Broadcom ha presentado VMware AI Factory, una nueva capa de infraestructura y servicios sobre VMware Cloud Foundation (VCF) destinada a desplegar inteligencia artificial en nubes privadas. La propuesta automatiza desde la preparación de servidores físicos hasta la puesta en marcha de modelos de inferencia y añade herramientas para compartir GPU, gobernar modelos y medir el consumo de recursos y tokens. La compañía asegura que el proceso inicial puede reducirse de semanas a horas, aunque se trata de una estimación del fabricante que dependerá de cada infraestructura.

Las claves de VMware AI Factory en 30 segundos

• VMware AI Factory automatiza el despliegue desde el servidor físico hasta los servicios de inferencia.
• VCF permitirá compartir GPU y modelos entre diferentes departamentos mediante entornos aislados.
• Un nuevo AI Gateway gestionará acceso, consumo de tokens, autorización y selección de modelos locales o cloud.
• Broadcom prepara entornos aislados para ejecutar de forma controlada código generado por agentes de IA.
• La plataforma admite más de 150 modelos y amplía sus opciones de hardware con AMD Instinct y ROCm.

El anuncio realizado en VMware Explore 2026 dibuja con bastante claridad hacia dónde quiere llevar Broadcom su negocio de nube privada. VMware ya no debe ocuparse únicamente de virtualizar servidores o proporcionar Kubernetes: la compañía quiere que VCF pueda administrar también la infraestructura física, los aceleradores y los modelos que forman una plataforma empresarial de IA.

La cuestión económica ocupa además un lugar destacado. Broadcom utiliza el término AI tokenomics para describir el coste de producir tokens y ejecutar inferencia. Frente al modelo habitual de pagar por consumo a un proveedor externo, una empresa puede adquirir infraestructura y repartir su capacidad entre distintos modelos y departamentos.

Eso no significa que la infraestructura privada resulte automáticamente más económica. La utilización efectiva de las GPU, su precio, electricidad, refrigeración, operación y renovación tecnológica determinan el coste real. VMware AI Factory intenta actuar precisamente sobre una de esas variables: conseguir que la infraestructura disponible pueda compartirse y utilizarse con mayor continuidad.

De instalar los servidores a servir el primer modelo

Broadcom resume uno de los problemas actuales de la IA empresarial como el camino de metal to model: todo lo que ocurre desde que existe un servidor físico hasta que una aplicación puede enviar peticiones a un modelo funcionando en producción.

Entre ambos extremos hay bastantes componentes.

Es necesario configurar servidores y firmware, instalar la infraestructura de virtualización, preparar redes y almacenamiento, desplegar Kubernetes cuando sea necesario, configurar controladores para las GPU, instalar runtimes de inferencia y finalmente desplegar y supervisar los modelos.

VMware AI Factory busca convertir una parte importante de ese recorrido en un procedimiento automatizado.

Broadcom afirma que las capacidades de automatización de VCF pueden reducir de semanas a horas el tiempo desde el despliegue de servidores bare metal hasta servir el primer modelo. La compañía no proporciona en el anuncio una comparación detallada aplicable a todas las instalaciones, así que la cifra debe entenderse como el objetivo de su arquitectura, no como un tiempo garantizado para cualquier proyecto.

Una pieza nueva para extender esa automatización hasta el hardware procede de MetalSoft.

Broadcom ha anunciado una colaboración para integrar su tecnología de aprovisionamiento de servidores físicos con VCF. El objetivo es que los administradores puedan preparar o reinstalar servidores de distintos fabricantes desde la consola de VMware, evitando recurrir a herramientas diferentes para cada plataforma.

La promesa de MetalSoft es llevar determinadas tareas de aprovisionamiento bare metal de semanas a minutos.

El planteamiento resulta relevante porque buena parte de la automatización cloud tradicional comienza una vez que el hardware ya está preparado. VMware AI Factory intenta extender el mismo modelo operativo hacia abajo, hasta los servidores físicos.

Compartir GPU y modelos para mejorar la economía de la inferencia

La otra parte de VMware AI Factory está relacionada con la utilización de las GPU.

Dedicar un conjunto completo de aceleradores a cada departamento o modelo puede resultar caro si las cargas no utilizan constantemente toda la capacidad disponible.

VCF busca agrupar y compartir recursos GPU entre diferentes cargas.

Broadcom introduce además Multi-tenant Model Sharing. Model Runtime permitirá compartir modelos entre diferentes departamentos o tenants mediante espacios de nombres aislados.

La idea es sencilla: si cinco equipos necesitan utilizar el mismo modelo, no debería ser obligatorio mantener cinco despliegues completamente independientes consumiendo memoria y capacidad GPU.

Un servicio central puede alojar el modelo y ofrecerlo a distintos usuarios manteniendo separación lógica entre ellos.

Esta arquitectura encaja con otro concepto que Broadcom está desarrollando alrededor de VCF: Model as a Service.

El departamento de infraestructura puede proporcionar modelos internamente como un servicio. Los desarrolladores consumen endpoints de inferencia mientras la organización mantiene el control sobre qué modelos están disponibles y sobre qué hardware se ejecutan.

Una galería unificada permitirá desplegar y administrar modelos y flujos de RAG (Retrieval-Augmented Generation) sobre máquinas virtuales, contenedores y recursos GPU.

VCF proporcionará además observabilidad sobre rendimiento de tokens, latencia y utilización de cómputo y memoria.

Estas métricas son necesarias para calcular algo que durante la primera fase de adopción de la IA ha quedado a menudo oculto: cuánto cuesta realmente cada aplicación una vez que empieza a utilizarse a escala.

Un AI Gateway para controlar modelos locales y externos

Broadcom también prepara un AI Gateway.

Su función será proporcionar una interfaz común de consumo y gobierno para modelos ejecutados dentro de la infraestructura y servicios disponibles en otros entornos.

El gateway podrá incorporar selección inteligente de modelos, límites de utilización y tokens y autorización de aplicaciones.

Esta capa puede tener bastante importancia si las empresas terminan trabajando con numerosos modelos simultáneamente.

Una aplicación sencilla podría utilizar un modelo pequeño y económico. Una consulta compleja podría dirigirse hacia otro con mayor capacidad. Determinados datos podrían procesarse exclusivamente en modelos locales, mientras otras peticiones podrían utilizar servicios externos.

El gateway puede convertirse así en el punto donde se aplican esas políticas.

También proporciona una capa de abstracción para los desarrolladores. Las aplicaciones pueden consumir una interfaz relativamente estable aunque el equipo de infraestructura cambie posteriormente el modelo situado detrás.

Esa posibilidad empieza a ser relevante porque el mercado de modelos evoluciona con rapidez. Vincular una aplicación empresarial durante años a un modelo específico puede resultar poco conveniente cuando aparecen alternativas nuevas cada pocos meses.

Los agentes que escriben código necesitan una zona aislada

VMware AI Factory también anticipa un problema diferente: los agentes capaces de generar y ejecutar código.

Un chatbot que produce una respuesta incorrecta puede ocasionar problemas. Un agente que genera código y dispone de herramientas para ejecutarlo puede provocar consecuencias mucho más directas sobre la infraestructura.

Broadcom prepara Secure AI Sandboxes, espacios virtualizados y aislados donde podrá ejecutarse ese código dinámico.

La compañía también plantea una capa de gobierno destinada a definir cómo se invocan los agentes, qué herramientas pueden utilizar y cómo se validan sus resultados antes de actuar sobre ellos.

Estas capacidades están anunciadas como próximas funciones, por lo que no deben confundirse con características disponibles íntegramente desde el lanzamiento.

La virtualización encuentra aquí un nuevo caso de uso.

Durante décadas se utilizó principalmente para aislar sistemas operativos y aplicaciones. Los agentes de IA plantean la necesidad de crear entornos efímeros donde ejecutar código potencialmente impredecible sin proporcionarle acceso directo al resto de la infraestructura.

AMD Instinct y ROCm amplían las opciones frente a un único stack de GPU

Uno de los anuncios técnicamente más interesantes es la colaboración con AMD.

Broadcom está trabajando en una configuración de VMware AI Factory que combina VCF con GPU AMD Instinct y el entorno abierto ROCm.

El aprovisionamiento automatizado abarcará vSphere, vSAN, Kubernetes y el operador de GPU de AMD.

Broadcom menciona también AMD DVX, que permitirá asociar GPU a grandes máquinas virtuales utilizadas posteriormente por clústeres de VMware vSphere Kubernetes Service.

La incorporación de AMD amplía las alternativas para empresas que no quieren construir toda su infraestructura de IA alrededor de un único proveedor de aceleradores.

VMware AI Factory también se apoya en servidores certificados Dell PowerEdge y en AI ReadyNodes de fabricantes como Cisco, Lenovo y Supermicro.

La propuesta de Broadcom consiste por tanto en proporcionar una capa común de operación sobre diferentes configuraciones de hardware.

