Por Canuto  

Broadcom reportó un crecimiento de 221% en sus ingresos por chips de IA, frente al 117% de Nvidia en centros de datos. La diferencia refleja dos estrategias distintas, no una victoria definitiva: una ofrece sistemas flexibles y la otra diseña silicio para clientes con cargas de trabajo específicas.
***

  • Los ingresos de Nvidia en centros de datos subieron 117% interanual hasta USD $89.000 millones, mientras la compañía proyectó USD $108.000 millones en ventas para su próximo trimestre fiscal.
  • Broadcom elevó 221% sus ingresos por chips de IA, hasta USD $16.700 millones, y prevé que lleguen a USD $21.700 millones el trimestre siguiente.
  • La especialización puede reducir costos en tareas repetitivas, pero Broadcom depende de pocos grandes clientes; Nvidia enfrenta expectativas elevadas, límites de suministro y restricciones de exportación.

Nvidia y Broadcom aceleran la carrera por los chips de IA con estrategias opuestas

El gasto en centros de datos de inteligencia artificial está impulsando a Nvidia y Broadcom, aunque ambas compañías capturan ese crecimiento de maneras distintas. Nvidia ofrece GPU y sistemas integrados que pueden atender diversas cargas de trabajo, mientras Broadcom colabora con grandes clientes para diseñar aceleradores especializados y componentes de conexión.

En sus resultados más recientes descritos por el análisis de Rick Orford, los ingresos de Nvidia en centros de datos crecieron 117% interanual y los ingresos de chips de IA de Broadcom avanzaron 221%. Esa diferencia no basta para declarar un ganador: la elección entre una plataforma flexible y un procesador personalizado depende de costos, consumo energético, disponibilidad de suministro y de cuánto cambien las tareas que ejecutarán los clientes.

Dos modelos para construir infraestructura de inteligencia artificial

Nvidia vende GPU de propósito general capaces de entrenar modelos, ejecutar inferencias y realizar otras tareas de computación paralela. También ofrece CPU, servidores completos, la tecnología NVLink para conectar procesadores y redes InfiniBand y Ethernet, de modo que sus clientes pueden adquirir una plataforma integrada en vez de ensamblar cada componente por separado.

La propuesta incluye además CUDA, un conjunto de herramientas, bibliotecas y optimizaciones que muchos desarrolladores utilizan desde hace años. Cambiar de plataforma puede exigir reescribir código, volver a probar aplicaciones y capacitar personal, por lo que un chip rival con menor precio no necesariamente reduce el costo total de una migración.

Broadcom adopta una estrategia más personalizada mediante sus XPU, aceleradores diseñados junto con clientes para responder a objetivos concretos de computación, energía y costo. Las unidades de procesamiento tensorial de Google son un ejemplo de este tipo de desarrollo, fruto de una colaboración entre ambas compañías para producir silicio destinado a cargas de trabajo específicas.

Además de participar en el diseño de procesadores, Broadcom vende tecnología de empaquetado, conectividad y redes, incluidos conmutadores Ethernet y enlaces ópticos para interconectar grandes grupos de servidores. La diferencia esencial es que Nvidia propone una plataforma adaptable a múltiples usos, mientras Broadcom busca optimizar un chip para una tarea conocida y repetida a gran escala.

Un acelerador especializado puede ofrecer eficiencia y menor consumo eléctrico, pero exige inversión de ingeniería y tiene menos margen para adaptarse si cambian los modelos o las necesidades del cliente. Para justificar el diseño, la empresa compradora necesita mantener un volumen elevado y suficientemente estable; de lo contrario, el ahorro esperado podría no compensar el desarrollo ni el riesgo de que el chip quede infrautilizado.

Nvidia crece a gran escala con una plataforma integrada

En el segundo trimestre de su año fiscal 2027, Nvidia registró ingresos por USD $96.200 millones, un alza interanual de 106%. La división de centros de datos aportó USD $89.000 millones, con un crecimiento de 117%, mientras el margen bruto GAAP se situó en 75%, cifras que muestran que la demanda de infraestructura sigue creciendo pese a la enorme base de ventas de la empresa.

Para el tercer trimestre fiscal, la compañía proyectó ingresos de USD $108.000 millones, con un margen de variación de 2% en ambas direcciones, y un margen bruto cercano a 74%. El pronóstico anticipa un nuevo avance, aunque concretarlo requiere que los clientes dispongan de instalaciones preparadas y que Nvidia pueda conseguir memoria, capacidad de empaquetado avanzado y otros componentes necesarios.

La perspectiva preliminar para el año fiscal 2028 apuntaba a un crecimiento de ingresos de alrededor de 70%, limitado en parte por la capacidad de suministro disponible. La instalación efectiva de los sistemas también depende de que los clientes cuenten con financiación, energía y centros de datos terminados, por lo que los pedidos de equipos no se traducen automáticamente en despliegues operativos.

