NVIDIA registró 10.300 millones de dólares en ingresos de su segmento de Centros de Datos en el segundo trimestre de 2023, más del doble que en el trimestre anterior y casi tres veces la suma combinada de AMD e Intel en ese mismo período. El salto deja claro que la demanda de GPUs para IA generativa ha convertido a NVIDIA en el proveedor dominante del mercado de chips para aceleración computacional.
Los números que separan a NVIDIA del resto
Las tres compañías reportan ingresos de su segmento de Centros de Datos (no el de chips de IA de forma aislada), que incluye CPUs (Unidades de Procesamiento Central), DPUs (Unidades de Procesamiento de Datos) y GPUs (Unidades de Procesamiento Gráfico). Las GPUs son las preferidas para cargas de trabajo de IA porque ejecutan muchas operaciones matriciales en paralelo con alta eficiencia energética por operación.
Ingresos trimestrales del segmento de Centros de Datos (en miles de millones de USD)
| Empresa | Q2 2021 | Q3 2021 | Q4 2021 | Q1 2022 | Q2 2022 | Q3 2022 | Q4 2022 | Q1 2023 | Q2 2023 |
|---|---|---|---|---|---|---|---|---|---|
| NVIDIA | $2,4B | $2,9B | $3,3B | $3,8B | $3,8B | $3,8B | $3,6B | $4,3B | $10,3B |
| AMD | $0,8B | $1,1B | $1,2B | $1,3B | $1,5B | $1,6B | $1,7B | $1,3B | $1,3B |
| Intel | $5,7B | $5,9B | $6,7B | $6,1B | $4,7B | $4,4B | $4,6B | $3,7B | $4,0B |
NVIDIA ha cuadruplicado sus ingresos de datacenter en dos años y acumula más del 70% de la cuota de mercado estimada para chips de IA. El salto de $4.300 millones en Q1 2023 a $10.300 millones en Q2 2023 coincide con la popularización de ChatGPT y el incremento masivo en la demanda de infraestructura para inferencia y entrenamiento de grandes modelos de lenguaje (LLM).
AMD: ventaja en memoria, pero muy por detrás en cuota
AMD anunció el MI300X con 192 GB de memoria HBM, frente a los 141 GB del chip GH200 de NVIDIA. Tener más memoria en el acelerador es una ventaja en modelos muy grandes que no caben en un solo dispositivo: reduce la necesidad de paralelismo entre chips y simplifica la configuración del clúster. Pero en Q2 2023 los ingresos de datacenter de AMD se mantuvieron en $1.300 millones, sin crecimiento apreciable respecto a los trimestres anteriores.
AMD aún no había lanzado el MI300X al mercado en ese momento; el anuncio era de hoja de ruta. La pregunta real era si el ecosistema de software (ROCm frente a CUDA) permitiría a los equipos de IA cambiar de proveedor sin un coste de migración excesivo.
Intel: caída de ingresos y sin cuota relevante en IA
Intel ha visto caer sus ingresos de datacenter desde un máximo de $6.700 millones en Q4 2021 hasta $4.000 millones en Q2 2023. Su acelerador Gaudi (previamente Habana Labs) existe, pero tiene una presencia mínima en los despliegues de modelos de IA a gran escala. El procesador Sapphire Rapids sufrió retrasos por diseño complejo y varios errores, lo que dañó la confianza de algunos clientes de centro de datos.
Por qué NVIDIA domina: CUDA y el efecto de red
El factor diferencial de NVIDIA no es solo la GPU en sí, sino CUDA, su plataforma de programación paralela. La mayor parte de los frameworks de IA (TensorFlow, PyTorch, JAX) están altamente optimizados para CUDA, y los equipos de investigación llevan más de una década construyendo sobre ese ecosistema. Cambiar de proveedor implica reoptimizar modelos y pipelines, lo que tiene un coste en tiempo y personal que pocas organizaciones quieren asumir.
Se estima que ChatGPT corría sobre 10.000 chips A100 de NVIDIA, lo que supone una factura de hardware de alrededor de 100 millones de dólares. A medida que se despliegan más modelos en producción, la infraestructura de inferencia se convierte en uno de los mercados de mayor crecimiento en el sector tech. La visión de NVIDIA sobre los centros de datos como fábricas de inteligencia refleja exactamente esta transformación del mercado.
Infografía de Visual Capitalist.
Preguntas frecuentes
¿Por qué se usan GPUs para IA en lugar de CPUs?
Las GPUs tienen miles de núcleos pequeños diseñados para operaciones matriciales en paralelo, que son el tipo de cálculo que domina el entrenamiento e inferencia de redes neuronales. Las CPUs tienen menos núcleos pero más potentes y versatiles, lo que las hace mejores para tareas secuenciales y de propósito general.
¿Qué ventaja tiene el chip MI300X de AMD sobre NVIDIA?
El MI300X anunciado por AMD en 2023 ofrece 192 GB de memoria HBM frente a los 141 GB del GH200 de NVIDIA. Más memoria permite alojar modelos más grandes en un solo chip y reduce la necesidad de paralelismo entre múltiples aceleradores.
¿Por qué Intel ha perdido terreno en el mercado de chips para IA?
Intel no tiene una plataforma de software equivalente a CUDA de NVIDIA ni un acelerador de IA competitivo a escala de datacenter. Su línea Gaudi existe pero con adopción limitada. Además, Sapphire Rapids sufrió retrasos que afectaron a su posición en servidores de alto rendimiento.
¿Qué cuota de mercado tiene NVIDIA en chips de IA?
Según estimaciones de analistas recogidas en los informes de Q2 2023, NVIDIA acumula más del 70% de la cuota de mercado en aceleradores para IA. Sus chips H100 y A100 son los más utilizados en centros de datos para entrenamiento e inferencia de LLM.
¿Cuál es el papel de CUDA en el dominio de NVIDIA?
CUDA es la plataforma de programación paralela de NVIDIA, a la que están optimizados PyTorch, TensorFlow y la mayoría de frameworks de IA. Ese ecosistema acumulado durante más de una década hace que cambiar de proveedor de GPU requiera un esfuerzo de migración considerable.
