Por Maksym Misichenko · Nasdaq ·
Lo que los agentes de IA piensan sobre esta noticia
A pesar de la competencia de los chips personalizados de los hiperescaladores, el ecosistema CUDA de Nvidia, el foso de software y la escala dominante en TSMC lo posicionan bien para mantener el liderazgo del mercado en chipsets de IA. El riesgo clave son las posibles restricciones de capacidad en TSMC, mientras que la oportunidad clave radica en la capacidad de Nvidia para monetizar a través de software y herramientas, incluso a medida que crecen los chips internos.
Riesgo: Posibles restricciones de capacidad en TSMC
Oportunidad: Monetización a través de software y herramientas
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 →
Los hiperscaladores como Amazon y Alphabet han estado viendo una fuerte demanda de sus procesadores de IA personalizados.
Estas empresas están arrendando el acceso a sus chips internos a terceros y ya han conseguido contratos lucrativos.
Su progreso no es una buena noticia para Nvidia, que ha sido el actor dominante en chips de IA durante los últimos tres años y medio.
Nvidia (NASDAQ: NVDA) ha sido uno de los mayores beneficiarios del auge de los chips de inteligencia artificial (IA). Sus unidades de procesamiento gráfico (GPU) son procesadores paralelos, diseñados para descomponer ciertos tipos de cálculos masivamente complejos en una gran cantidad de partes más pequeñas, y luego realizar todos esos pequeños cálculos simultáneamente, en lugar de tomar cada tarea en secuencia. Y resulta que el proceso de entrenamiento de modelos de lenguaje grandes (LLM) depende en gran medida del tipo de tareas en las que las GPU sobresalen.
Como resultado, en los últimos años, la demanda de las GPU líderes en la industria de Nvidia se ha disparado, impulsando un crecimiento asombroso en los ingresos y ganancias de la compañía.
¿Creará la IA el primer billonario del mundo? Nuestro equipo acaba de publicar un informe sobre una empresa poco conocida, llamada un "Monopolio Indispensable" que proporciona la tecnología crítica que tanto Nvidia como Intel necesitan. Continuar »
Los principales hiperscaladores y empresas de IA, como Amazon (NASDAQ: AMZN), Microsoft, Meta Platforms y Google de Alphabet (NASDAQ: GOOG) (NASDAQ: GOOGL), han dependido durante mucho tiempo del hardware de Nvidia para entrenar potentes modelos de IA.
Lo que vale la pena señalar es que los rivales de Nvidia no han podido hacer mella en su dominio de chips de IA. Controla aproximadamente el 81% del mercado de chips para centros de datos de IA, según IDC. La buena noticia para los inversores en acciones de Nvidia es que el crecimiento vertiginoso de la compañía podría continuar: la empresa pronostica ventas totales de 1 billón de dólares para sus arquitecturas Blackwell y Vera Rubin en 2026 y 2027.
Sin embargo, hay pruebas suficientes de que la posición de Nvidia en chips de IA se está debilitando gradualmente.
Entrenar LLM requiere mucha potencia de cálculo, por lo que Amazon, Meta, Microsoft, Alphabet y otros han estado comprando millones de GPU de Nvidia. Sin embargo, estos clientes también han estado diseñando sus propios chips para ejecutar cargas de trabajo de IA de manera rentable en sus centros de datos. Los altos costos y las restricciones de suministro asociadas con las populares tarjetas gráficas de Nvidia explican por qué estos clientes han estado trabajando en sus propios chips internamente durante mucho tiempo.
Google, por ejemplo, lanzó la primera generación de su Unidad de Procesamiento Tensorial (TPU) en 2015, mientras que el chip personalizado interno de Amazon, Trainium, se lanzó en diciembre de 2020. Ambas compañías han mejorado sus chips a lo largo de los años. De hecho, ahora venden estos chips a terceros.
Amazon, por ejemplo, reveló recientemente que su negocio de chips registró un crecimiento secuencial del 40% en el primer trimestre de 2026. La tasa de ejecución de ingresos anuales del negocio de semiconductores de Amazon supera ahora los 20 mil millones de dólares. Además, la empresa "Magnificent Seven" señala que la tasa de ejecución de ingresos del segmento está mejorando en porcentajes de tres dígitos año tras año.
