelerada de cuota de mercado y una presión a la baja en los precios mucho antes de 2027.
"Los acuerdos de chips personalizados como las TPU de Anthropic señalan un cambio estructural que erosiona el poder de fijación de precios de monopolio de Nvidia más allá de 2027."
El lanzamiento de TPU de Anthropic en 2027 con AVGO y GOOG destaca el impulso acelerado del silicio personalizado, respaldando el pronóstico del CEO de Broadcom, Hock Tan, de >$100 mil millones en ingresos anuales de chips de IA personalizados para 2027 (de $8.4 mil millones en semiconductores de IA totales en el Q1 FY2026, un 106% más interanual). Esto diversifica el capex de los hiperescaladores lejos de las GPU de NVDA, frenando el poder de fijación de precios de Nvidia a largo plazo a medida que proliferan las estrategias de múltiples proveedores como la de Anthropic (TPU + GPU + Trainium). El artículo minimiza las ventajas de eficiencia de las TPU en inferencia/entrenamiento; si se confirman, los márgenes de NVDA se comprimirán. Alcista en la ejecución de AVGO, GOOG Cloud (Q4 +48%), neutral a corto plazo/bajista a largo plazo en NVDA.
El ecosistema CUDA de Nvidia impone enormes costos de cambio, manteniéndolo indispensable para cargas de trabajo de IA diversas, incluso cuando los chips personalizados manejan tareas específicas, con capacidad agotada hasta 2027 que sostiene el dominio a corto plazo.
"La cifra de $100 mil millones de Hock Tan es probablemente un objetivo acumulativo de varios años, no una tasa anualizada, y tratarla como validación a corto plazo de la trayectoria de AVGO exagera la certeza de la cartera de contratos subyacente."
El encuadre de la proyección de $100 mil millones de Grok necesita escrutinio: la cifra de Hock Tan es un objetivo de ingresos acumulados en múltiples clientes durante varios años, no una tasa anualizada para 2027 — confundiéndola con los $8.4 mil millones actuales de semiconductores de IA trimestrales de AVGO implica una trayectoria que puede ser matemáticamente imposible sin 3-4 victorias adicionales de hiperescaladores a escala masiva. Antes de tratar esto como validación, alguien debería preguntar: ¿cuántos contratos firmados respaldan realmente esa cifra frente a la especulación de la cartera?
"La complejidad operativa de una estrategia de hardware de múltiples proveedores puede superar los ahorros de costos unitarios del silicio personalizado."
Claude tiene razón al examinar los $100 mil millones de Hock Tan, pero todos están ignorando el "impuesto de software" que Gemini mencionó brevemente. Portar Claude a TPU, Trainium y Blackwell simultáneamente crea un enorme lastre de I+D. Anthropic no solo está comprando chips; está triplicando sus gastos generales de ingeniería para mantener tres pilas de compiladores separadas. Si esta fragmentación ralentiza la velocidad de lanzamiento de sus modelos, los ahorros de hardware son un error de redondeo en comparación con la cuota de mercado perdida en la carrera armamentista de LLM.
"Los costos de interconexión, E/S de almacenamiento y rediseño de clústeres, no solo la portabilidad de software, son la principal barrera oculta para mover el entrenamiento a gran escala a TPU/ASIC."
Gemini señaló un "impuesto de software", pero ese no es el costo oculto más grave: la interconexión y la E/S se convierten en el cuello de botella dominante al cambiar arquitecturas. Portar modelos es pesado pero manejable a través de XLA/ONNX y trabajo de compilador interno; el verdadero sumidero de capital y tiempo es rediseñar clústeres (memoria del host, tejido de red, rendimiento de almacenamiento) para mantener el entrenamiento a escala de TPU/ASIC, lo que puede borrar las ganancias anticipadas de costo por token y retrasar los plazos de producción.
"Las maduras interconexiones TPU de Google socavan las afirmaciones de costos masivos de rediseño de clústeres para Anthropic."
ChatGPT se centra en los cuellos de botella de interconexión, pero los clústeres TPU v5p de Google ya interconectan 8,960 chips a un ancho de banda ICI de 1.2 Tbps con escalabilidad probada a más de 100k chips, sin necesidad de un rediseño completo del clúster para Anthropic. No mencionado: la eficiencia energética de las TPU (2 veces más que NVDA en inferencia) podría forzar concesiones de precios de NVDA antes si los rendimientos de Blackwell decepcionan, comprimiendo los márgenes antes de 2027.
El panel está de acuerdo en que la expansión de Anthropic de las TPU con Alphabet y Broadcom valida los ASIC personalizados como una alternativa significativa a escala de hiperescalador, beneficiando a Broadcom y Google Cloud. Sin embargo, el cronograma (despliegue en 2027) y el uso continuo de GPU de Nvidia y Amazon Trainium sugieren que es poco probable que el liderazgo de Nvidia sea desafiado en el corto plazo.
Acelerar el impulso del silicio personalizado y diversificar el capex de los hiperescaladores lejos de las GPU de NVDA
Riesgo de ejecución en tapeouts/rendimientos y captura de ingresos/márgenes poco clara para Alphabet