A fecha de 5 de julio de 2026, la industria de la inteligencia artificial atraviesa un cambio silencioso pero estructural en su base física: las empresas que entrenan y sirven los modelos más grandes del mundo están dejando de depender exclusivamente de Nvidia para el cómputo que sostiene sus productos. La noticia que detona este análisis se conoció el 2 de julio, cuando The Information reportó que Anthropic mantiene conversaciones preliminares con Samsung Electronics para fabricar su primer chip de inteligencia artificial diseñado a medida, utilizando el proceso de fabricación de 2 nanómetros de Samsung Foundry. Medios como Bloomberg, TechTimes y SamMobile confirmaron el reporte en los días siguientes, y para el 4 de julio ya se sabía que Samsung mantiene conversaciones paralelas con Meta por el mismo motivo.

La historia no es aislada. En las últimas dos semanas, OpenAI presentó junto a Broadcom su primer procesador de inferencia propio, bautizado Jalapeño; Meta evalúa trasladar la fabricación de su tercera generación de aceleradores MTIA a Samsung ante la saturación de capacidad en TSMC; y Huawei se prepara para exhibir en la conferencia WAIC de Shanghái (17 al 20 de julio) su clúster Atlas 950 SuperPoD, construido enteramente con chips Ascend fabricados en China. Cuatro compañías, cuatro estrategias distintas, un mismo objetivo: reducir la dependencia de un solo proveedor de hardware para entrenar e inferir con modelos de lenguaje a gran escala.

Este artículo repasa qué se sabe con certeza sobre las conversaciones entre Anthropic y Samsung, por qué el mercado entero se mueve hacia el silicio personalizado, cómo se posicionan los principales actores —incluyendo Nvidia, que todavía concentra la mayor parte del mercado— y qué implicaciones prácticas tiene esto para las empresas que hoy dependen de la nube para ejecutar cargas de IA.

Qué se sabe realmente del acuerdo Anthropic-Samsung

Es importante empezar por lo que no se ha confirmado: ni Anthropic ni Samsung han anunciado oficialmente un acuerdo cerrado. Ante las preguntas de la prensa, Anthropic respondió con una declaración genérica: que una base de hardware diversificada que incluya chips de Google, Amazon y Nvidia "seguirá siendo fundamental" para su estrategia de cómputo, sin confirmar ni desmentir las conversaciones con Samsung. Esto sitúa la noticia en el terreno de un reporte de fuentes bien informadas —el estándar habitual del periodismo especializado en semiconductores— más que en el de un comunicado corporativo verificable de forma independiente.

Dicho esto, los elementos que sí están respaldados por múltiples fuentes son:

  • El proceso de fabricación objetivo es de 2 nanómetros, el nodo más avanzado que ofrece actualmente Samsung Foundry, comparable en generación al que utiliza TSMC para sus clientes de gama alta.
  • El antecedente es de abril de 2026, cuando Reuters reportó por primera vez que Anthropic evaluaba desarrollar chips propios ante la escasez de capacidad de cómputo disponible en el mercado.
  • Anthropic contrató en junio de 2026 a Clive Chan, ingeniero proveniente del equipo de hardware de OpenAI, como el segundo fichaje conocido de su incipiente equipo de silicio.
  • La relación financiera entre ambas empresas ya existe: en mayo de 2026, Anthropic cerró una ronda Serie H de 65,000 millones de dólares que valoró a la compañía en 965,000 millones, con Samsung, SK Hynix y Micron como socios estratégicos de infraestructura, además de inversores financieros tradicionales.
  • Anthropic planea invertir cerca de 50,000 millones de dólares en centros de datos con capacidad combinada de 1 gigavatio, de los cuales aproximadamente la mitad se destinaría a hardware: chips personalizados (ASIC), memoria DRAM y almacenamiento NAND.

En conjunto, esto describe una empresa en fase exploratoria de diseño de silicio propio, con relaciones financieras y de talento que hacen plausible un acuerdo de fabricación, pero sin especificaciones técnicas, cronograma de producción ni volumen de pedidos confirmados todavía.

Por qué todas las empresas de IA quieren su propio chip

Para entender por qué esta noticia importa más allá del caso puntual de Anthropic, hay que mirar la estructura económica del mercado de cómputo para IA.