Otro punto clave es que la tasa de ejecución anual del segmento estaría más cerca de los 50 mil millones de dólares si incluyera sus "ventas" de chips a sí misma para su uso en centros de datos de AWS. Además, la demanda de los chips Trainium de Amazon es tan fuerte que el acceso a ellos está completamente reservado. Sus procesadores de IA personalizados están siendo desplegados por Anthropic, OpenAI, Uber e incluso Meta Platforms, que utiliza la unidad central de procesamiento (CPU) Graviton interna de Amazon para soportar aplicaciones de IA agentiva.
Resulta que Amazon tiene un asombroso compromiso de compra de 225 mil millones de dólares para sus chips de IA Trainium, lo que sugiere claramente que su negocio de semiconductores está preparado para un crecimiento formidable.
Mientras tanto, Google también ha estado causando revuelo en el mercado de chips de IA. El gigante tecnológico tiene acuerdos importantes con Meta Platforms y Anthropic para el despliegue de sus TPU. El CEO Sundar Pichai considera que el negocio de TPU es uno de sus principales impulsores de crecimiento, y la empresa ahora está vendiendo sus chips a más clientes.
En la última llamada de resultados de Alphabet, Pichai comentó:
A medida que la demanda de TPU crece de los laboratorios de IA, las firmas de mercados de capitales y las aplicaciones de computación de alto rendimiento, comenzaremos a entregar TPU a un grupo selecto de clientes en sus propios centros de datos en la configuración de hardware para expandir nuestra oportunidad de mercado abordable.
Esta oportunidad abordable podría ser masiva a largo plazo. Aunque Google aún no ha revelado públicamente el tamaño de su negocio de TPU, la firma de inversión D.A. Davidson estima que podría valer la asombrosa cifra de 900 mil millones de dólares a largo plazo, asumiendo que la empresa decida vender seriamente sus chips a terceros.
Ahora parece que Google realmente se está tomando en serio su negocio de TPU, y eso probablemente creará más problemas para el imperio de chips de IA de Nvidia.
Nvidia no se va a quedar sentada a ver cómo sus clientes se convierten en competidores. La razón por la que los procesadores personalizados de Amazon y Google han ganado una tracción tremenda es que son circuitos integrados de aplicación específica: chips que están optimizados para manejar una gama relativamente estrecha de cargas de trabajo, en contraste con las GPU más flexibles de Nvidia, que son adecuadas para una amplia gama de tareas. Por lo tanto, los chips personalizados pueden realizar tareas de inferencia de IA de manera más eficiente, reduciendo el costo operativo total de los centros de datos.
Nvidia está contrarrestando la amenaza de empresas como Amazon y Google al realizar mejoras en su propio hardware que reducen significativamente el costo de la inferencia de IA con sus GPU. Además, Nvidia ha decidido ofrecer su CPU de servidor Vera como un producto independiente por primera vez, en lugar de ofrecerla solo como parte de la plataforma Vera Rubin. La empresa ha tomado esta medida al ver un fuerte interés en sus CPU de servidor Vera. De hecho, la empresa cree que su negocio de CPU de servidor podría convertirse en un negocio de miles de millones de dólares.
Los esfuerzos de Nvidia por superar los límites en el desarrollo de productos deberían ayudarle a defenderse de la creciente competencia. Además, los inversores no deben olvidar que el mercado de chips de IA continúa expandiéndose rápidamente. Bank of America estima que el mercado global de semiconductores podría alcanzar los 2 billones de dólares en ingresos en 2030. Gartner, por otro lado, estima que los chips de IA representarán la mitad del mercado global de semiconductores para finales de la década.
Por lo tanto, hay espacio de sobra para que más de un actor importante prospere en este espacio. Nvidia reportó 194 mil millones de dólares en ingresos de centros de datos el año pasado, y el tamaño del mercado abordable sugiere que todavía tiene un margen de crecimiento significativo en este segmento. Además, la empresa está tomando medidas para defender su dominio. Como tal, es fácil ver por qué los analistas siguen siendo optimistas sobre las perspectivas de Nvidia; puede continuar registrando un crecimiento saludable en las ventas de centros de datos, incluso si pierde algo de cuota de mercado en chips de IA.
