Gartner identifica cinco compañías que hoy marcan el paso en segmentos estratégicos de los semiconductores para inteligencia artificial. Pero la carrera podría cambiar rápidamente.
La carrera por construir la infraestructura necesaria para la inteligencia artificial está entrando en una nueva etapa. Ya no se trata únicamente de quién fabrica el acelerador más potente. La competencia se está extendiendo hacia las redes, los procesadores, los chips personalizados, la conectividad óptica y la entrega de energía. Esto nos conduce a la pregunta: ¿Quiénes lideran la carrera por los semiconductores para la IA?
Un nuevo análisis de Gartner identifica a cinco compañías que actualmente son referentes en segmentos estratégicos de esta cadena.
El estudio forma parte de su metodología Company to Beat, que busca identificar a los proveedores que establecen el estándar competitivo en diferentes mercados tecnológicos.
Para definirlos, Gartner considera capacidades técnicas, implementaciones con clientes, mercado potencial, modelo de negocio, alianzas y ecosistema.
El resultado ofrece una fotografía interesante del poder tecnológico detrás de la actual expansión de la IA.
¿Quiénes lideran la carrera por los semiconductores para la IA? Cinco frentes de batalla:
| Segmento | Compañía identificada por Gartner | Principal fortaleza |
| AI Network Fabric | NVIDIA | Aceleradores y networking para clusters de IA |
| Enterprise AI Server CPUs | AMD | CPU, ancho de banda de I/O y consolidación de servidores |
| Custom AI Silicon | Broadcom | ASIC, IP, networking y diseño de aceleradores personalizados |
| AI Data Center Optical Connectivity | Marvell | DSP, componentes ópticos y conectividad de alta velocidad |
| AI Data Center Power Semiconductors | Infineon | Semiconductores de potencia en Si, SiC y GaN |
NVIDIA: todavía domina la red de la IA
NVIDIA aparece como la Company to Beat en infraestructura de redes para IA. Su posición está respaldada por el dominio de sus aceleradores y una amplia oferta de networking para centros de datos. Tecnologías propietarias como NVLink, SHARP y otros componentes de su arquitectura permiten optimizar las comunicaciones dentro de los clusters.
Sin embargo, Gartner identifica una vulnerabilidad estratégica. El desplazamiento desde el entrenamiento hacia la inferencia y los casos de uso agénticos puede modificar el escenario competitivo. Los grandes hyperscalers están avanzando hacia alternativas basadas en Ethernet y estándares abiertos.
Esto podría reducir la dependencia de arquitecturas propietarias en determinados segmentos. La conclusión es importante: el liderazgo de NVIDIA es sólido, pero no necesariamente permanente.
AMD: la batalla también se libra en la CPU
AMD lidera, según Gartner, el segmento de Enterprise AI Server CPUs. La compañía combina capacidad de procesamiento, ancho de banda de I/O, consolidación de servidores y compatibilidad con los ecosistemas empresariales existentes. También cuenta con una hoja de ruta consistente y una amplia relación con fabricantes de equipos originales.
Pero este mercado está entrando en una etapa de competencia más intensa. Los diseños basados en ARM, las arquitecturas integradas y las ventajas de rendimiento por watt representan desafíos importantes. La presión aumentará a medida que las empresas adopten racks más densos y con mayores restricciones energéticas.
Broadcom: el ascenso del silicio personalizado
Broadcom aparece como líder en Custom AI Silicon. Su fortaleza está en una combinación particularmente relevante para la nueva infraestructura de IA.
Incluye diseño de ASIC, propiedad intelectual, networking, SerDes, memoria, packaging avanzado e interconexión die-to-die. El crecimiento de los chips personalizados es estratégico. Los grandes proveedores de servicios cloud buscan cada vez más diseñar aceleradores adaptados a sus propias cargas de trabajo.
Eso abre espacio para proveedores capaces de construir soluciones específicas sin depender completamente de un único diseño generalista. En este terreno, Broadcom está bien posicionada para beneficiarse de la personalización de la infraestructura de IA.
Marvell: la batalla invisible de la óptica
La conectividad óptica puede ser menos visible que los procesadores. Sin embargo, será fundamental para mantener comunicados los enormes clusters que necesita la IA. Gartner identifica a Marvell como la compañía a batir en conectividad óptica para centros de datos de IA. Su posición combina DSP, componentes ópticos analógicos, tecnologías de recepción lineal y una estrategia hacia co-packaged optics (CPO).
El desafío será ejecutar correctamente esa transición. También aparecen amenazas provenientes de la integración vertical de los hyperscalers y de nuevas arquitecturas fotónicas. Aquí aparece una de las grandes lecciones del análisis de Gartner: la carrera de la IA también se está librando en componentes que el usuario final nunca ve.
Infineon: sin energía no hay inteligencia artificial
El quinto frente puede ser el más determinante para la expansión física de la IA. Gartner identifica a Infineon como líder en semiconductores de potencia para centros de datos de IA. Su ventaja está en una cartera que cubre silicio, carburo de silicio (SiC) y nitruro de galio (GaN).
