Durante los últimos tres años, la carrera de la inteligencia artificial ha estado marcada por una palabra: GPU. NVIDIA se convirtió en la empresa más influyente del sector porque sus aceleradores eran la forma más rápida y disponible de entrenar y ejecutar modelos cada vez más grandes. Pero el mercado empieza a mirar con más atención a otra familia de chips: los ASIC, procesadores diseñados a medida para cargas concretas.
Johnny Shen, presidente de Alchip Technologies, cree que los ASIC aún tardarán en superar a las GPU en tamaño total de mercado, pero podrían crecer a mayor ritmo en los próximos años. La idea encaja con una tendencia cada vez más clara entre los grandes proveedores cloud: reducir la dependencia de chips estándar y construir silicio propio, más ajustado a sus necesidades de coste, consumo, rendimiento e integración.
No se trata de que las GPU vayan a desaparecer. Siguen siendo la pieza central de gran parte del entrenamiento de modelos, del desarrollo de IA y de muchas cargas mixtas. Pero la siguiente fase del mercado puede no estar dominada solo por el chip más flexible, sino por el más eficiente para una tarea concreta. Y ahí los ASIC tienen una ventaja natural.
Por qué los hiperescalares quieren chips a medida
La GPU ha ganado porque es versátil. Sirve para entrenamiento, inferencia, investigación, simulación, gráficos, ciencia de datos y muchas cargas paralelas. Esa flexibilidad ha sido perfecta para una etapa en la que la IA cambiaba muy rápido y nadie quería comprometerse con una arquitectura demasiado cerrada.
Pero cuando una carga se estabiliza y se ejecuta a gran escala, la ecuación cambia. Un hiperescalares que sirve millones de peticiones de inferencia, entrena modelos propios o diseña servicios de IA para sus productos internos no siempre necesita la máxima flexibilidad. Necesita eficiencia, control de costes, suministro asegurado y rendimiento por vatio. Un ASIC puede diseñarse exactamente para esa necesidad.
Google lleva años usando TPUs. Amazon ha empujado Trainium e Inferentia. Microsoft trabaja con silicio propio y acuerdos con terceros. Meta ha desarrollado sus propios aceleradores MTIA. Broadcom se ha convertido en un socio clave para chips personalizados de grandes clientes. En ese tablero, Alchip ocupa una posición distinta: no compite como marca de GPU, sino como proveedor de diseño y servicios de producción para empresas que quieren llevar sus propios ASIC a nodos avanzados.
Según TrendForce, Alchip afirmó en su última conferencia de resultados que el diseño de un chip de un cliente importante entró en producción masiva en mayo y debería impulsar el crecimiento de ingresos este año y el próximo. La misma información apunta a que un acelerador de IA en 3 nm para un cliente norteamericano empezará a ganar peso en los envíos a partir del tercer trimestre, mientras los proyectos en 2 nm avanzan con objetivo de tape-out hacia final de año.
| Tecnología | Ventaja principal | Limitación |
|---|---|---|
| GPU | Flexibilidad, ecosistema maduro, software muy amplio | Coste alto, consumo elevado y dependencia de proveedores dominantes |
| ASIC | Rendimiento por vatio, coste optimizado y diseño a medida | Menos flexible y más caro de diseñar al inicio |
| TPU / aceleradores cloud propios | Integración vertical en grandes plataformas | Normalmente ligados a un proveedor concreto |
| Chiplets + 2.5D/3DIC | Más escalabilidad, mejor mezcla de nodos y empaquetado avanzado | Mayor complejidad de diseño, test y producción |
La presión económica es enorme. Alchip sostiene, citando fuentes de mercado, que los ASIC pueden ofrecer una ventaja de coste total de propiedad de entre el 40 % y el 65 % frente a alternativas de silicio comercial en grandes despliegues durante varios años. También estima que el mercado de ASIC de IA podría pasar de unos 13.000 millones de dólares en 2024 a más de 150.000 millones en 2030, con una tasa media cercana al 50 % anual. Son cifras ambiciosas y deben leerse como estimaciones de parte interesada, pero reflejan bien el apetito del mercado.