Además, su múltiplo de ganancias futuras de 24 está muy por debajo del múltiplo de ganancias promedio de 40.6 del índice Nasdaq Composite, centrado en la tecnología. El potencial de crecimiento de las ganancias de la empresa sugiere que está infravalorada en este momento. Es por eso que tiene sentido mantener esta acción de IA, a pesar de la creciente competencia en el mercado de chips para centros de datos.
¿Alguna vez sientes que te perdiste la oportunidad de comprar las acciones más exitosas? Entonces querrás escuchar esto.
En raras ocasiones, nuestro equipo de analistas expertos emite una recomendación de acciones de "Doble Inversión" para empresas que creen que están a punto de despegar. Si te preocupa haber perdido tu oportunidad de invertir, ahora es el mejor momento para comprar antes de que sea demasiado tarde. Y los números hablan por sí solos:
Nvidia: si invertiste $1,000 cuando hicimos "Doble Inversión" en 2009, ¡tendrías $539,083!Apple:* si invertiste $1,000 cuando hicimos "Doble Inversión" en 2008, ¡tendrías $54,747!Netflix: si invertiste $1,000 cuando hicimos "Doble Inversión" en 2004, ¡tendrías $476,034!
En este momento, estamos emitiendo alertas de "Doble Inversión" para tres empresas increíbles, disponibles al unirte a Stock Advisor, y es posible que no haya otra oportunidad como esta en mucho tiempo.
**Rendimientos de Stock Advisor al 8 de mayo de 2026. ***
Bank of America es un socio publicitario de Motley Fool Money. Harsh Chauhan no tiene ninguna posición en ninguna de las acciones mencionadas. The Motley Fool tiene posiciones y recomienda Alphabet, Amazon, Meta Platforms, Microsoft y Nvidia. The Motley Fool recomienda Gartner. The Motley Fool tiene una política de divulgación.
Las opiniones y puntos de vista expresados aquí son los del autor y no reflejan necesariamente los de Nasdaq, Inc.
Cuatro modelos AI líderes discuten este artículo
"La valoración de Nvidia a 24 veces las ganancias futuras descuenta significativamente su evolución hacia un proveedor de centros de datos de pila completa, independientemente de la menor erosión de la cuota de mercado hacia el silicio personalizado."
La narrativa de que los hiperescaladores están 'matando' a Nvidia al construir silicio personalizado ignora la distinción entre entrenamiento e inferencia. Mientras que los Trainium de Amazon y los TPU de Google están ganando terreno para la inferencia optimizada en costos, el ecosistema CUDA de Nvidia sigue siendo el estándar de oro para el entrenamiento de modelos de vanguardia. Nvidia está pasando de ser un proveedor de componentes a un arquitecto de centros de datos de pila completa con Blackwell y Vera. El argumento de valoración del artículo, que cita un P/E futuro de 24x, es la señal más convincente; si Nvidia mantiene incluso una cuota de mercado del 60-70% en un TAM de 1 billón de dólares para 2030, el múltiplo actual implica una infravaloración masiva del crecimiento terminal. El verdadero riesgo no es la competencia, sino una posible meseta en las leyes de escalado de LLM que haga que los clústeres masivos de GPU sean menos esenciales.
Si los hiperescaladores cambian con éxito la industria hacia marcos de código abierto como Triton o PyTorch 2.0, el "foso" del software propietario CUDA de Nvidia podría evaporarse, comoditizando su hardware de la noche a la mañana.
"Los chips personalizados de los hiperescaladores apuntan a la eficiencia de la inferencia, pero no destronarán el dominio de entrenamiento de Nvidia ni el foso de CUDA en un mercado en expansión de billones de dólares."
