Mientras la inteligencia artificial (IA) sigue transformando diversas industrias, desde vehículos autónomos hasta imágenes médicas y procesamiento de lenguaje en tiempo real, la carrera para suministrar el hardware necesario para soportar estas innovaciones está en pleno desarrollo. Esta competencia no se centra únicamente en el software, sino también en el hardware, específicamente en las GPUs (Unidades de Procesamiento Gráfico) y las TPUs (Unidades de Procesamiento Tensor).
Para los inversores, las expectativas son altas. Los fabricantes de chips que aceleran la demanda de IA están experimentando un crecimiento exponencial, y la pregunta que se planteará en 2025 ya no será acerca de la necesidad de invertir en hardware de IA, sino sobre cuáles chips y empresas liderarán la próxima ola de innovación.
Las GPUs, que fueron originalmente diseñadas para manejar la complejidad gráfica de los videojuegos, se han convertido en el hardware preferido para el entrenamiento de modelos de IA debido a su capacidad para procesar numerosas operaciones de manera simultánea, lo cual es ideal para el aprendizaje profundo. NVIDIA se destaca como el jugador dominante en este sector, gracias a la flexibilidad de sus GPUs y un robusto ecosistema de desarrolladores.
Por otro lado, Google desarrolló las TPUs como circuitos integrados de aplicación específica (ASICs) para optimizar las operaciones de aprendizaje automático, destacándose en eficiencia energética y rapidez en matemáticas matriciales, especializándose en cargas de trabajo de inferencia y modelos desarrollados en TensorFlow. Alphabet, a través de sus servicios de Google Cloud, lidera en este nicho de TPUs.
Según Allied Market Research, se espera que el mercado global de chips de IA alcance un valor de 263 mil millones de dólares para 2031, con un crecimiento anual compuesto del 38.2%. A medida que el mercado de IA madura, la demanda de chips se diversificará entre entrenamiento, inferencia, y aplicaciones en la nube y en el borde, convirtiéndolo en un mercado de oportunidades divididas.
NVIDIA mantiene su liderazgo en el ecosistema de IA gracias a su plataforma CUDA, ampliamente utilizada en el desarrollo de IA. Su dominancia es reflejada en el excepcional rendimiento de sus acciones y en la adopción de sus nuevos productos, como los chips H100 y H200. Además, la integración de IA en el borde a través de plataformas como Jetson y Orin ofrece nuevas oportunidades para la tecnología GPU en sistemas autónomos y robótica.
Mientras tanto, las TPUs y otros ASICs están ganando terreno, con empresas como Google introduciendo innovaciones como la TPUv5e, la cual ofrece eficiencia en costos y rendimiento. Sin embargo, la inversión directa en TPUs está limitada debido a su integración en la oferta de Google Cloud.
Grandes tecnológicas como Amazon, Microsoft, y Tesla también están desarrollando sus propios chips personalizados de IA, buscando reducir su dependencia de NVIDIA y optimizar sus operaciones internas. Aunque estos esfuerzos no desafían significativamente el dominio de las GPUs, representan una tendencia a observar.
Para los inversores que buscan aprovechar el auge del hardware de IA, NVIDIA sigue siendo la opción más clara, mientras que la exposición a TPUs a través de Alphabet está diluida en el contexto más amplio de su negocio. En definitiva, no se trata de elegir entre GPUs o TPUs; se trata de integrar ambos tipos junto con otros actores emergentes en un portafolio diversificado para mantenerse a la vanguardia en la carrera de la IA.