Nvidia mantiene alrededor del 70% del mercado de chips para IA, según estimaciones de analistas de semiconductores citadas por Tom's Hardware, con márgenes brutos que durante 2025 y 2026 se han mantenido consistentemente por encima del 70%. Ese margen es, en esencia, el costo de oportunidad que cualquier empresa que compre GPUs Nvidia a gran escala está pagando. Para compañías cuyo gasto en cómputo se mide en miles de millones de dólares al año, diseñar un chip propio —aunque sea significativamente más limitado en flexibilidad que una GPU de propósito general— puede traducirse en ahorros sustanciales si el volumen de uso justifica la inversión de diseño.

A esto se suma un segundo factor: la escasez de capacidad de fabricación. TSMC produce aproximadamente el 92% de los chips de IA avanzados de 7 nanómetros o menos, y su capacidad en los nodos más punteros está comprometida con clientes como AMD, Apple, MediaTek, Nvidia y Qualcomm. Meta, por ejemplo, está evaluando trasladar la fabricación de su chip MTIA de tercera generación a Samsung precisamente porque no consigue el volumen que necesita en TSMC. Samsung Foundry, con capacidad disponible en su proceso de 2nm y una oferta combinada de fabricación de lógica más memoria, se presenta como una alternativa viable para las empresas que quedan fuera de la cola de TSMC.

Un tercer factor es la especialización de carga de trabajo. Una GPU Nvidia es, por diseño, de propósito general: sirve tanto para entrenar modelos como para renderizar gráficos, ejecutar simulaciones científicas o correr videojuegos. Un ASIC (circuito integrado de aplicación específica) diseñado solo para inferencia de modelos de lenguaje puede eliminar todo el silicio que no se usa en ese caso concreto, lo que se traduce en mejor rendimiento por vatio. Broadcom, socio de fabricación de varios de estos proyectos, calcula que su acumulado de pedidos de IA (backlog) ya supera los 73,000 millones de dólares, con el objetivo declarado de alcanzar 100,000 millones en ingresos anuales por chips de IA hacia 2027. Como referencia de la escala de estos compromisos, la propia Broadcom describe una plataforma de infraestructura —denominada AI XPV— que proyecta entregar unos 20 gigavatios de capacidad de cómputo en los próximos dos años, combinando sus chips y servicios de red para clientes de la magnitud de Anthropic y OpenAI.

Un cuarto factor, más técnico, tiene que ver con la arquitectura misma del chip. Una GPU moderna dedica una parte relevante de su superficie de silicio a unidades de cómputo de propósito general, gestión de memoria flexible y soporte para una enorme variedad de operaciones que la mayoría de las cargas de inferencia de modelos de lenguaje nunca utiliza. Un ASIC de inferencia, en cambio, se diseña alrededor de un patrón de cómputo conocido de antemano —por ejemplo, las operaciones de atención y multiplicación de matrices que dominan la arquitectura transformer— lo que permite dedicar más área de silicio a memoria de alto ancho de banda y menos a lógica que no se va a usar. Esa especialización es la que explica las ganancias de eficiencia energética que compañías como Google, Amazon y Broadcom reportan para sus respectivos chips, aunque —como se detalla más adelante— esas cifras todavía provienen mayormente de las propias empresas interesadas.

Análisis por actor: quién está haciendo qué

OpenAI y Broadcom: Jalapeño ya tiene fecha

OpenAI llegó primero a la fase de producto. El 24 de junio de 2026, junto con Broadcom, presentó Jalapeño, su primer procesador de inferencia diseñado a medida. A diferencia de Anthropic, que apenas está en conversaciones preliminares, OpenAI ya tiene muestras de ingeniería del chip funcionando en laboratorio a la frecuencia y potencia objetivo de producción, incluyendo cargas de trabajo reales como GPT-5.3-Codex-Spark. El diseño llegó a tape-out (el paso final antes de enviar el diseño a fabricación) en apenas nueve meses, un ciclo de desarrollo inusualmente rápido para un chip de este tamaño. Hock Tan, CEO de Broadcom, afirmó públicamente que Jalapeño ofrecerá alrededor de 50% de ahorro de costo frente a las GPU de Nvidia actuales, aunque esa cifra —al igual que las afirmaciones de rendimiento por vatio— proviene de las propias compañías involucradas y todavía no cuenta con benchmarks independientes publicados. El despliegue está previsto para finales de 2026, en centros de datos a escala de gigavatio desarrollados junto con Microsoft y otros socios.