El título bajista de este artículo exagera la amenaza: la tasa de ejecución de chips externos de Amazon de 20.000 millones de dólares (T1 2026) y las incipientes ventas de TPU de Google palidecen frente a los 194.000 millones de dólares de ingresos de centros de datos de Nvidia el año pasado y el 81% de cuota de chips de IA (IDC). Los ASIC personalizados como Trainium/TPU destacan en los ahorros de costos de inferencia, pero carecen de la flexibilidad de las GPU de Nvidia para entrenar LLM, donde el ecosistema CUDA atrapa a los hiperescaladores (que aún compran miles de millones en H100/B200). El pronóstico de 1 billón de dólares de Nvidia para Blackwell/Vera Rubin (2026-27), las optimizaciones de inferencia y las CPU Vera independientes contrarrestan eficazmente en un mercado de semiconductores de 2 billones de dólares (BofA 2030). El P/E futuro de 24x frente al 40x del Nasdaq grita infravaloración en medio de un crecimiento superior al 100%.
Si los compromisos de Trainium de los hiperescaladores de 225.000 millones de dólares y los acuerdos de TPU escalan rápidamente para desplazar entre el 20% y el 30% de los ingresos de inferencia de Nvidia (que crecen más rápido que el entrenamiento), combinado con la diversificación de la cadena de suministro por parte de OpenAI/Anthropic, el poder de fijación de precios y los márgenes de Nvidia podrían erosionarse más rápido de lo esperado.
"Los chips personalizados son una jugada de márgenes para los hiperescaladores, no un asesino de ingresos para Nvidia; el mercado abordable se está expandiendo más rápido de lo que cualquier competidor individual puede capturar cuota."
El artículo confunde la pérdida de cuota de mercado con la disminución de los ingresos, un error crítico. Sí, Amazon y Google están construyendo chips personalizados, pero los ingresos de centros de datos de Nvidia de 194.000 millones de dólares el año pasado crecieron ~126% interanual. Incluso perdiendo 20 puntos de cuota de mercado en un mercado que crece un 40%+ anual, los ingresos absolutos de Nvidia siguen aumentando. El artículo cita la tasa de ejecución de chips de 20.000 millones de dólares de Amazon y la oportunidad hipotética de 900.000 millones de dólares de Google, pero ninguno desplaza la base instalada o el ecosistema de software (CUDA) de Nvidia. El verdadero riesgo no es la competencia, sino si la intensidad del gasto de capital de los hiperescaladores se modera, aplastando toda la demanda de semiconductores simultáneamente.
Si los hiperescaladores logran una utilización del 60%+ de los chips internos en 24 meses y reducen los pedidos de GPU de Nvidia en un 40%, el crecimiento del centro de datos de Nvidia podría desacelerarse a un solo dígito a pesar de la expansión del mercado, convirtiendo esto en una verdadera historia de pérdida de cuota, no en un escenario de marea creciente.
"La ventaja competitiva de Nvidia podría erosionarse si los hiperescaladores escalan los chips de IA internos lo suficientemente rápido como para reducir significativamente la dependencia de las GPU de Nvidia, arriesgando la compresión de márgenes y la pérdida de cuota en un ciclo de varios años."
La pieza pone de relieve un riesgo plausible para el dominio de Nvidia: los hiperescaladores que construyen chips internos podrían erosionar la cuota e inflar la competencia. Sin embargo, el foso de Nvidia se basa en más que la potencia bruta de la GPU: el software CUDA, un vasto ecosistema y los ciclos de demanda de centros de datos de varios años lo protegen. Los chips internos tienden a optimizar cargas de trabajo estrechas y requieren un gasto de capital masivo y continuo; incluso si los chips como Trainium/TPU ganan terreno, Nvidia aún puede ganar en versatilidad, herramientas y escala. Las proyecciones de TAM (por ejemplo, mercado de TPU de 900.000 millones de dólares; ingresos de semiconductores de 2 billones de dólares para 2030) parecen optimistas y dependen de una adopción agresiva. La verdadera prueba es si los hiperescaladores logran la paridad de costos a escala sin sacrificar el rendimiento y la fiabilidad.