La nueva plataforma Vera Rubin comenzó a escalar hacia producción completa en mayo de 2026 y sus envíos empezaron en agosto de ese año, según el análisis. Combina GPU, CPU, redes y sistemas a escala de rack, una integración que puede simplificar la instalación y permitir a Nvidia captar más gasto por centro de datos que si vendiera únicamente procesadores.

La flexibilidad constituye otra defensa frente a los aceleradores personalizados, ya que un mismo grupo de GPU puede utilizarse para entrenamiento, inferencia y nuevas aplicaciones que todavía no se consolidan. Las mejoras en CUDA y el software del sistema también pueden prolongar la utilidad de equipos anteriores, mientras un chip diseñado para una tarea concreta corre el riesgo de perder valor si esa carga de trabajo cambia.

Nvidia busca ampliar su alcance con diseños abiertos de racks y bandejas de computación que aporta a iniciativas de infraestructura abierta, además de su sistema Groq 3 LPX, enfocado en acelerar la generación de tokens para aplicaciones agénticas. Sin embargo, la previsión para el tercer trimestre fiscal de 2027 no contempla ingresos de computación procedentes de China, un mercado condicionado por controles de exportación de Estados Unidos.

Broadcom escala con aceleradores hechos a medida

Broadcom reportó ingresos totales de USD $29.600 millones en su tercer trimestre fiscal de 2026, un incremento interanual de 86%. El crecimiento de sus chips de inteligencia artificial fue todavía más rápido: esa línea generó USD $16.700 millones, un avance de 221% frente al año anterior y de 54% respecto del trimestre previo.

Para el trimestre siguiente, la dirección proyectó ingresos por chips de IA de unos USD $21.700 millones, equivalentes a un aumento interanual de 236%. La empresa también cuenta con un negocio de software de infraestructura que produjo USD $8.800 millones en el trimestre, apoyado en productos de VMware para gestionar nubes privadas y sistemas empresariales.

Los XPU representaron cerca de 73% de los ingresos de semiconductores de IA de Broadcom, y sus envíos superaron en más de tres veces los del mismo periodo del año anterior. El atractivo para los grandes compradores está en diseñar procesadores para cargas de trabajo frecuentes, con la posibilidad de reducir costos y elevar el rendimiento frente a soluciones más generales.

Broadcom cuenta actualmente con seis grandes clientes de XPU, entre ellos Google, OpenAI, Anthropic y Meta Platforms. La lista reúne a actores importantes del sector, pero su concentración también expone a la compañía a cambios en las prioridades de unos pocos compradores, que podrían reducir pedidos o desarrollar más componentes internamente.

La relación de Google con Broadcom se apoya en el programa de TPU, mientras OpenAI desarrolla procesadores en colaboración con la firma y Anthropic amplía su uso de capacidad de TPU de Google. Meta, por su parte, trabaja en sus aceleradores MTIA, un ejemplo de cómo los grandes grupos tecnológicos exploran alternativas propias para ciertas tareas de inteligencia artificial.

OpenAI publicó resultados iniciales de pruebas de su acelerador Jalapeño frente a sistemas de Nvidia y comunicó mejoras de trabajo de IA por vatio y de latencia en esas comparaciones. Se trata de resultados divulgados por la propia OpenAI, por lo que no bastan por sí solos para establecer una comparación independiente y equivalente entre las plataformas en condiciones de uso generales.

Los resultados de pruebas puntuales no revelan por sí solos el costo total de generar una respuesta útil de IA una vez que el hardware opera a escala. Las cargas de trabajo, redes, configuraciones y costos de los sistemas varían, así que queda por comprobar si las ventajas iniciales se mantienen en las aplicaciones que los clientes ejecutan diariamente.

La infraestructura de red también respalda el negocio de Broadcom: sus conmutadores Ethernet Tomahawk y componentes ópticos permiten transportar datos entre aceleradores, memoria, almacenamiento y servidores. La compañía añade una plataforma de financiación pensada para respaldar más de 20 gigavatios de despliegues con sus XPU y redes hasta 2028, que comenzó con un acuerdo de USD $35.000 millones para financiar más de un gigavatio de infraestructura de computación para Anthropic.

Broadcom fijó para el año fiscal 2026 un objetivo de aproximadamente USD $58.000 millones en ingresos por semiconductores de IA. La dirección señaló que aseguró suministro suficiente para respaldar cerca de USD $115.000 millones en esa línea durante el año fiscal 2027 y que tiene visibilidad hacia USD $230.000 millones en el año fiscal 2028, metas sujetas a que los clientes puedan desplegar sistemas completos.

La competencia se concentra en inferencia, redes y costos

Las GPU de Nvidia y los aceleradores personalizados de Broadcom compiten especialmente cuando los clientes deciden cómo procesar inferencias a gran escala. El entrenamiento utiliza datos para construir o mejorar modelos, mientras la inferencia aplica esos modelos para responder preguntas, generar código, reconocer imágenes y completar otras tareas que pueden crecer a medida que se popularizan los servicios de IA.