Google y Amazon: los pioneros con ventaja de tiempo

Google y Amazon llevan varios años de ventaja en este terreno. La TPU v6e "Trillium" de Google ya está disponible de forma general en Google Cloud a 2.70 dólares por hora de cómputo, con un rendimiento por precio hasta cuatro veces superior al de instancias basadas en GPU H100 para cargas de trabajo de modelos de lenguaje, según comparativas de la propia industria. Amazon, por su parte, anunció en diciembre de 2025 su chip Trainium4, con disponibilidad esperada entre finales de 2026 y comienzos de 2027, prometiendo el triple de rendimiento en FP8, seis veces más throughput en FP4 y cuatro veces más ancho de banda de memoria que su generación anterior. Ambas compañías tienen algo que ni Anthropic ni OpenAI poseen todavía: años de iteración de hardware en producción real, con generaciones sucesivas de chips ya probadas a escala.

Meta: de TSMC a Samsung por falta de capacidad

El caso de Meta es el más directo en cuanto a motivación. La compañía busca fabricar la tercera generación de su acelerador MTIA (Meta Training and Inference Accelerator) en Samsung, en un contrato que podría superar los 6,540 millones de dólares en pedidos, después de que sus dos primeras generaciones fueran fabricadas por TSMC. La razón declarada es simple: la capacidad de fabricación avanzada de TSMC está completamente reservada por clientes como AMD, Apple, MediaTek, Nvidia y Qualcomm. Meta planea centros de datos de IA con 5 gigavatios de capacidad combinada hacia 2030 y aspira a lanzar una nueva generación de chip cada seis meses, un ritmo que exige diversificar proveedores de fabricación.

Huawei: la vía de la autosuficiencia forzada

Huawei representa una estrategia distinta, nacida de una restricción distinta: las sanciones de exportación de Estados Unidos que le bloquean el acceso a los chips de Nvidia y a la fabricación de TSMC. En lugar de negociar con un fabricante externo de punta, Huawei ha construido una cadena de valor completa dentro de China, desde el diseño de sus chips Ascend hasta su fabricación con SMIC. Para 2026, Huawei prevé duplicar la producción de su chip Ascend 910C hasta unas 600,000 unidades, y en la conferencia WAIC de Shanghái, entre el 17 y el 20 de julio, mostrará su clúster Atlas 950 SuperPoD, con hasta 8,192 chips Ascend 950DT interconectados —veinte veces más NPUs que su generación anterior, el Atlas 900 A3—. Huawei afirma que el superclúster resultante (Atlas 950 SuperCluster) superará en unidades de procesamiento y potencia de cómputo al Colossus de xAI, hasta ahora el clúster de cómputo más grande del mundo. Sobre esta infraestructura, Huawei ya ha entrenado modelos como Pangu Ultra MoE, de 718,000 millones de parámetros, usando más de 6,000 NPUs Ascend: el mayor entrenamiento documentado hasta la fecha realizado exclusivamente con hardware chino.

La comparación es reveladora: mientras Anthropic, OpenAI y Meta buscan silicio personalizado para reducir costos y depender menos de un proveedor dominante dentro de un mercado global abierto, Huawei lo hace por necesidad de continuidad operativa ante el bloqueo comercial. Son dos versiones del mismo fenómeno —la fragmentación del mercado de cómputo de IA— con motivaciones geopolíticas opuestas.

Nvidia: todavía domina, pero el terreno se mueve

Ninguno de estos movimientos implica que Nvidia esté en declive inmediato. La compañía sigue concentrando cerca del 70% del mercado de chips para IA y su plataforma Rubin, presentada en enero de 2026, ya está en producción plena, con una reducción de hasta 10 veces en el costo de token de inferencia y 4 veces menos GPUs necesarias para entrenar modelos de tipo mezcla de expertos (MoE) frente a la generación Blackwell. Lo que cambia no es la posición actual de Nvidia, sino la trayectoria: analistas de la industria proyectan que los ASIC personalizados pasarán de una fracción menor del mercado de servidores de IA a cerca del 27.8% hacia 2026, con un crecimiento interanual de 44.6%, muy por encima del crecimiento de las GPU de propósito general. Nvidia sigue siendo, con diferencia, el proveedor dominante; pero por primera vez enfrenta una competencia estructural y simultánea de prácticamente todos sus clientes más grandes.