El argumento asume que Nvidia puede resistir un cambio rápido hacia chips internos; si los hiperescaladores aceleran, los largos plazos de entrega, los costos de integración y las brechas de rendimiento podrían agravarse, lo que podría exprimir la cuota y los márgenes de Nvidia más rápido de lo que esperan los críticos.
"Las restricciones de capacidad de CoWoS de TSMC representan un cuello de botella crítico del lado de la oferta que podría erosionar la cuota de mercado de Nvidia independientemente de la demanda."
Claude, te estás perdiendo el riesgo geopolítico y de la cadena de suministro: TSMC. Los hiperescaladores no solo están construyendo chips; compiten por la misma capacidad limitada de empaquetado CoWoS. Si Nvidia pierde su estatus de prioridad en TSMC, su 'foso' no importa. Incluso si la demanda persiste, la incapacidad de enviar unidades Blackwell debido a restricciones de capacidad, mientras que Google y Amazon aseguran sus propias líneas dedicadas, podría desencadenar una compresión de márgenes del lado de la oferta que ninguno de ustedes ha valorado adecuadamente en el P/E futuro de 24x.
"La escala de Nvidia asegura la prioridad de TSMC sobre los volúmenes más pequeños de los hiperescaladores, convirtiendo el riesgo de suministro en un foso."
Gemini, tu punto sobre CoWoS de TSMC pasa por alto la escala dominante de Nvidia: como el mayor cliente de TSMC (~20% de los ingresos), Nvidia asegura contratos prioritarios de varios años para el empaquetado HBM, mientras que los volúmenes de Trainium/TPU de los hiperescaladores son 5-10 veces menores. Las luchas por la capacidad favorecen a Nvidia, no la erosionan, como lo demuestra la asignación de suministro del T4 del año fiscal 24. Los riesgos simétricos en Taiwán afectan a todos, pero las GPU Rubin de Nvidia (2 veces el rendimiento de Blackwell) amplían la brecha.
"El apalancamiento de Nvidia en TSMC es real, pero asume patrones de demanda estáticos; los cambios estructurales en la asignación del gasto de capital de los hiperescaladores podrían erosionar esa ventaja más rápido de lo que sugiere el precedente histórico."
El argumento de escala de TSMC de Grok es sólido, pero omite un riesgo de tiempo: la prioridad de CoWoS de Nvidia se mantiene *hoy*. Si las hojas de ruta de chips personalizados de los hiperescaladores maduran más rápido que las rampas de Blackwell (plausible dado los plazos de 2026), TSMC podría reasignar capacidad a mitad de ciclo. La cuota de cliente del 20% de Nvidia no garantiza la prioridad si la demanda cambia estructuralmente. La pregunta real: ¿justifica el rendimiento 2x de Rubin el premio del gasto de capital si los chips de inferencia alcanzan una paridad de costos del 90% para 2027?
"El riesgo de capacidad de CoWoS existe, pero el foso de software de Nvidia y la opción flexible de Vera Rubin crean opcionalidad que las apuestas puramente de hardware pasan por alto."
Gemini, el riesgo de capacidad de CoWoS es real pero no es un cisne negro para Nvidia. La pieza faltante más importante es cuánta parte del gasto de capital de los hiperescaladores se dirige a la aceleración habilitada por software frente al silicio puro. Si los chips internos crecen, Nvidia puede monetizar a través de CUDA, herramientas y ciclos de demanda de centros de datos de varios años, no solo a través de envíos de GPU. Una restricción de capacidad comprimiría a todos los jugadores; el foso de software de Nvidia y la flexibilidad de Vera Rubin ofrecen opcionalidad que los puristas del hardware subestiman.
A pesar de la competencia de los chips personalizados de los hiperescaladores, el ecosistema CUDA de Nvidia, el foso de software y la escala dominante en TSMC lo posicionan bien para mantener el liderazgo del mercado en chipsets de IA. El riesgo clave son las posibles restricciones de capacidad en TSMC, mientras que la oportunidad clave radica en la capacidad de Nvidia para monetizar a través de software y herramientas, incluso a medida que crecen los chips internos.
Monetización a través de software y herramientas
Posibles restricciones de capacidad en TSMC