De 2023 a 2025, la narrativa central en la industria de chips de IA giró en torno a una "carrera armamentística por la potencia de cómputo". Los proveedores de servicios en la nube y los gigantes tecnológicos compitieron por adquirir GPUs, ampliar centros de datos e invertir cientos de miles de millones de dólares en infraestructura de computación en la nube. NVIDIA, aprovechando su ecosistema CUDA y su gama de GPUs de alto rendimiento, consolidó durante este periodo una posición de mercado prácticamente inexpugnable.
Sin embargo, a medida que avanzamos hacia 2026, la lógica del sector está experimentando un cambio fundamental. Los rendimientos marginales del coste de entrenamiento de grandes modelos están disminuyendo, la demanda de inferencia de IA se dispara y las empresas están pasando de preguntarse "¿podemos entrenar modelos?" a "¿podemos desplegarlos a gran escala?". El mercado de chips de IA está transitando de la primera fase de construcción de infraestructura a la segunda fase: la competencia por la eficiencia comercial.
Revisión de la primera fase: El dominio de la construcción de infraestructura
Entre 2023 y 2025, la fuerza motriz del mercado de chips de IA fue la insaciable demanda de potencia de cómputo para entrenar grandes modelos. NVIDIA supo aprovechar esta ventana de oportunidad, transformando las GPUs de herramientas de renderizado gráfico en la "moneda de cómputo" de la era de la IA.
En el ejercicio fiscal de 2026, los ingresos totales de NVIDIA alcanzaron los 215,9 mil millones de dólares, un aumento del 65% interanual, superando por primera vez la barrera de los 200 mil millones. De esa cifra, los ingresos por centros de datos ascendieron a 193,7 mil millones, un incremento del 68%, lo que supuso casi el 90% de los ingresos de la compañía. Solo en el cuarto trimestre, los ingresos por centros de datos alcanzaron los 62,3 mil millones, un 22% más que el trimestre anterior y un 75% más que el año anterior. La visibilidad combinada de ingresos para las plataformas Blackwell y Rubin superó los 500 mil millones a finales de 2026.
La ventaja competitiva de NVIDIA en esta fase no se fundamentaba solo en el rendimiento del hardware, sino también en el profundo efecto de "lock-in" del ecosistema de software CUDA. Los desarrolladores se habituaron a construir aplicaciones de IA sobre CUDA, mientras que los proveedores de la nube estructuraron su infraestructura en torno a las GPUs de NVIDIA, haciendo que los costes de migración fueran extremadamente elevados. Esta ventaja de "hardware + software + sistema" de pila completa permitió a NVIDIA capturar en torno al 80% del mercado de aceleradores de IA para centros de datos.
Mientras tanto, AMD avanzó con su línea de productos Instinct GPU, aunque su cuota de mercado se mantuvo entre el 5% y el 7%, ampliándose la brecha absoluta. La consultora Futurum Group ofreció una estimación aún más conservadora, situando la cuota de AMD en el mercado de GPUs para centros de datos en torno al 4,5%.
Comienza la segunda fase: De la potencia de entrenamiento a la eficiencia de inferencia
A partir de 2026, la dinámica competitiva del mercado de chips de IA está experimentando una transformación estructural. El cambio clave: el foco del mercado pasa de la "potencia de entrenamiento" a la "eficiencia de inferencia", y de la "escala de adquisición de GPUs" a la "optimización de costes y despliegue comercial a gran escala".
Varios factores impulsan este cambio. Por un lado, las grandes inversiones en entrenamiento de modelos ya están en su mayoría completadas y las reservas de cómputo de los principales actores están alcanzando la saturación. Por otro, las aplicaciones de IA están pasando de ser "demos" a ser "soluciones de producción", con cargas de trabajo de inferencia que crecen rápidamente—AMD estima oficialmente que estas cargas están creciendo a más del 80%. Además, las empresas priorizan ahora el coste total de propiedad en sus decisiones de compra, en lugar de perseguir únicamente el máximo rendimiento.
J.P. Morgan prevé que el mercado de chips de red para IA alcanzará los 107,5 mil millones de dólares en 2026 y subirá hasta los 154,9 mil millones en 2027. La organización World Semiconductor Trade Statistics ha elevado drásticamente su previsión para el mercado mundial de semiconductores en 2026, de 975,4 mil millones a 1,51 billones de dólares, lo que supone un aumento interanual del 89,9%. El mercado se expande, pero la lógica para repartir el pastel está cambiando.
La ofensiva de AMD: De "alternativa de bajo coste" a "narrativa de poder de fijación de precios"
La estrategia de AMD para desafiar a NVIDIA ha evolucionado claramente en esta segunda fase.
En el primer trimestre de 2026, los ingresos de AMD alcanzaron los 10,25 mil millones de dólares, un 37,85% más interanual, con un beneficio neto que se disparó un 95% hasta los 1,38 mil millones. Los ingresos por centros de datos ascendieron a 5,8 mil millones, un 57% más, convirtiéndose en el principal motor de crecimiento de AMD. La compañía prevé unos ingresos para el segundo trimestre de unos 11,2 mil millones, lo que supondría un aumento de aproximadamente el 46% interanual.
En cuanto a producto, la hoja de ruta de AMD es clara y agresiva. La serie Instinct MI400, fabricada con el proceso de 2 nm de TSMC y la arquitectura CDNA Next, cuenta con 432 GB de memoria HBM4, 19,6 TB/s de ancho de banda y 40 PFLOPs de cómputo FP4—el doble de rendimiento respecto a la generación anterior. Esta serie ya ha asegurado pedidos de Oracle, OpenAI y el Departamento de Energía de EE. UU.
Aún más destacable es el sistema de IA a escala rack Helios. Esta plataforma integra de forma estrecha CPUs EPYC Venice de sexta generación, GPUs MI450X, chips de red Vulcano 800G y sistemas de refrigeración líquida, ofreciendo un rendimiento máximo de 2,9 exaFLOPS FP4 por rack y hasta 31 TB de capacidad total de HBM4.
El verdadero punto de inflexión llega desde el lado del cliente. En julio de 2026, Microsoft anunció que desplegaría la solución Helios de AMD a escala rack en Azure para cargas de trabajo avanzadas de inferencia de IA. Esto marca el primer despliegue de pila completa de AMD—GPU, CPU y red—en un solo cliente de la nube. Previamente, Meta firmó acuerdos de infraestructura de IA de varias generaciones por un total de hasta 6 gigavatios; OpenAI, Oracle y la india TCS también han realizado compromisos significativos. Según AMD, ocho de las diez principales empresas de IA del mundo ya ejecutan cargas de trabajo en GPUs Instinct.
El analista de Futurum Group, Daniel Newman, considera que AMD podría aumentar su cuota de mercado de GPUs para centros de datos del 4,5% actual hasta situarse entre el 20% y el 25%. Morgan Stanley prevé que la demanda de CoWoS de AMD crecerá un 308% en 2027.
El foso de NVIDIA—y las grietas emergentes
NVIDIA no está de brazos cruzados ante el avance de sus rivales. La plataforma Rubin ya está en plena producción, combinando GPUs de alto rendimiento con CPUs Vera para multiplicar por diez la velocidad de procesamiento de tokens a menor coste. La arquitectura Vera Rubin admite hasta 144 GPUs por armario, con versiones avanzadas que conectan hasta 576 GPUs. NVIDIA ha anunciado que, a finales de 2026, los envíos combinados de las plataformas Blackwell y Rubin alcanzarán los 20 millones de unidades.
No obstante, el dominio de NVIDIA no está exento de fisuras. En el segundo trimestre del ejercicio fiscal 2026, los ingresos por centros de datos de NVIDIA fueron de 41,1 mil millones de dólares—un aumento del 56% interanual, pero por debajo de la previsión de los analistas (41,3 mil millones). La compañía confirmó que no se vendió ningún chip H20, orientado al mercado chino, durante el trimestre, y tampoco espera envíos a China en las previsiones del tercer trimestre. En el mercado chino de servidores aceleradores de IA, la cuota combinada de los proveedores locales ha subido del 41–46% en 2025 a cerca del 56% en 2026. Los controles a la exportación están redefiniendo el panorama competitivo regional.
En el ámbito del software, el foso de CUDA de NVIDIA también está siendo erosionado. El lenguaje SCALE permite ahora ejecutar binarios CUDA sin modificar en GPUs de AMD. El software ROCm 7.0 de AMD ofrece un rendimiento 3,5 veces superior al de ROCm 6 y está profundamente integrado con los principales frameworks open source como vLLM y SGLang.
Coste de inferencia: La métrica clave de la segunda fase
Si la primera fase se definió por el "rendimiento de entrenamiento por dólar", la segunda fase gira en torno al "coste de inferencia por token".
En julio de 2026, la empresa de optimización de inferencia Wafer informó de que el AMD MI355X, ejecutando el modelo open source GLM 5.2, ofrecía un coste de inferencia de solo la mitad que el B200 de NVIDIA, con un 80% de su rendimiento. SemiAnalysis llegó a conclusiones similares: en escenarios de inferencia interactiva, el AMD MI355X alcanzó un coste de inferencia por millón de tokens de unos 0,22 dólares, frente a los 0,30 dólares del NVIDIA B200.