La reacción del mercado y el ascenso de Samsung Foundry

La noticia tuvo un efecto inmediato y medible en los mercados bursátiles. El mismo 2 de julio, tras la publicación del reporte de The Information, las acciones de un grupo amplio de fabricantes de semiconductores y componentes cayeron en la sesión: ASML, Micron, SanDisk, Western Digital, Seagate, Intel, Nvidia, AMD y el propio Broadcom cotizaron a la baja durante la jornada. La lectura de los analistas fue directa: si Anthropic —uno de los mayores compradores de cómputo de IA del mundo— reduce su dependencia de proveedores establecidos, eso presiona los ingresos futuros de toda la cadena de suministro actual, empezando por Nvidia, cuya cuota de mercado en chips de IA se estima entre 70% y 74% según la fuente consultada.

El otro lado de esa misma reacción es Samsung, cuyas acciones se beneficiarían de cualquier acuerdo de fabricación confirmado. Vale la pena entender por qué Samsung Foundry, un actor tradicionalmente secundario frente a TSMC, se ha convertido en una alternativa creíble en 2026. Según datos de TrendForce, TSMC controlaba 70.4% del mercado global de fabricación por encargo (foundry) en el cuarto trimestre de 2025, frente a apenas 6.8% de Samsung — una diferencia enorme que durante años hizo de TSMC la opción por defecto para cualquier chip de IA de punta. Lo que cambió no fue la cuota de Samsung, sino la disponibilidad de TSMC: su capacidad de proceso avanzado de 2 nanómetros está reservada por completo hasta 2028, saturada por la demanda combinada de Nvidia, AMD, Apple, Qualcomm y MediaTek. Eso convierte a Samsung, casi por descarte, en la única alternativa de fabricación de punta disponible a corto plazo para cualquier empresa que quiera producir un chip de 2nm sin esperar años en fila.

Samsung, además, ha invertido en mejorar la calidad de ese proceso. De acuerdo con TrendForce, la primera generación del proceso de 2nm de Samsung (basado en arquitectura de transistores GAA, gate-all-around) ya alcanza tasas de rendimiento de fabricación (yield) de entre 55% y 60%, una cifra que hace apenas un año se consideraba insuficiente para producción comercial a gran escala, y que ubica a Samsung en una posición razonable para competir por contratos que antes habría descartado sin discusión. Esa mejora de rendimiento es la que explica que, además de Anthropic, Samsung mantenga conversaciones simultáneas con Meta, con AMD para chips de diseño propio, y que Google esté evaluando fabricar parte de una futura generación de su TPU también en instalaciones de Samsung. Ninguna de estas conversaciones garantiza un contrato firmado, pero en conjunto describen un cambio real en el mapa de proveedores de fabricación avanzada, concentrado hasta ahora en un solo actor.

Qué significa esto para las empresas

Para la inmensa mayoría de las empresas —incluidas las que operan en mercados como Centroamérica— este movimiento no implica una decisión de compra inmediata. Ninguna compañía fuera de un puñado de hiperescaladores va a diseñar su propio ASIC: el costo de entrada (equipos de diseño de silicio, acuerdos de fabricación multianuales, validación a escala) solo se justifica con un volumen de cómputo que pocas organizaciones alcanzan.

Sin embargo, hay implicaciones indirectas relevantes:

  • Presión a la baja sobre precios de cómputo en la nube. Si Google, Amazon, Meta, OpenAI y eventualmente Anthropic logran reducir su costo de inferencia mediante silicio propio, parte de ese ahorro terminará reflejándose en el precio de las API y los servicios de IA que consumen las empresas, de forma similar a como ya ocurre con las instancias basadas en TPU de Google, más baratas por unidad de rendimiento que las basadas en GPU.
  • Menor riesgo de concentración de proveedor a nivel de la industria. Una base de cómputo más diversa reduce el riesgo sistémico de que un solo evento —una restricción de exportación, un problema de suministro, una subida de precios— afecte a todo el mercado de IA al mismo tiempo. Esto es relevante para cualquier empresa que dependa de un proveedor de nube para sus cargas de IA en producción.
  • Fragmentación técnica a vigilar. Cada ASIC personalizado (TPU, Trainium, MTIA, Jalapeño, y eventualmente un chip de Anthropic) tiene su propia pila de software y sus propias limitaciones de compatibilidad. Las empresas que construyen sobre estas plataformas deben prestar atención a qué tan portable es su código entre proveedores, para evitar quedar atadas a una arquitectura de hardware específica de la misma forma en que hoy muchas dependen del ecosistema CUDA de Nvidia.
  • Los anuncios de "conversaciones" no son productos. Vale la pena que los equipos de tecnología distingan entre una noticia sobre negociaciones preliminares (como el caso Anthropic-Samsung) y un producto en producción (como el caso Jalapeño de OpenAI, ya con muestras de ingeniería funcionando). El primero puede no materializarse nunca; el segundo tiene un cronograma de despliegue concreto.

