AWS está intensificando su apuesta por los chips propios para inteligencia artificial. Según fuentes de cadena de suministro citadas por medios asiáticos, Amazon Web Services habría elevado entre un 20 % y un 30 % su objetivo de envíos de servidores con Trainium 3 para el tercer trimestre. La lectura del sector es clara: no se trata solo de ajustar previsiones, sino de adelantar pedidos para asegurar capacidad y capturar cuota en un mercado donde la infraestructura de IA se ha convertido en el principal cuello de botella.

La información encaja con señales públicas que Amazon lleva meses dejando sobre la mesa. Andy Jassy, consejero delegado de Amazon, afirmó en abril que Trainium 3 había empezado a enviarse a comienzos de 2026, que ofrecía entre un 30 % y un 40 % mejor relación precio-rendimiento que Trainium 2 y que estaba casi completamente comprometido. También señaló que buena parte de Trainium 4, todavía a unos 18 meses de disponibilidad amplia, ya estaba reservada.

El movimiento llega en un momento en el que los grandes proveedores cloud ya no quieren depender únicamente de GPU generalistas, por muy potentes que sean. NVIDIA sigue dominando el mercado de aceleradores de IA, pero AWS, Google, Microsoft y Meta están empujando sus propios ASIC para reducir costes, asegurar suministro y adaptar el hardware a sus cargas internas.

Trainium deja de ser una alternativa secundaria

Trainium nació como una apuesta de AWS por construir silicio propio para entrenamiento e inferencia de modelos de IA. Durante años, estos chips fueron vistos como una opción de coste para clientes muy integrados en AWS, pero no necesariamente como una amenaza directa al ecosistema GPU. Esa percepción está cambiando.

Amazon presenta Trainium como un acelerador diseñado para mejorar la economía de las cargas de IA a escala, no solo como un chip aislado. La compañía insiste en que su ventaja está en el diseño conjunto de chip, servidor, red, software y servicios cloud, con Neuron SDK, EFA, Nitro, Graviton y SageMaker HyperPod como parte del mismo sistema.

La generación Trainium 3 ha reforzado esa narrativa. AWS anunció los Trn3 UltraServers con hasta 144 chips Trainium 3, hasta 362 FP8 PFLOPS, 4,4 veces más rendimiento de cómputo, 4 veces más eficiencia energética y casi 4 veces más ancho de banda de memoria frente a Trainium 2 UltraServers. También destacó que Bedrock ya sirve cargas de producción sobre Trainium 3.

El dato comercial pesa tanto como el técnico. Si Trainium 2 está prácticamente agotado, Trainium 3 casi reservado y Trainium 4 empieza a acumular demanda antes de llegar al mercado, AWS ya no está vendiendo solo una promesa. Está intentando construir una cadena de capacidad propia para clientes que necesitan miles de millones de tokens, entrenamiento continuo e inferencia a gran escala.

Anthropic, OpenAI y Uber empujan la demanda

El gran cliente que aparece detrás de buena parte de la presión es Anthropic. En abril, Anthropic y Amazon ampliaron su colaboración con un compromiso de más de 100.000 millones de dólares en tecnologías de AWS durante diez años y hasta 5 GW de nueva capacidad para entrenar y ejecutar Claude. Ese compromiso cubre generaciones actuales y futuras de Graviton y Trainium, desde Trainium 2 hasta Trainium 4.

Amazon, por su parte, presentó la operación como una validación de su silicio propio. Jassy defendió entonces que el compromiso de Anthropic de ejecutar sus grandes modelos en AWS Trainium durante la próxima década reflejaba el avance conjunto en chips personalizados para IA.

OpenAI también aparece en la ecuación. La compañía anunció en febrero una ampliación de su acuerdo con AWS por 100.000 millones de dólares durante ocho años, con un compromiso de consumir aproximadamente 2 GW de capacidad Trainium a través de infraestructura de AWS, incluyendo Trainium 3 y Trainium 4.

Uber añade otro perfil de cliente. La compañía está ampliando su uso de AWS con Graviton 4 para cargas de baja latencia en su plataforma y con Trainium 3 para entrenar modelos de IA que alimentan sus aplicaciones.

La combinación es relevante porque no hablamos de un único tipo de carga. Anthropic y OpenAI representan modelos frontera y consumo masivo de capacidad. Uber representa workloads operativos, predicción y personalización en tiempo real. Bedrock, con más de 125.000 clientes según Amazon, añade la capa empresarial de inferencia gestionada.

Taiwán entra en la fase de rampa

El aumento de objetivos de AWS también se está leyendo como una buena noticia para la cadena de suministro taiwanesa. Según la información recogida por Futunn a partir de fuentes de suministro, los componentes a nivel de placa base para servidores Trainium 3 empezaron a enviarse en mayo y están aumentando mes a mes. Los pedidos a nivel de armario y los componentes de raíles entrarían en producción masiva en julio, con una subida más fuerte prevista para el tercer trimestre.