Esto permite abordar la cadena energética desde la red eléctrica hasta el núcleo del procesador. La importancia de este segmento crecerá con la densidad de procesamiento. Los nuevos centros de datos necesitan más potencia en espacios cada vez más reducidos. Por eso, la eficiencia energética ya no es solamente una preocupación ambiental o financiera. Es una condición técnica para seguir escalando la IA.
La carrera ya no se gana solamente con el procesador
Este es probablemente el aspecto más interesante del análisis de Gartner. La industria de IA está pasando de una lógica centrada en el acelerador hacia una arquitectura mucho más amplia. El procesador necesita memoria. La memoria necesita interconexión. Los procesadores necesitan comunicarse mediante redes de alta velocidad. Los datos deben viajar mediante conexiones ópticas. Y todo el sistema necesita una infraestructura eléctrica capaz de soportar cargas extraordinarias.
Por eso, la próxima batalla de los semiconductores no será necesariamente por fabricar el chip más poderoso. Será por controlar una mayor parte de la arquitectura que permite que ese chip funcione. En ese escenario aparecen compañías con perfiles muy diferentes.
NVIDIA controla una parte crítica del cómputo y la interconexión. AMD compite en el procesamiento general de los servidores. Broadcom gana relevancia mediante el silicio personalizado. Marvell ocupa una posición estratégica en la conectividad óptica. Infineon ataca uno de los mayores cuellos de botella futuros: la energía.
¿Quiénes lideran la carrera por los semiconductores para la IA? Un análisis crítico para los líderes
Gartner advierte que las posiciones actuales pueden cambiar. La diversificación de las cadenas de suministro, la adopción de estándares abiertos y la búsqueda de arquitecturas optimizadas para inferencia están aumentando la presión competitiva.
Esto resulta especialmente relevante porque la IA está cambiando. Durante la primera fase de la revolución generativa, el entrenamiento de grandes modelos concentró enormes cantidades de capacidad computacional. Ahora comienza a ganar importancia la inferencia, especialmente con agentes de IA que ejecutan tareas continuamente.
Eso puede modificar las prioridades de infraestructura. Una arquitectura excelente para entrenar modelos no necesariamente será la más eficiente para ejecutar millones de inferencias. Por eso, el próximo liderazgo podría depender menos de quién tenga el acelerador más rápido. Podría depender de quién consiga ofrecer la mejor relación entre rendimiento, costo, consumo energético, escalabilidad e interoperabilidad.
Una cadena tecnológica cada vez más estratégica
Un segundo análisis de Gartner, publicado el 29 de julio, amplía el mapa planteado en su estudio sobre los líderes de los semiconductores para IA. La firma señala que el crecimiento de este mercado se está extendiendo más allá de los aceleradores y la memoria HBM hacia networking, almacenamiento, energía, componentes analógicos y óptica. La conclusión refuerza una idea central: la capacidad de procesamiento es apenas una parte de la infraestructura que sostiene la expansión de la inteligencia artificial.
La Semiconductor Industry Association (SIA) y Deloitte ofrecen otra perspectiva sobre la magnitud de esta transformación. Su análisis de un rack de servidores para IA muestra que los semiconductores representan más del 95% de su valor, incluyendo procesadores, memoria, networking, almacenamiento y componentes de gestión de energía. El rack deja así de ser una simple colección de servidores para convertirse en un sistema altamente especializado, donde múltiples tecnologías de semiconductores determinan su capacidad y eficiencia.
Deloitte también plantea que la competencia se está trasladando hacia el rendimiento a nivel de sistema. Chiplets, memoria de alto ancho de banda, interconexiones de alta velocidad y tecnologías ópticas empiezan a ser tan determinantes como el rendimiento individual del procesador. El desafío consiste en conseguir que todos esos componentes trabajen como una arquitectura integrada, reduciendo los cuellos de botella que aparecen cuando aumenta la escala de los centros de datos de IA.
TrendForce, por su parte, pone el foco sobre uno de esos posibles cuellos de botella: la conectividad óptica. La firma proyecta un crecimiento extraordinario de las tecnologías co-packaged optics (CPO) y near-packaged optics (NPO), cuyo mercado podría superar los US$39.000 millones en 2030, frente a unos US$100 millones en 2025. A medida que los clusters incorporen más aceleradores, mover los datos entre ellos será tan importante como procesarlos.
Los tres análisis ayudan a completar la fotografía que comenzó a dibujar Gartner. La carrera de los semiconductores para IA ya no se decide solamente alrededor del procesador. Se disputa en una cadena que incluye cómputo, memoria, redes, óptica, almacenamiento y energía. Para fabricantes, operadores de centros de datos y países que buscan construir capacidades propias de IA, entender esa cadena será tan importante como identificar quién tiene hoy el acelerador más poderoso.
¿Quiénes lideran la carrera por los semiconductores para la IA?