Resumen en una frase del contenido principal
El reciente informe financiero del gigante de chips Broadcom ha demostrado los mejores resultados de su historia: sus ingresos totales en el tercer trimestre alcanzaron casi 30 mil millones de dólares, un aumento del 86% con respecto al año anterior. En particular, los ingresos provenientes de los chips AI personalizados se han duplicado con creces, lo que representa un gran éxito económico. Esto no se debe a que Broadcom haya de repente adquirido una ventaja competitiva inesperada, sino a que todas las principales empresas del sector AI a nivel mundial —desde Google, Meta, OpenAI hasta Amazon, así como empresas chinas como Huawei, Alibaba y Baidu— han comenzado a desarrollar o encargar chips AI por su cuenta, ya que no desean depender completamente de los chips ya existentes de NVIDIA. En esencia, todas estas empresas han comprendido la importancia de ahorrar costos, obtener más control sobre sus tecnologías y garantizar su propia supervivencia en un mercado dominado por una sola compañía.
---
Desglose detallado del análisis
1. ¿Por qué Broadcom está ganando tanto dinero de repente? Ahora es el único proveedor de servicios integrales para la fabricación de chips AI
Muchos consideraban a Broadcom como una empresa que se dedicaba principalmente a la producción de chips de intercambio de red para centros de datos. Sin embargo, su impresionante rendimiento se debe a que ha satisfacido las necesidades urgentes de todas las grandes empresas del sector AI: la mayoría de estas empresas no tienen la capacidad de desarrollar sus propios chips desde cero. Contratar cientos de ingenieros, coordinar con fabricantes de semiconductores y gestionar todo el proceso de diseño es costoso y lento; para cuando logren desarrollar un chip, sus competidores ya habrán lanzado varias versiones mejoradas de sus modelos. Broadcom, por otro lado, ofrece un servicio completo que incluye desde el diseño del chip hasta la producción en fábricas. Por ejemplo, el chip de inferencia “Pepper” de OpenAI se desarrolló en solo 9 meses, lo que demuestra su alta eficiencia. Actualmente, casi todos los pedidos de chips personalizados de empresas líderes como Google, Meta y OpenAI están en manos de Broadcom. Si Broadcom deja de recibir pedidos, ¿quién ganará ese dinero?
2. No piensen que las empresas líderes solo hablan de desarrollar chips; la mayoría ya lo ha hecho en práctica y algunas incluso ganan más vendiendo sus propios chips que modelos AI
El desarrollo de chips por parte de las empresas AI no se limita a la fase teórica; muchas ya lo han implementado comercialmente:
- Google fue una de las primeras en desarrollar sus propios chips TPU en 2016, y su octava generación está a punto de ser producida en masa. Además, ha creado chips específicos tanto para entrenamiento como para inferencia. Incluso el contrato de 200 mil millones de dólares firmado con Anthropic incluye el uso de sus propios chips TPU, lo que no beneficia en absoluto a NVIDIA.
- Meta ya está utilizando los chips personalizados desarrollados con Broadcom en las funciones de recomendación de contenido de Facebook e Instagram. Esto significa que la velocidad y calidad de los contenidos que los usuarios ven están determinadas por estos chips. Próximamente, sus nuevos chips se adaptarán directamente a los modelos AI generativos.
- Amazon es una de las empresas más avanzadas en este campo: su chip de entrenamiento AI, Trainium, ya está en su tercera generación, y la capacidad de producción para la cuarta generación ha sido solicitada por sus clientes. Los ingresos futuros derivados de estos contratos superan los 225 mil millones de dólares. El negocio de chips personalizados de Amazon se encuentra entre los tres más grandes a nivel mundial y genera más beneficios que muchas empresas especializadas en este sector.
- En China, empresas como Huawei (Ascendence), Alibaba (Zhenwu) y Baidu (Kunlun Chip) también han comenzado a utilizar chips personalizados en gran escala. Entre las principales empresas del país, solo Tencent no ha anunciado oficialmente su participación en este campo, pero las demás están planificando su entrada.
3. El primer beneficio: desarrollar chips propios realmente permite ahorrar una gran cantidad de dinero
Muchos se preguntan por qué gastar esfuerzo en desarrollar chips cuando se pueden comprar chips de NVIDIA y usarlos sin más. La respuesta es que ahorrar dinero es crucial. Imagínese que dirige una cadena de supermercados: comprar estantes listos de un proveedor mayorista es más económico. Pero si tiene 100,000 tiendas, con millones de visitantes diarios, sería más rentable encargar estantes personalizados que se adapten específicamente a sus productos, sean más rápidos en el escaneo de códigos y consuman menos energía. Incluso si el costo inicial de desarrollo de cada estante personalizado es elevado, el ahorro en energía y mano de obra puede ser significativo a lo largo del año. El chip “Pepper” de OpenAI, por ejemplo, está optimizado específicamente para las necesidades de los modelos AI y reduce los costos de inferencia en un 50% en comparación con los chips de NVIDIA. Dado que procesa miles de millones de solicitudes de usuarios diariamente, el ahorro en costos de computación puede superar los miles de millones de dólares al año. El costo de investigación y desarrollo en el desarrollo de chips se recupera rápidamente.
4. El segundo beneficio: dejar de ser un “seguidor” de NVIDIA y hacer que el hardware trabaje para sus propios modelos
Antes, todas las empresas AI dependían de los chips de NVIDIA. Esto era similar a jugar un juego con reglas establecidas por el fabricante del hardware: el fabricante decidía cuándo lanzar nuevos chips, sus características y su precio. Las empresas no podían modificar sus estrategias de desarrollo si los chips existentes no lo permitían. NVIDIA controlaba más del 70% del mercado de chips AI y también definía el ecosistema de software asociado, lo que restringía el ritmo de desarrollo de los modelos AI. Ahora, al desarrollar sus propios chips, las empresas pueden decidir qué funciones agregar a sus modelos y cómo optimizar los procesos de cálculo, asegurando así que el hardware trabaje de manera más eficiente para sus necesidades específicas. Por ejemplo, Google utiliza sus propios chips TPU para ejecutar modelos AI con una velocidad dos veces mayor que la de los chips de NVIDIA de nivel similar.
5. El tercer beneficio: garantizar la propia supervivencia en un mercado inestable
Depender completamente de NVIDIA implica riesgos significativos, como aumentos de precios o interrupciones en el suministro. Con chips personalizados, las empresas tienen una alternativa y pueden negociar mejor con los proveedores. Además, si NVIDIA deja de suministrar chips, pueden recurrir a sus propios chips, lo que les permite seguir operando sin interrupciones. Esto es especialmente importante para las empresas chinas, ya que los chips de NVIDIA de gama alta suelen estar restringidos a su exportación. Desarrollar chips propios no es solo una cuestión de ganancias, sino una cuestión de supervivencia en un mercado competitivo.