La IA ya se diseña a escala de sistema
El cambio no es solo económico. También es técnico. Los nuevos aceleradores de IA ya no pueden entenderse como un único chip aislado. La mejora de rendimiento depende de cómo se combinan compute dies, memoria HBM, interconexiones, chiplets, alimentación, empaquetado avanzado y refrigeración.
Alchip insiste en esta idea con su plataforma 3DIC. La compañía sostiene que el diseño de procesadores de IA se está moviendo al nivel de sistema: ya no basta con meter más transistores en el mismo die. Hay que decidir qué parte se fabrica en un nodo de vanguardia, qué bloques pueden ir en nodos más maduros, cómo se conectan los chiplets, cómo se alimentan y cómo se disipa el calor.
Su plataforma 3.5D permite dividir grandes SoC en chiplets optimizados en diferentes procesos. Los dies de cómputo pueden fabricarse en nodos avanzados, mientras funciones de entrada/salida y memoria pueden mantenerse en nodos más económicos. La empresa afirma que esta arquitectura combina escalado horizontal de chiplets con apilado vertical selectivo y tecnologías de empaquetado como CoWoS-S, CoWoS-R, CoWoS-L y TSMC-SoIC-X.
El objetivo es reducir los límites de los chips monolíticos. A medida que crecen los diseños, aparecen problemas de reticle limit, menor rendimiento de fabricación, máscaras más caras, más consumo y más dificultad para mover datos. El empaquetado avanzado permite construir sistemas más grandes sin depender de un único die gigantesco.
Alchip asegura que su plataforma ofrece hasta 3 a 5 veces más densidad de interconexión, con entre un 30 % y un 40 % menos de energía por bit y una latencia hasta un 35 % inferior. Son métricas comunicadas por la compañía, no comparativas universales, pero apuntan a un punto esencial: en IA, mover datos empieza a ser tan importante como calcularlos.
La batalla se desplaza a TSMC y al empaquetado avanzado
El posible auge de los ASIC no elimina los cuellos de botella. Los traslada. Si más hiperescalares diseñan chips propios en 3 nm, 2 nm y empaquetado avanzado, la presión sobre TSMC, CoWoS, substratos, OSAT, HBM y capacidad de test será aún mayor.
Johnny Shen ha señalado que la capacidad de 3 nm está extremadamente ajustada y que, desde su punto de vista, puede ser incluso más preocupante que la escasez de memoria. Para una empresa como Alchip, mantener una relación estrecha con TSMC no es un detalle operativo. Es parte central del negocio. Tener diseño no basta si no hay asignación de obleas, capacidad de empaquetado y cadena de suministro preparada para producción en volumen.
La propia Alchip está intentando reforzar esa posición. En marzo anunció avances en su plataforma de diseño de 2 nm, con diseños en marcha, varios tape-outs y test chips con éxito de silicio a la primera. La compañía también indicó que su plataforma permite combinar dies de cómputo en 2 nm con chiplets de I/O en 3 nm o 5 nm, una fórmula más práctica mientras no existan todavía chiplets de entrada/salida plenamente disponibles en 2 nm.
