La carrera por el silicio propio ya tiene cinco competidores en una semana

Cinco movimientos en una semana no son coincidencia: son la señal de que el mercado de silicio para IA está en una reconfiguración estructural. En los últimos siete días, OpenAI presentó su primer chip propio, Groq confirmó una ronda de $650M, Amazon abrió su stack de chips Trainium al mercado externo y el sector de memoria vio ganancias multiplicarse por quince en un año. No es una noticia; es un patrón que lleva meses acumulándose y que esta semana alcanzó masa crítica.

Del monopsonio al mercado fragmentado

Durante casi tres años, la dependencia de Nvidia fue aceptada como costo de hacer negocios en IA. Las GPU H100 y H200 eran el único camino viable para entrenar e inferir modelos a escala. Eso creó un cuello de botella que Nvidia monetizó con márgenes de más del 75%. Lo que está ocurriendo ahora no es que aparecieron alternativas de golpe: es que el costo de esa dependencia se volvió lo suficientemente alto como para que actores con capital y urgencia estratégica empezaran a invertir en sus propias soluciones hace 18-24 meses. Esta semana estamos viendo los primeros frutos visibles de esa decisión.

El caso más simbólico es Jalapeño, el chip de OpenAI diseñado con Broadcom específicamente para inferencia. No es un chip de propósito general: está optimizado para el flujo de trabajo exacto de OpenAI. Eso dice algo importante sobre la madurez del sector: cuando una empresa puede especificar hardware para su propio modelo, el stack dejó de ser genérico.

El dinero sigue a la infraestructura, no a los modelos

La lente follow-the-money revela algo que los titulares sobre modelos nuevos ocultan: el capital serio se está moviendo hacia la capa de infraestructura, no hacia los modelos de lenguaje en sí.

Groq levantó $650M después de un deal fallido con Nvidia —lo que la industria llama un «not-acqui-hire»— y está pivotando hacia un modelo de neocloud: vender acceso a inferencia rápida como servicio. La lógica es que la velocidad de inferencia se está convirtiendo en diferencial competitivo para las aplicaciones, y Groq apuesta a que hay un mercado de clientes dispuestos a pagar premium por latencia baja. No es el único en esa apuesta: SpaceX también entró al juego del compute alternativo con una lógica similar de desafiar a AWS desde fuera del ecosistema cloud tradicional.

Amazon, por su parte, está negociando vender sus chips Trainium a data centers de terceros, una oportunidad que Andy Jassy valoró en $50B. El movimiento es revelador: AWS ya no quiere ser solo un consumidor de su propio silicio; quiere ser proveedor de la industria. Si lo logra, convierte un costo interno en un negocio de márgenes.

Y luego está el componente que nadie glamoriza pero que todos necesitan: la memoria. Una empresa estadounidense del sector vio sus ganancias pasar de $1.88B a $28.2B interanual, con ingresos que se cuadruplicaron a $41.45B. La escasez de memoria de alto ancho de banda —el tipo que los chips de IA consumen— es la restricción silenciosa que determina cuántos modelos pueden correr en paralelo. Detrás de esa restricción hay otra igualmente concentrada: toda la cadena de producción de chips avanzados pasa por una sola máquina de litografía, un cuello de botella físico que ningún actor puede resolver con dinero solo.

Quién gana, quién pierde, quién queda expuesto

Los ganadores inmediatos son los que tienen escala para financiar desarrollo propio: OpenAI, Amazon, Google (que lleva años con sus TPU). Para ellos, el chip propio es una ventaja de costos que se acumula con el tiempo.

El perdedor más obvio es Nvidia en el largo plazo, aunque en el corto sigue siendo indispensable. La pregunta no es si perderá cuota, sino cuándo y cuánto. Los chips alternativos todavía no tienen el ecosistema de software —CUDA sigue siendo el estándar de facto— y cambiar eso lleva años.

El caso más interesante es Cerebras: su acción cayó con fuerza después de su primer reporte como empresa pública, cuando el mercado interpretó que sus márgenes en el negocio core serían más estrechos de lo esperado. Es la señal de que el mercado penaliza duramente a los que no tienen escala suficiente para competir en costos mientras el ecosistema se consolida.

Conclusión falsable

La tesis es esta: en 18 meses, al menos dos de los grandes proveedores cloud (AWS, Google, Microsoft) ofrecerán acceso externo a sus chips propios como producto comercial, no solo como infraestructura interna. El movimiento de Amazon con Trainium es el primer paso; si lo replica Google con sus TPU de próxima generación antes de fin de 2027, la tesis se confirma.

El dato a vigilar es la adopción de Trainium fuera de AWS en el próximo año: si Amazon consigue firmar contratos con data centers independientes a escala, fuerza a Google y Microsoft a responder. El chip propio deja de ser ventaja defensiva y se convierte en producto.

Para un decisor en LATAM o España: la fragmentación del mercado de silicio abre una ventana táctica. Los precios de inferencia seguirán bajando a medida que más proveedores compitan, pero la volatilidad también aumenta. Apostar a un solo proveedor de cómputo hoy tiene más riesgo de obsolescencia que hace 24 meses; la arquitectura de infraestructura debería contemplar portabilidad desde el diseño. Y el costo de esa infraestructura empieza a llegar: las empresas están descubriendo de golpe la factura real de correr modelos en producción, un dato que cambia el cálculo de build vs. buy en el corto plazo.