黑料不打烊

Tendencias e Información del Mercado de GPU para Centros de Datos de los Estados Unidos

Creciente Complejidad de los Modelos de IA que Impulsa los Ciclos de Actualización de GPU

Los transformadores de billones de parámetros ahora exigen clústeres a escala de bastidor con memoria agregada superior a 10 TB, lo que lleva a los hiperescaladores a retirar los sistemas Hopper tras aproximadamente 18 meses y a acelerar los ciclos de adquisición de Blackwell y Rubin. El NVL72 Vera Rubin de NVIDIA acopla 72 GPU Rubin con 36 CPU Vera, ofreciendo una interconexión de 3,6 TB/s que reduce el número de GPU en un cuarto por petaflop. Las cargas de trabajo agénticas continuas han desplazado el gasto de entrenamientos puntuales hacia flotas de inferencia siempre activas, favoreciendo los contratos de instancias reservadas sobre los precios spot. El acuerdo plurianual a escala de oblea de OpenAI demuestra cómo los proveedores de modelos pueden asegurar capacidad con a?os de anticipación.^{[1]Timothy Prickett Klein, "Cerebras firma un transformador acuerdo de inferencia de 10 mil millones USD con OpenAI," Next Platform, nextplatform.com} El resultado es una cadencia de actualización acortada que fortalece los mercados secundarios para GPU ligeramente usadas.

Escalada de Mandatos de Eficiencia Energética que Favorecen las GPU Avanzadas

La versión 4.0 de ENERGY STAR de la Agencia de Protección Ambiental limita la potencia en reposo y apunta a un PUE inferior a 1,3, perjudicando a las tarjetas Pascal y Volta heredadas. Las directrices del Departamento de Energía ahora requieren informes trimestrales sobre la utilización de GPU, impulsando a las agencias hacia los dispositivos Blackwell y Rubin que cuadruplican el rendimiento FP8 por vatio. El Título 24 de California, vigente desde enero de 2026, exige promedios de flota de GPU de 50 TFLOPS por kilovatio, un nivel que solo los sistemas Blackwell con refrigeración líquida y AMD MI400 alcanzan.^{[2]Alina Neacsu, "Equinix Expande los Centros de Datos de IA para Soportar Cargas de Trabajo de GPU," eeNews Europe, eenewseurope.com} Los proveedores de colocación están modernizando sus instalaciones con refrigeración líquida directa al chip, elevando las primas de alquiler en el norte de Virginia y Phoenix. En conjunto, las normas federales y estatales están dividiendo el mercado entre sitios heredados con refrigeración por aire y campus de próxima generación con refrigeración líquida.

Proliferación de Inferencia en el Borde que Acelera la Demanda de GPU de Baja Latencia

Las plataformas NVIDIA Jetson T4000 e IGX Thor ahora ofrecen respuestas inferiores a 10 ms para vehículos autónomos y robótica.^{[3]NVIDIA Corporation, "Blog para Desarrolladores de NVIDIA," nvidia.com} La flota de 48.000 GPU de Datavault AI redujo los costos de ancho de banda de retorno en un 60%, validando la economía de la inferencia distribuida. Las redes 5G privadas en fábricas logran latencias de 50 ms o menos para cargas de trabajo de visión artificial, lo cual es incompatible con los tiempos de ida y vuelta en la nube. TensorRT Edge-LLM comprime modelos de 7 mil millones de parámetros a precisión de 4 bits manteniendo el 95% de exactitud, lo que permite la ejecución local en el dispositivo. La demanda está aumentando para GPU de 16-32 GB dentro de envolventes térmicas de 50-150 W, donde NVIDIA L4 y AMD Radeon PRO W7000 compiten.

Adopción de Flujos de Trabajo HPC Nativos en la Nube en Investigación y Desarrollo Empresarial

Las empresas farmacéuticas y automotrices migran CFD y dinámica molecular a GPU en la nube, reduciendo drásticamente los tiempos de simulación.^{[4]Microsoft, "Vista Previa Pública de Azure NCv6," techcommunity.microsoft.com} El despliegue de 3.500 GPU Blackwell de Roche en marzo de 2026, combinado con la capacidad de expansión de Azure, permite el plegamiento de proteínas en tiempo real. Microsoft Azure NCv6 ofrece instancias de GPU fraccionadas, reduciendo los costos de entrada para las peque?as empresas. La supercomputadora Horizon de la NSF proporcionará 20 exaflops de rendimiento de IA cuando se lance en la primavera de 2026. La orquestación híbrida entre GPU locales y en la nube se está convirtiendo en una arquitectura estándar de I+D.

Restricciones en la Cadena de Suministro para Sustratos de Empaquetado Avanzado

La capacidad CoWoS de TSMC permanece limitada a aproximadamente 30.000 obleas por mes hasta al menos 2027, ralentizando la producción de Blackwell y Rubin. SK hynix experimentó problemas de rendimiento en HBM3e en 2025, retrasando los envíos hasta 12 semanas. Los retrasos en la entrega de ASML limitan la expansión de nodos avanzados a pesar de los proyectos de fabricación multimillonarios. Micron inició la producción de HBM a finales de 2025, aunque los volúmenes iniciales están destinados al mercado móvil en lugar de la demanda de centros de datos. Los proveedores, por tanto, priorizan los sistemas a escala de bastidor de mayor margen, dejando a las empresas del mercado medio con plazos de entrega prolongados.