Forrest Norrod, responsable de centros de datos de AMD, resumió la principal ventaja de Helios como "el mejor coste total de propiedad y el menor coste por token". Esta narrativa resulta especialmente convincente en la segunda fase: cuando las empresas necesitan escalar el despliegue de IA del piloto a la producción, incluso pequeñas diferencias en el coste de inferencia pueden traducirse en miles de millones de dólares en gastos operativos.
Por supuesto, NVIDIA sigue liderando en rendimiento de inferencia a escala rack. El GB200 NVL72, con interconexión NVLink a nivel de armario y orquestación por software, puede ofrecer hasta 28 veces el rendimiento del AMD MI350X en determinados escenarios. Sin embargo, AMD está desplazando su estrategia de diferenciación del "catch-up en rendimiento" al "liderazgo en costes".
Conclusión
El mercado de chips de IA ha pasado de la primera fase de construcción de infraestructura a la segunda fase de competencia por la eficiencia comercial. Este cambio amplía el ámbito competitivo, que deja de centrarse únicamente en la "potencia de entrenamiento" para convertirse en una contienda multidimensional que abarca "eficiencia de inferencia, optimización de costes y escala de despliegue comercial".
NVIDIA, con su ecosistema CUDA, capacidades de pila completa y una base de clientes masiva, sigue controlando en torno al 80% del mercado de aceleradores de IA para centros de datos. Pero AMD está construyendo un sistema competitivo diferenciado basado en el "coste total de propiedad" y el "coste por token" gracias a su solución Helios a escala rack, la serie MI400 y el ecosistema open source ROCm. Las decisiones de compra de clientes líderes como Microsoft, Meta y OpenAI demuestran que la demanda de mercado de una "segunda fuente" es real y está acelerándose.
En la segunda fase de la competencia de chips de IA, el ganador no será quien fabrique el chip más potente, sino quien ayude a las empresas a desplegar la IA del laboratorio a la producción al menor coste y con la mayor eficiencia.
Preguntas frecuentes
P1: ¿Cuál es la diferencia principal entre la primera y la segunda fase de la competencia en chips de IA?
La primera fase (2023–2025) se centró en la construcción de infraestructura de IA, con una demanda clave de adquisición de GPUs, expansión de centros de datos e inversión en computación en la nube. El foco competitivo estaba en la potencia de entrenamiento. La segunda fase (a partir de 2026) se traslada a la comercialización de la IA, donde el mercado prioriza el coste de inferencia, la eficiencia energética y la escala de despliegue empresarial. El foco pasa de "¿podemos entrenar?" a "¿podemos escalar y rentabilizar?"
P2: ¿Cómo está AMD desafiando el dominio de mercado de NVIDIA?
La estrategia de AMD ha evolucionado de ser una "alternativa de bajo coste" a una "narrativa de poder de fijación de precios". El sistema Helios a escala rack consiguió la adjudicación de pila completa por parte de Microsoft a un precio aproximadamente un 40% superior al de Rubin de NVIDIA, demostrando que el mercado está dispuesto a pagar por valor diferencial. La serie MI400 ofrece 1,5 veces la capacidad y el ancho de banda de Rubin, y ROCm 7.0 multiplica por 3,5 el rendimiento del software. Con grandes clientes como Meta y Microsoft, AMD está pasando de "seguidor" a "proveedor alternativo".
P3: ¿Está el foso del ecosistema CUDA de NVIDIA siendo erosionado?
Sí. El lenguaje SCALE permite ahora ejecutar binarios CUDA sin modificar de forma nativa en GPUs de AMD, rompiendo el bloqueo de software de 15 años de NVIDIA. ROCm 7.0 de AMD está profundamente integrado con frameworks open source de inferencia como vLLM y SGLang. Aunque CUDA sigue siendo el estándar del sector, su "unicidad" entre los ecosistemas de desarrolladores está desapareciendo.
P4: ¿Por qué es tan crítico el coste de inferencia en la segunda fase de la competencia?
A medida que la IA pasa de la demostración al despliegue a gran escala, el coste de inferencia determina directamente la viabilidad de los modelos de negocio. El AMD MI355X ofrece un coste de inferencia por millón de tokens de unos 0,22 dólares, frente a los 0,30 dólares del B200 de NVIDIA. Para aplicaciones de IA a gran escala que procesan miles de millones de tokens al día, esta diferencia supone cientos de millones de dólares de ahorro anual. En la segunda fase, quien logre ofrecer el menor coste por token sin sacrificar rendimiento tendrá la mejor oportunidad de ganar grandes contratos de despliegue empresarial.
