Las empresas prefieren probar chips que no son de Nvidia: 14 puntos de ventaja

Cuando las empresas preparan su próxima lista de candidatos para aceleradores de IA, los chips que no son de Nvidia se han colado por delante de las GPUs de última generación del gigante. Según la encuesta VB Pulse de VentureBeat de julio, realizada a 170 responsables de infraestructura de IA, un 39,4% de los encuestados afirma que es probable que evalúe aceleradores de la competencia —como AWS Trainium, Google TPU, AMD Instinct, Intel Gaudi o ASICs propios— en los próximos 12 meses. En cambio, solo un 25,3% se plantea mirar de cerca la Blackwell de Nvidia (GB300) u otras GPUs de nueva generación. Es una diferencia de 14 puntos que habla de un cambio de mentalidad: Nvidia sigue siendo la opción por defecto en la mayoría de los entornos de producción, pero las organizaciones ya no la tratan como la única evaluación que merece la pena hacer.

Ese dato se enmarca en un patrón más amplio: las empresas están ampliando y optimizando la infraestructura de IA que ya tienen antes de dar el salto a otra plataforma. De hecho, más actividad no significa más urgencia por cambiar. La proporción de encuestados que esperaba un cambio de plataforma en menos de tres meses cayó del 38,3% en junio al 28,8% en julio, justo cuando la adopción en producción, la utilización de los aceleradores y la exploración de neoclouds e infraestructura de código abierto subían. Es decir, el foco está en sacar más partido a lo que ya hay, no en revolucionarlo todo.

¿Dónde está creciendo realmente la infraestructura de IA? En Azure, sobre todo. La proporción de encuestados que reportan Azure en producción saltó del 29% en junio al 47,1% en julio, un aumento de 18,1 puntos. Eso sí, parte del salto se debe a que la muestra de julio estaba más sesgada hacia empresas grandes (57% con más de 1.000 empleados, frente al 37% de junio), y la adopción de Azure crece con el tamaño de la compañía. Gemini, de Google, fue la plataforma más usada en ambas oleadas, con un 47,6% en producción en julio, justo por delante de Azure. OpenAI subió del 40,2% al 49,4% y Anthropic del 12,1% al 24,7%. Además, entre las empresas que operan sus propias GPUs, el porcentaje que las usaba a media capacidad o menos cayó del 83% al 69%, y la utilización por encima del 50% subió del 13% al 23%. La eficiencia se mide cada vez más por la fiabilidad: el porcentaje que considera el tiempo de actividad y la fiabilidad como medidas importantes pasó del 42,1% al 51,2%.

La urgencia por cambiar de plataforma se está desplazando hacia fuera, y los criterios de selección lo confirman. La integración con la nube y la pila de datos existente sigue siendo el factor número uno (40% en julio), pero el peso de la rentabilidad pura y dura cayó: el porcentaje que priorizaba el coste total de propiedad bajó del 34,6% al 21,8%. En cambio, el rendimiento subió del 24,3% al 35,3% y el coste por millón de tokens pasó del 7,5% al 15,9%. El mercado se está moviendo de la planificación general de infraestructura hacia un escrutinio a nivel de carga de trabajo: los compradores quieren saber cómo rinde una plataforma en inferencia de producción, cuán fiable es y cuánto cuesta cada unidad de trabajo útil. Y ese interés por las alternativas a Nvidia se concentra en la cúpula: entre los directivos con autoridad estratégica de compra, la probabilidad de evaluar aceleradores no-Nvidia subió del 42,9% al 57,1%, y entre los decisores finales, del 35,4% al 50%. También en las pymes: en empresas de 251 a 1.000 empleados, el interés pasó del 41,4% al 53,2%, y en las de 101 a 250, del 33,3% al 57,7%. La diversidad de aceleradores se está convirtiendo en una cuestión estratégica, no solo técnica.