Las GPU resultan atractivas cuando una compañía necesita flexibilidad o no sabe con precisión qué aplicaciones dominarán en el futuro. En cambio, un procesador especializado puede tener sentido cuando el cliente conoce la tarea, espera ejecutarla en grandes volúmenes y considera que el ahorro de energía y computación compensará la inversión en diseño.

Los compradores no necesitan escoger una sola arquitectura para todas sus operaciones: pueden destinar silicio personalizado a tareas predecibles y de alto volumen, y reservar GPU para aplicaciones que exigen adaptabilidad. Esta combinación significa que el avance de Broadcom no implica necesariamente que Nvidia pierda todos los pedidos, del mismo modo que adquirir un acelerador de Broadcom no obliga a comprarle también toda la infraestructura de red.

Las redes son parte central de la disputa porque los clústeres de IA deben mover datos con rapidez entre miles de aceleradores; de lo contrario, equipos costosos pueden quedar esperando información. Broadcom compite con sus soluciones Ethernet Tomahawk y componentes ópticos, mientras Nvidia ofrece NVLink, InfiniBand y Spectrum-X Ethernet, líneas que amplían la competencia más allá del procesador.

CUDA y su comunidad de desarrolladores favorecen a Nvidia entre empresas que necesitan desplegar capacidad sin construir desde cero una pila de hardware y software. Gigantes como Alphabet, Meta y OpenAI pueden dedicar recursos al diseño de sus propios chips, pero proveedores de nube más pequeños suelen encontrar más práctica una plataforma lista para usar, incluso si otra opción pudiera reducir costos a gran escala.

La diferencia de crecimiento trimestral, por lo tanto, ofrece una señal sobre la velocidad del negocio personalizado, pero no mide por sí sola la rentabilidad ni la capacidad de sostener pedidos a largo plazo. El resultado dependerá de cómo evolucionen las cargas de trabajo, de cuánto valor generen las aplicaciones de IA y de si los clientes mantienen el ritmo de inversión en infraestructura.

Riesgos de concentración, suministro y retorno de inversión

Para Nvidia, uno de los principales desafíos es cumplir expectativas elevadas sobre una base de ingresos que ya es enorme, mientras crece la demanda de empaquetado avanzado, memoria y centros de datos listos para recibir equipos. Un retraso podría desplazar ventas a trimestres posteriores, y el inventario o el encarecimiento de componentes podría presionar los márgenes, aunque la empresa conserve una demanda fuerte.

Las restricciones estadounidenses a las exportaciones de computación avanzada de IA a China limitan el mercado potencial de Nvidia, y nuevas medidas podrían reducir aún más esa oportunidad. La concentración de clientes también merece atención: un solo cliente representó 16% de los ingresos trimestrales de la compañía, mientras grandes compradores indirectos significaron porciones importantes de las ventas.

Broadcom enfrenta un riesgo comparable porque depende de un grupo reducido de compradores para los diseños personalizados. El análisis señala que Google amplió un acuerdo con Marvell Technology para aceleradores de inferencia, controladores de almacenamiento, controladores de red e interfaz de memoria y computación cercana a la memoria, una muestra de que los grandes clientes diversifican sus proveedores.

La financiación de infraestructura presenta otra exposición para Broadcom: un informe de la compañía describe una garantía con una responsabilidad potencial de USD $29.000 millones si se despliegan los racks de IA asociados y el cliente incumple bajo ciertas condiciones. No se habían realizado pagos a la fecha del informe, por lo que se trataba de una obligación contingente y no de un reembolso inmediato; aun así, un incumplimiento podría dificultar la recuperación del valor de equipos ligados a una arquitectura específica.

Ambas empresas comparten un riesgo de fondo: que el gasto de sus clientes en IA crezca más rápido que los ingresos o las mejoras de productividad que esos clientes logren obtener. Si los servicios no justifican la inversión, las compañías podrían retrasar despliegues o renegociar acuerdos de financiación, y las ventas de chips, por sí solas, no demuestran que la infraestructura produzca retornos atractivos.

Para inversores que buscan exposición amplia a la construcción de IA, Nvidia ofrece GPU flexibles y un ecosistema de software útil para compradores que no pueden desarrollar sus propios chips. Broadcom, en cambio, representa una apuesta por la expansión de cargas de trabajo especializadas y por la eficiencia del silicio personalizado, aunque su concentración de clientes y sus compromisos de financiación agregan riesgos distintos.

El crecimiento de 221% de Broadcom frente al 117% de Nvidia destaca el impulso de los aceleradores a medida, pero no determina qué estrategia capturará más valor en el tiempo. La decisión de inversión exige considerar tanto la velocidad de expansión como la escala de cada negocio, las limitaciones de suministro, la flexibilidad de los sistemas y la capacidad de los clientes para convertir el gasto en resultados sostenibles.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados