La inferencia de IA está ampliando la competencia de semiconductores desde las GPU hacia chips especializados y el despliegue en centros de datos: después de SambaNova, Groq y Cerebras, ¿quién podrá conseguir la siguiente entrada?

La inferencia de IA está ampliando la competencia de semiconductores desde las GPU hacia chips especializados y despliegues en centros de datos

El centro de gravedad del mercado de computación de IA se está desplazando del entrenamiento (training) hacia la inferencia (inference). TechCrunch informó que un neocloud de inferencia recién fundado —General Compute— cerró una ronda seed de 15 millones de dólares con una valoración post-money de 60 millones de dólares, y apuesta por el chip de inferencia SN50 de SambaNova, con el plan de ofrecer servicios de cómputo mediante refrigeración por aire, menor consumo energético y despliegue directo en salas de máquinas ya existentes. El tamaño de esta financiación, en sí mismo, no es grande, pero revela una señal industrial más importante: la asignación de valor en la cadena de la industria de IA está pasando de “quién posee la GPU más potente” a “quién puede usar el chip más adecuado para entregar capacidad de cómputo al cliente de forma más rápida y barata”.

Esto significa que, en el futuro, la competencia no solo ocurrirá en el mercado de GPU, sino también en toda la cadena que incluye chips de inferencia especializados, neocloud, energía y arquitectura de refrigeración de centros de datos, así como encapsulado avanzado y el suministro de HBM. Para la industria de semiconductores, la estructura de la demanda de chips de IA está cambiando; para el mercado de foundry, también cambiará la forma en que se utilizan las capacidades de procesos avanzados y encapsulado; para la cadena de suministro, la refrigeración por aire y por líquido, las renovaciones de salas de servidores y los requisitos de densidad energética afectarán la estructura de pedidos de equipos, materiales y empresas de test y ensamblaje.

En otras palabras, esta noticia de financiación de TechCrunch no es solo la historia de una startup, sino una ventana para observar cómo el gasto en infraestructura de IA está remodelando la cadena de suministro de semiconductores.

Contexto: del era del entrenamiento a la era de la inferencia

En los últimos dos años, la narrativa principal del gasto de capital en IA se ha concentrado en los clústeres de entrenamiento: el aumento de la escala de parámetros de los modelos de gran tamaño impulsó una tensión extrema en la capacidad de producción de GPU de NVIDIA, HBM, redes de alta velocidad y encapsulado avanzado. Pero, a medida que los modelos van entrando gradualmente en la fase de comercialización, la inferencia comienza a convertirse en un mercado a largo plazo más grande. A diferencia del entrenamiento, la inferencia da más importancia al coste por token, la latencia, el rendimiento y la capacidad de concurrencia, en lugar de centrarse únicamente en el rendimiento máximo de punto flotante.

Este es precisamente el motivo por el que los chips de inferencia especializados están volviendo a recibir atención.Esto es precisamente la razón por la que los chips de inferencia especializados han vuelto a captar atención. En el informe de TechCrunch se menciona que General Compute eligió SambaNova en lugar de seguir dependiendo por completo de las GPU, en parte porque su arquitectura da más importancia a la flexibilidad y a la capacidad de memoria, lo que la hace adecuada para conservar el contexto durante la inferencia. El informe también señala que el nuevo chip de SambaNova apunta a entre 600 y 700 tokens por segundo, frente a unos 250 tokens en las GPU. Este tipo de comparaciones, aunque provienen de declaraciones públicas de la empresa y de emprendedores, aún requieren validación del mercado; aun así, transmiten una dirección clara: cuando la IA pasa de “modelos generativos” a flujos de trabajo “agent-to-agent”, la velocidad, el coste y el modo de despliegue serán los que determinen el valor del chip.

Industry Chain Analysis

Upstream: cambios en la estructura de la demanda de procesos, HBM, materiales y equipos

Si los chips de inferencia siguen diferenciándose, el lado de la fabricación de obleas afrontará simultáneamente dos tipos de presión: una es la demanda continua de procesos avanzados por parte de las GPU/aceleradores de IA; la otra es el diseño altamente integrado que adoptan los chips especializados para lograr eficiencia energética. Ambos tipos de chips dependen de procesos avanzados, pero sus requisitos en capacidad, encapsulado, pruebas y ritmo de suministro no son los mismos.