Este enfoque anticipa el futuro de los aceleradores de IA. Los chips serán menos “una pieza” y más un conjunto de bloques especializados dentro de un paquete complejo. El valor no estará solo en diseñar lógica, sino en coordinar física, empaquetado, suministro, producción, validación y rendimiento térmico.
| Factor crítico | Por qué importa en ASIC de IA |
|---|---|
| Nodo avanzado | Mejora densidad y eficiencia en los dies de cómputo |
| Chiplets | Permiten mezclar nodos y reducir riesgo de chips gigantes |
| HBM | Aporta ancho de banda para entrenamiento e inferencia |
| CoWoS / 3DIC | Integra memoria, cómputo e interconexión en un paquete avanzado |
| Producción en volumen | Decide si el diseño llega al mercado a tiempo y con buen coste |
| Software | Puede limitar la adopción si el ecosistema no madura |
La gestión de producción se vuelve estratégica. Alchip destaca que, en ASIC de alto volumen, controlar WIP, inventario, rendimiento, tiempos de ciclo, logística y asignación de capacidad es tan importante como el diseño. Tiene sentido: un retraso de meses en un ASIC para IA puede alterar una hoja de ruta cloud, encarecer una plataforma o dejar a un cliente dependiente de GPUs más caras durante más tiempo.
Un mercado más fragmentado, no necesariamente menos dominado
El crecimiento de los ASIC no significa que NVIDIA pierda su posición de un día para otro. Su ventaja en software, CUDA, librerías, sistemas completos, redes, racks de IA y relación con clientes sigue siendo enorme. Además, la GPU continúa siendo más adecuada para investigación, cargas cambiantes y despliegues donde la flexibilidad pesa más que la eficiencia extrema.
Lo que sí puede cambiar es la composición del crecimiento. Si el entrenamiento de modelos frontera sigue concentrado en GPU, pero la inferencia a gran escala se desplaza parcialmente hacia ASIC, el mercado se fragmentará. Habrá más chips propios, más diseños semipersonalizados y más acuerdos entre hiperescalares, diseñadores ASIC, foundries y proveedores de empaquetado.
GUC, otra empresa taiwanesa del sector, ha defendido una tesis similar: cuando la IA pasa del entrenamiento a las aplicaciones finales, los ASIC pueden ofrecer un rendimiento por vatio muy superior en inferencia frente a GPU generalistas de alto coste. MediaTek también ha elevado sus previsiones para ingresos ligados a AI ASIC, duplicando su estimación de contribución este año de 1.000 a 2.000 millones de dólares, según TrendForce.
El movimiento tiene una lectura industrial importante. La IA empezó como una carrera de modelos y GPUs. Ahora se está convirtiendo en una carrera de cadenas completas: diseño, IP, empaquetado, memoria, producción, software, centros de datos y energía. Alchip quiere ocupar un lugar justo en esa zona intermedia, donde los grandes clientes quieren chips propios, pero no necesariamente construir solos toda la capacidad de diseño y producción.
El mercado de IA no va a pasar de GPU a ASIC como quien cambia de interruptor. Lo más probable es una convivencia larga. Las GPU seguirán liderando muchas cargas, mientras los ASIC ganarán espacio allí donde haya volumen suficiente para justificar diseño propio. Para los hiperescalares, esa mezcla puede ser la forma de recuperar control sobre costes. Para proveedores como Alchip, puede ser la oportunidad de convertirse en una pieza cada vez más visible de la infraestructura invisible de la IA.
Preguntas frecuentes
¿Qué es un ASIC de IA?
Es un chip diseñado a medida para ejecutar cargas específicas de inteligencia artificial, como entrenamiento o inferencia, con mejor eficiencia para ese caso concreto que un procesador generalista.
¿Los ASIC sustituirán a las GPU?
No de forma inmediata. Lo más probable es que convivan. Las GPU seguirán siendo muy importantes por su flexibilidad y ecosistema, mientras los ASIC ganarán terreno en cargas muy repetitivas y a gran escala.
¿Por qué los hiperescalares invierten en ASIC?
Porque pueden reducir dependencia de proveedores externos, mejorar rendimiento por vatio, controlar costes y adaptar el silicio a sus propios modelos y centros de datos.
¿Qué papel juega Alchip en este mercado?
Alchip ofrece servicios de diseño, empaquetado avanzado y gestión de producción para empresas que desarrollan ASIC complejos de IA, HPC y centros de datos.