Limitaciones y lo que todavía no sabemos

Es importante mantener el escepticismo proporcional al estado real de la información:

  • No existe confirmación oficial de un acuerdo entre Anthropic y Samsung. Todo lo reportado proviene de fuentes anónimas citadas por The Information y confirmadas por medios secundarios, un patrón habitual en el periodismo de semiconductores, pero que no equivale a un comunicado verificable de ambas empresas.
  • Diseñar un chip de IA competitivo toma años, no meses. Incluso Jalapeño, el caso más avanzado de este grupo, tardó nueve meses solo en llegar a tape-out después de que OpenAI decidiera construirlo, y su despliegue en producción real todavía está pendiente para finales de 2026. Un eventual chip de Anthropic, si las conversaciones con Samsung avanzan, probablemente no vería producción antes de 2027 o 2028.
  • Las cifras de rendimiento y ahorro de costos provienen de las propias empresas involucradas. Las afirmaciones de Broadcom sobre el ahorro de 50% frente a GPUs Nvidia, o las comparativas de rendimiento por vatio de cualquiera de estos chips, no han sido validadas todavía por benchmarks independientes de terceros.
  • El foso de software de Nvidia sigue siendo real. CUDA, el ecosistema de herramientas de Nvidia, tiene más de 15 años de desarrollo y una base de código y de talento entrenado que ningún ASIC personalizado replica de la noche a la mañana. Migrar cargas de trabajo de producción de GPU a un ASIC propio implica reescribir kernels, reentrenar equipos y asumir riesgo operativo, un costo que no siempre se refleja en los anuncios de estos proyectos.
  • La capacidad de fabricación de 2nm es limitada incluso en Samsung. Si Anthropic, Meta y otros clientes compiten por la misma capacidad de proceso avanzado de Samsung Foundry, es probable que se repita —a menor escala— el mismo problema de saturación que hoy afecta a TSMC.

Preguntas frecuentes

¿Anthropic ya tiene un chip de IA propio?

No. Al 5 de julio de 2026, lo único confirmado son conversaciones preliminares con Samsung para explorar la fabricación de un chip en proceso de 2 nanómetros. No hay diseño finalizado, cronograma de producción ni volumen de pedidos anunciados.

¿En qué se diferencia esto de lo que ya hizo OpenAI con Jalapeño?

OpenAI está varios pasos por delante: ya presentó el chip junto a Broadcom, tiene muestras de ingeniería funcionando en laboratorio con cargas de trabajo reales, y un cronograma de despliegue para finales de 2026. Anthropic, en cambio, se encuentra en la fase de negociación de un socio de fabricación, sin diseño de chip público todavía.

¿Esto significa que Nvidia va a perder el mercado de IA?

No en el corto plazo. Nvidia conserva alrededor del 70% del mercado de chips de IA y su plataforma Rubin está en plena producción con mejoras sustanciales de eficiencia. Lo que cambia es que, por primera vez, prácticamente todos sus mayores clientes desarrollan simultáneamente alternativas propias, lo que erosionará gradualmente esa cuota en los próximos años, no de forma inmediata.

¿Por qué Samsung y no TSMC?

Porque la capacidad de fabricación avanzada de TSMC en los nodos más punteros está comprometida con clientes existentes como AMD, Apple, MediaTek, Nvidia y Qualcomm. Samsung Foundry ofrece capacidad disponible en su proceso de 2nm, además de una oferta combinada de fabricación de lógica y memoria (DRAM y NAND) que resulta atractiva para compañías que necesitan ambos componentes para sus centros de datos de IA.

¿Qué relación tiene esto con Huawei y los chips Ascend?

Ninguna relación directa, pero sí temática: ambos casos reflejan la misma tendencia de fragmentación del mercado de cómputo de IA, aunque por razones distintas. Anthropic, OpenAI y Meta buscan reducir costos y dependencia de un proveedor dominante dentro de un mercado global abierto; Huawei construye su propia cadena de silicio (diseño Ascend, fabricación con SMIC) porque las sanciones de exportación le impiden acceder a los chips y la fabricación que usan sus competidores occidentales.

Fuentes oficiales recomendadas

anthropic
samsung
nvidia
openai
huawei
chips ia
semiconductores
hardware ia
broadcom
inteligencia artificial
Volver al Blog