• Foundry: TSMC sigue siendo la plataforma de fabricación avanzada más crítica; 3nm y 5nm siguen siendo nodos importantes para chips de IA de gama alta y diseños combinados CPU/GPU. Samsung Foundry e Intel Foundry, por su parte, compiten por la siguiente ronda de pedidos de fundición relacionados con la IA, especialmente proyectos que requieren una personalización más rápida por parte del cliente y una coordinación de encapsulado más compleja.
• Encapsulado avanzado: el cuello de botella de los chips de IA ya no está solo en la densidad de transistores, sino también en la interconexión chip-to-chip, el ancho de banda auxiliar de HBM y el rendimiento del encapsulado. Si los chips de inferencia pasan de “una sola GPU grande” a “módulos de cómputo especializados más distribuidos”, la demanda de encapsulado avanzado será más diversa, y el papel de OSAT como ASE y Amkor será más importante.
• Equipos: la demanda a largo plazo de ASML, Applied Materials, Lam Research y KLA sigue vinculada a la expansión de capacidad en procesos avanzados y encapsulado avanzado. Mientras la IA impulse inversiones en 3nm/2nm y en el encapsulado posterior, el gasto de capital en equipos no retrocederá de forma significativa.
• Materiales: los diseños de mayor eficiencia energética seguirán aumentando las exigencias sobre obleas de silicio de gama alta, fotorresistentes, gases especiales y materiales de encapsulado avanzado. La resiliencia de la cadena de suministro será más importante que el precio por sí solo.

Midstream: el diseño de chips y la infraestructura en la nube empiezan a repartirse de nuevo las funciones

Antes, las GPU monopolizaban casi por completo la narrativa de expansión del entrenamiento de IA, pero el mercado de inferencia tiene más probabilidades de estratificarse:1. GPU de uso general sigue asumiendo la compatibilidad de software más amplia y las tareas de entrenamiento; 2. ASIC/chips de inferencia especializados compiten por modelos concretos y escenarios específicos de latencia y coste; 3. neocloud empaqueta directamente la capacidad de cómputo como servicio mediante alquiler de infraestructura, integración de centros de datos e incorporación de clientes.

Esto tendrá distintos impactos en rutas como NVIDIA, AMD, Google TPU y Amazon Trainium. NVIDIA sigue contando con el ecosistema más sólido, pero en la fase de inferencia los clientes prestarán más atención al coste por token, al consumo energético, a la flexibilidad de despliegue y a la estabilidad del suministro. AMD también tiene la oportunidad de ampliar su presencia en algunos clientes de nube y despliegues empresariales de IA; mientras que los chips desarrollados internamente por los hyperscalers, como TPU y Trainium, si logran un TCO más bajo en cargas de trabajo de inferencia, seguirán aumentando su aceptación en el mercado.

Downstream: el modelo de despliegue de centros de datos está cambiando

La característica clave de General Compute no es solo que utilice chips de SambaNova, sino que enfatiza el enfriamiento por aire, el bajo consumo y el despliegue en centros de datos existentes. Esto es muy importante. Hasta ahora, los centros de datos de IA se han organizado en torno a la refrigeración líquida, la alimentación eléctrica de alta densidad y racks diseñados específicamente. Pero si los chips de inferencia pueden rebajar el umbral de disipación térmica, se ampliarán de forma notable los escenarios desplegables, e incluso algunos centros de datos infrautilizados, centros de datos perimetrales e instalaciones colo antiguas podrían volver a aprovecharse.

Para los operadores de infraestructura de nube y centros de datos, esto significa que el atractivo del futuro podría no ser solo “más cómputo”, sino “cómputo más fácil de poner en marcha”.

Impacto tecnológico

1. Optimización para inferencia, no solo potencia pico pura

El valor de los chips de inferencia no reside en el rendimiento extremo de un único punto, sino en el rendimiento sostenido, la jerarquía de memoria y la compatibilidad con la pila de software. Arquitecturas como la de SambaNova, que priorizan un acceso a memoria más flexible y la retención de contexto, muestran que la industria está pasando de “apilar cómputo” a “adaptar el cómputo a la carga de trabajo de inferencia”.

2. El empaquetado avanzado sigue siendo un campo de batalla central

Aunque algunos chips de inferencia no busquen el TDP más extremo, la computación de IA sigue dependiendo en gran medida de chiplets, HBM, interposer e interconexiones de alta densidad. A largo plazo, el empaquetado avanzado no es un subproducto de los chips de entrenamiento, sino parte de la competitividad de los chips de IA.

3. El enfriamiento por aire y el bajo consumo pueden abrir nuevos mercados

Si cierto tipo de chip de IA puede desplegarse con menores requisitos de disipación térmica y menos modificaciones en la alimentación eléctrica, impactará directamente la velocidad de expansión de los centros de datos. Para los clientes, esto significa plazos de entrega más cortos; para la cadena de suministro, significa que la demanda incremental de infraestructura de refrigeración líquida puede desviar­se, pero no desaparecer, sino ser absorbida por clústeres de entrenamiento de mayor densidad y la nube a gran escala.

Impacto en la cadena de suministro

¿Quién se beneficia?- Fabricantes de chips especializados: los escenarios de inferencia ampliaron el espacio de diseño más allá de las GPU. - Fabricantes de empaquetado avanzado: más servidores de IA y más combinaciones de chips heterogéneos implican mayor complejidad de empaquetado. - Operadores de centros de datos y colo: si los chips de inferencia de nueva generación son más fáciles de desplegar, los activos de los centros de datos existentes pueden revalorizarse. - Proveedores de equipos y materiales para semiconductores: las inversiones impulsadas por la IA en procesos avanzados y empaquetado siguen respaldando pedidos a largo plazo.

¿Quiénes enfrentan riesgos?

• Cadena dependiente exclusivamente de GPU: si la carga de trabajo de inferencia se diversifica, el crecimiento de parte de la demanda de GPU podría ser inferior a lo esperado en el pico del entrenamiento.
• Soluciones de centros de datos fuertemente dependientes de refrigeración líquida: si el mercado se inclina hacia nodos de inferencia de bajo consumo, la rentabilidad de algunas vías de reconversión con gran inversión de capital disminuirá.
• ASIC sin ecosistema de software: si los chips especializados no cuentan con suficientes desarrolladores y adaptación de modelos, es muy fácil que queden marginados en el mercado de inferencia.

Panorama competitivo

Desde la perspectiva competitiva, el mercado de computación de IA está pasando a ser un “mercado multinivel”, y no un mercado monopolizado por una sola GPU.

• NVIDIA sigue siendo el principal formador de precios, especialmente por su ventaja de ecosistema en entrenamiento e inferencia de gama alta.
• Groq, Cerebras, SambaNova representan distintas rutas de especialización: la primera enfatiza la inferencia de baja latencia, la segunda pone el foco en la paralelización a gran escala y la innovación a nivel de sistema, mientras que SambaNova apuesta por una memoria más flexible y mayor eficiencia en inferencia.
• Los chips diseñados internamente por los gigantes de la nube seguirán erosionando el mercado de inferencia estandarizado, porque ellos conocen mejor que nadie sus propias cargas de trabajo.

Por ello, los cambios futuros en la cuota de mercado no necesariamente se reflejarán en “quién reemplaza a NVIDIA”, sino más bien en que: la cuota de NVIDIA en el mercado total seguirá siendo muy alta, pero la participación de los chips especializados en el segmento de inferencia continuará aumentando.

Implicaciones regionales

Estados Unidos

Estados Unidos sigue controlando el diseño de chips de IA, las plataformas en la nube, el ecosistema de software y el poder de fijación de precios del mercado de capitales. La aparición de neoclouds como General Compute demuestra que la innovación en el mercado estadounidense no solo ocurre en los hyperscalers, sino también en proveedores verticales construidos en torno a arquitecturas de chip específicas.

Taiwán

Taiwán sigue ocupando una posición central en procesos avanzados y empaquetado. Mientras los pedidos relacionados con IA continúen concentrándose en 3 nm/2 nm y en empaquetado avanzado, Taiwán seguirá siendo uno de los nodos de fabricación más críticos de la cadena de suministro global.