Que esa abstracción consiga realmente ofrecer la misma experiencia entre arquitecturas dependerá de elementos que van más allá de VCF. La compatibilidad de cada modelo, bibliotecas, kernels y runtimes continúa teniendo una influencia importante sobre qué acelerador resulta apropiado.

Más de 150 modelos dentro de la nube privada

VMware AI Factory enlaza directamente con otro de los anuncios realizados por Broadcom en VMware Explore 2026.

La compañía afirma que VCF puede ejecutar más de 150 modelos abiertos y comerciales y ha validado específicamente varias familias destacadas.

Entre ellas aparecen NVIDIA Nemotron 3, Google DeepMind Gemma 4, cotomi de NEC, Qwen de Alibaba y GLM 5.2 de Z.ai.

Esto permite que la fábrica de IA no termine únicamente en una infraestructura Kubernetes preparada para GPU. El objetivo es que pueda entregar modelos funcionales a los usuarios internos.

Broadcom quiere que una organización pueda preparar servidores, desplegar la plataforma, asignar GPU, seleccionar un modelo y ofrecer inferencia desde un mismo entorno operativo.

La empresa conserva además la posibilidad de cambiar posteriormente de modelo sin reconstruir necesariamente toda la infraestructura.

Esta separación entre infraestructura, runtime y modelo puede terminar siendo importante para las empresas que esperan mantener sus plataformas durante bastante más tiempo que la vida comercial de una versión concreta de un LLM.

La economía del token llega al centro de datos privado

Broadcom insiste especialmente en la economía de los tokens porque la comparación entre IA pública y privada necesita una unidad que vaya más allá del precio de una GPU.

Una API comercial convierte la infraestructura en un coste relativamente sencillo de observar: determinada cantidad por cada millón de tokens procesados.

En infraestructura propia el cálculo queda repartido entre muchas partidas.

Hay que amortizar servidores y aceleradores, pagar energía y refrigeración, mantener almacenamiento y red y disponer de personal para administrar la plataforma. A cambio, una GPU bien utilizada puede generar tokens continuamente sin una tarifa individual aplicada por un proveedor de modelos.

VMware AI Factory pretende proporcionar métricas que permitan observar tokens producidos frente a recursos consumidos.

El planteamiento también explica el interés por compartir GPU y modelos. Comprar más hardware no mejora necesariamente la economía si buena parte permanece esperando trabajo.

Una infraestructura con menos aceleradores pero una utilización elevada puede proporcionar mejores costes por token que otra mucho mayor y fragmentada entre departamentos.

La decisión tampoco tiene por qué ser exclusivamente pública o privada.

El AI Gateway apunta precisamente hacia escenarios híbridos donde determinados modelos permanecen en la empresa y otros se consumen externamente según coste, sensibilidad de los datos, capacidad necesaria o disponibilidad.

VMware AI Factory representa así una evolución importante de lo que Broadcom entiende por nube privada. La infraestructura deja de estar diseñada únicamente para alojar máquinas virtuales y contenedores y pasa a tratar GPU, modelos, tokens y agentes como recursos administrables de la plataforma.

Si la IA empresarial termina desplegándose mediante una combinación de modelos locales y externos, la ventaja competitiva de estas plataformas podría estar menos en ofrecer un modelo concreto y más en conseguir que cambiar de hardware, modelo o ubicación no obligue a reconstruir toda la aplicación.

Preguntas frecuentes

¿Qué es VMware AI Factory?

Es una plataforma presentada por Broadcom sobre VMware Cloud Foundation para automatizar el despliegue y operación de infraestructura privada destinada a inteligencia artificial, desde servidores físicos hasta servicios de inferencia.

¿VMware AI Factory puede utilizar GPU de AMD?

Sí. Broadcom y AMD trabajan en una configuración que combina VCF con aceleradores AMD Instinct y el entorno ROCm, incluyendo automatización para desplegar los componentes necesarios.

¿Qué significa AI tokenomics para Broadcom?

Hace referencia a analizar y controlar el coste de ejecutar inferencia atendiendo a factores como tokens procesados, utilización de GPU, memoria y recursos de cómputo. No implica que la nube privada sea siempre más barata que consumir una API externa.

¿Qué modelos puede ejecutar VMware AI Factory?

Broadcom afirma que VCF permite utilizar más de 150 modelos y ha anunciado validaciones específicas para familias como NVIDIA Nemotron 3, Google DeepMind Gemma 4, NEC cotomi, Qwen y GLM 5.2.