La lista de posibles beneficiarios incluye proveedores de gestión térmica como Dynatron, Maxco y Sunon, fabricantes de chasis como Chenbro y ensambladores de nivel L6 como Accton Technology. También aparecen proveedores de raíles y componentes mecánicos como Chuang Hu y Nan Jyun.

Este punto es importante porque la infraestructura de IA ya no se decide solo en el chip. Cada generación de servidores acelerados exige más placas avanzadas, mejores materiales, integración térmica, refrigeración líquida o híbrida, chasis adaptados, raíles reforzados, cableado, fuentes de alimentación, montaje a nivel de rack y validación de sistema.

Cuando AWS adelanta o eleva pedidos, el efecto se reparte por toda esa cadena. Un 20 % o 30 % más de envíos no solo significa más ASIC. Significa más componentes mecánicos, más capacidad de ensamblaje, más presión sobre proveedores de refrigeración y más trabajo para los ODM que integran sistemas completos.

La batalla ASIC frente a GPU se acelera

La subida de pedidos de Trainium 3 coincide con un cambio más amplio en el mercado. DIGITIMES Research prevé que en 2026 los envíos de servidores ASIC crezcan un 64,2 % interanual, frente al 43,8 % de los servidores GPU. La GPU seguirá siendo dominante en valor y madurez de software, pero el crecimiento relativo de los ASIC será mayor porque los hyperscalers están llevando sus diseños propios a producción.

Google ha demostrado durante años el valor de las TPU en cargas internas y clientes cloud. AWS quiere que Trainium ocupe un papel equivalente dentro de su ecosistema. Microsoft tiene su propia línea Maia y Meta está acelerando MTIA. La lógica es común: quien controla el cloud, las cargas y parte del software puede diseñar un chip más ajustado a sus necesidades que una solución generalista.

Eso no elimina a NVIDIA. De hecho, AWS seguirá comprando y vendiendo infraestructura con GPU de NVIDIA porque muchos clientes dependen de CUDA, del ecosistema existente y de la disponibilidad de modelos y librerías. Pero sí cambia la negociación. Si Trainium puede cubrir una parte creciente de inferencia y entrenamiento a menor coste por token, AWS reduce dependencia, mejora márgenes y ofrece a sus clientes otra vía de capacidad.

La competencia no será solo rendimiento bruto. Será coste por token, disponibilidad, eficiencia energética, facilidad de migración, soporte de frameworks, estabilidad del software Neuron, escala de red, tiempo de espera para reservar capacidad y precio final en servicios gestionados. En IA empresarial, esas variables pueden pesar más que el benchmark más llamativo.

Qué debe observar el mercado

El primer indicador será la rampa real en el segundo semestre. Si la cadena taiwanesa confirma incrementos sostenidos de componentes L6 y L11, el mensaje será que Trainium 3 está entrando en producción de volumen, no solo en despliegues selectivos.

El segundo será la adopción fuera de los clientes ancla. Anthropic, OpenAI y Uber dan credibilidad, pero AWS necesita que más empresas usen Trainium de forma natural en Bedrock, SageMaker y cargas propias. La barrera principal será software: cuanto más transparente sea moverse desde GPU a Trainium, más fácil será que la promesa económica se convierta en consumo real.

El tercero será Trainium 4. Si buena parte de su capacidad ya está reservada antes de su disponibilidad amplia, AWS podría verse tentada a acelerar su calendario. Eso presionaría aún más a la cadena de suministro, pero también reforzaría su posición frente a Google TPU y a las próximas generaciones de NVIDIA y AMD.

La IA ha convertido el hardware en una guerra de capacidad. Los modelos necesitan más cómputo, los clientes necesitan precios más bajos y los cloud quieren controlar más capas de la infraestructura. Trainium 3 es una respuesta directa a ese problema. Si la subida de pedidos se confirma, también será una señal de que el mercado de ASIC para IA entra en una fase mucho más seria.

Preguntas frecuentes

¿Qué es AWS Trainium 3?
Es la tercera generación de chips de IA diseñados por AWS para entrenamiento e inferencia de modelos, integrados en servidores y servicios cloud propios.

¿Por qué AWS habría elevado los pedidos de servidores Trainium 3?
Según fuentes de cadena de suministro, por una demanda más fuerte de lo previsto y por la necesidad de adelantar capacidad para clientes como Anthropic, OpenAI, Uber y usuarios empresariales de Bedrock.

¿Qué empresas pueden beneficiarse en Taiwán?
Proveedores de refrigeración, chasis, raíles, placas y ensamblaje como Dynatron, Maxco, Sunon, Chenbro, Accton, Chuang Hu y Nan Jyun, según fuentes de cadena de suministro.

¿Trainium sustituye a las GPU de NVIDIA?
No de forma inmediata. NVIDIA mantiene una posición dominante, pero Trainium permite a AWS cubrir parte de las cargas de IA con silicio propio y reducir dependencia en determinados escenarios.

¿Por qué crecen los ASIC de IA?
Porque los grandes cloud pueden diseñar chips ajustados a sus propias cargas, mejorar costes, asegurar suministro y diferenciar sus servicios frente a competidores.