Corea del Sur

Corea del Sur sigue siendo uno de los principales eslabones upstream de la IA en la cadena de suministro de DRAM/HBM y memoria. La expansión del mercado de inferencia no debilitará la importancia de HBM; solo hará que una gama más amplia de chips de IA necesite memoria de alto ancho de banda.

Japón

Japón sigue siendo clave en materiales, productos químicos y componentes de equipos.### Japón

Japón sigue siendo clave en materiales, productos químicos y componentes de equipos. Las mejoras en los chips de IA seguirán impulsando la demanda de materiales de alta pureza y componentes de precisión.

Europa

La mayor variable de Europa proviene del segmento de equipos, especialmente del ecosistema EUV en el que se encuentra ASML. Mientras los procesos avanzados y el empaquetado sigan avanzando, la posición estratégica de Europa en equipos críticos no cambiará.

China y el sudeste asiático

El mercado chino sigue teniendo una escala de demanda significativa en el despliegue de inferencia de IA, pero las restricciones a la exportación seguirán afectando el acceso a chips y equipos de gama alta. El sudeste asiático, por su parte, probablemente seguirá absorbiendo parte de la demanda desbordada de empaquetado y pruebas, ensamblaje y centros de datos, convirtiéndose en una región beneficiaria de la diversificación de la cadena de suministro.

Perspectiva de inversión

La razón por la que el mercado de capitales presta atención a este tipo de empresas no es solo porque crezca la demanda de IA, sino porque la infraestructura de IA está empezando a generar nuevos pools de beneficios:

1. Los servicios de cómputo pasan de “comprar GPU” a “vender resultados”; 2. La combinación de chips especializados y despliegue en la nube puede dar lugar a una estructura de margen bruto más alta; 3. La lógica de valoración de los activos de centros de datos está empezando a pasar de salas de servidores genéricas a infraestructuras de IA orientadas a casos de uso.

Para los inversores, la cuestión verdaderamente importante no es “si aparecerá la próxima Cerebras”, sino: qué arquitectura podrá establecer suficiente dependencia del software, estabilidad de la cadena de suministro y fidelidad del cliente en la era de la inferencia.

Perspectiva a largo plazo

En los próximos 3 años: la carga de trabajo de inferencia crecerá rápidamente, las GPU seguirán dominando, pero los chips de inferencia especializados y los neocloud atraerán a más clientes experimentales.

En los próximos 5 años: la cadena de valor de la IA podría mostrar una segmentación más clara, y el entrenamiento, la inferencia y el despliegue en el borde corresponderán a diferentes chips y arquitecturas de centros de datos.

En los próximos 10 años: si la IA agéntica se convierte en la corriente principal, el coste de inferencia se convertirá en la variable competitiva central, y el diseño de chips y la infraestructura se reestructurarán en torno al “coste por resultado” y no al “rendimiento máximo”.

Conclusión

La cooperación entre General Compute y SambaNova, en apariencia, es una ronda de financiación temprana y la introducción de un nuevo chip; en esencia, refleja un giro estructural en la cadena de valor de la IA: las GPU siguen siendo importantes, pero ya no son la única respuesta; los procesos avanzados siguen siendo importantes, pero el empaquetado y el despliegue están pasando a ser igualmente cruciales; los centros de datos siguen siendo importantes, pero la capacidad de implementarlos rápidamente dentro de las instalaciones existentes se está convirtiendo en una nueva barrera.Para la industria de semiconductores, el juicio central de esta tendencia es: la competencia de los chips de IA ya ha pasado de una simple carrera de potencia de cómputo a una competencia sistémica de “arquitectura de chip + empaquetado + despliegue en sala de servidores + ecosistema de software”. Quien logre reducir más el costo de inferencia, acortar más el ciclo de despliegue y facilitar mejor la integración de clientes, tendrá más probabilidades de captar una mayor cuota en la próxima ronda de gasto en infraestructura de IA.

---

URL de origen

• https://techcrunch.com/2026/05/28/has-the-hunt-for-ai-compute-uncovered-the-next-cerebras/