Aumento del Costo Total de Propiedad Frente a Alternativas ASIC para Inferencia

Los chips personalizados como AWS Trainium2 y Google TPU v6 ahora ofrecen un costo por token 2-3 veces menor que las GPU de propósito general en modelos maduros.^{[5]Intel Corporation, "Intel Derriba las Barreras Propietarias para Ofrecer Opciones al Mercado Empresarial de IA Generativa," intel.com} Los benchmarks de AWS muestran costos de inferencia un 40% menores que los de Blackwell B200 para modelos Llama. El Maia 200 de Microsoft reduce a la mitad el consumo de energía por solicitud. El punto de cruce económico aparece en aproximadamente 10 mil millones de inferencias mensuales, donde la amortización de ASIC supera al alquiler de GPU. En consecuencia, las GPU corren el riesgo de perder participación en la inferencia de alto volumen a menos que evolucionen hacia una mayor eficiencia.

*Nuestras previsiones consideran los impactos de impulsores y restricciones como direccionales, no aditivos. Las previsiones de impacto reflejan el crecimiento base, los efectos de mezcla y las interacciones entre variables.

Análisis de Segmentos

Por Tipo de Implementación: El Borde Supera el Crecimiento de la Nube

Los centros de datos en la nube representaron el 64,76% de los ingresos de GPU para centros de datos de los Estados Unidos en 2025, aunque se prevé que los centros de datos de borde crezcan a un ritmo anual del 12,89% hasta 2031, lo que refleja la migración de cargas de trabajo de inferencia sensibles a la latencia desde instalaciones hiperescaladoras centralizadas hacia sitios de borde distribuidos. Los hiperescaladores como AWS, Microsoft Azure y Google Cloud continúan dominando el gasto de capital. 

Omniverse de NVIDIA en DGX Cloud, lanzado en febrero de 2026 con GPU L40 optimizadas para renderizado RTX y transmisión de baja latencia, apunta a la digitalización industrial y los flujos de trabajo de gemelos digitales que requieren recursos de GPU escalables sin gestión de infraestructura por parte del cliente, posicionando los servicios de GPU gestionados en la nube como punto de entrada para empresas que dudan en comprometer capital en clústeres locales. Los centros de datos de borde, especialmente los que soportan flotas de vehículos autónomos y manufactura inteligente, están desplegando servidores de GPU robustecidos con envolventes térmicas de 50-150 vatios y refrigeración pasiva para operar en entornos sin control climático, un segmento donde las plataformas NVIDIA Jetson y AMD Radeon PRO compiten en madurez del ecosistema de software y compromisos de suministro a largo plazo. 

Por Tipo de GPU: La Inferencia Gana 笔补谤迟颈肠颈辫补肠颈ó苍 a Medida que el Entrenamiento Alcanza su Pico

Las GPU de entrenamiento comandaron el 59,88% de la participación de mercado en 2025, aunque se prevé que las GPU de inferencia crezcan a un ritmo anual del 12,77% hasta 2031, a medida que los proveedores de modelos desplazan el capital del preentrenamiento puntual hacia flotas de inferencia plurianuales que sirven cargas de trabajo agénticas continuas. La lógica económica es sencilla: un modelo de billones de parámetros requiere entre 50 y 100 millones USD y entre 10.000 y 20.000 GPU para el entrenamiento inicial, pero servir ese modelo a escala demanda entre 5 y 10 veces más capacidad de inferencia a lo largo de su vida operativa, alterando fundamentalmente el cálculo de asignación de capital para los hiperescaladores y los constructores de modelos. El bastidor de inferencia Groq 3 LPX de NVIDIA, que integra 256 unidades de procesamiento de lenguaje con 128 gigabytes de SRAM en chip y 40 petabytes por segundo de ancho de banda agregado, apunta a la generación de tokens de baja latencia para cargas de trabajo de razonamiento agéntico donde los tiempos de respuesta inferiores al milisegundo desbloquean niveles de precios premium.

Las GPU de entrenamiento siguen siendo esenciales para el desarrollo de modelos fundacionales y el ajuste fino posterior al entrenamiento, aunque el ritmo de lanzamiento de nuevos modelos se está ralentizando: las ejecuciones de entrenamiento de GPT-5 y Llama 4 se están extendiendo a 12-18 meses frente a los 6-9 meses de generaciones anteriores, reduciendo la urgencia de la expansión continua de clústeres de entrenamiento y permitiendo a los hiperescaladores amortizar la infraestructura de entrenamiento durante períodos más largos. El surgimiento del escalado de cómputo en tiempo de prueba, donde los modelos refinan iterativamente los resultados durante la inferencia en lugar de depender únicamente de la escala de preentrenamiento, está difuminando la frontera entre las cargas de trabajo de entrenamiento e inferencia e impulsando la demanda de arquitecturas de GPU híbridas que soporten tanto el entrenamiento por lotes de alto rendimiento como la inferencia interactiva de baja latencia. 

Por Interconexión: Las Redes de Alto Ancho de Banda Habilitan Sistemas a Escala de Bastidor

Las GPU basadas en PCIe mantuvieron el 65,55% de la participación de mercado en 2025, aunque se prevé que las GPU con interconexión de alto ancho de banda crezcan a un ritmo anual del 13,23% hasta 2031, a medida que los clústeres a escala de bastidor con redes NVLink, CXL y UALink se convierten en la arquitectura predeterminada para cargas de trabajo de entrenamiento e inferencia de billones de parámetros. NVLink 6 de NVIDIA, que ofrece 3,6 terabytes por segundo de ancho de banda chip a chip en la plataforma Vera Rubin, permite que los clústeres de 72 GPU funcionen como un único dispositivo lógico con direccionamiento de memoria unificado, eliminando la complejidad del software de movimiento explícito de datos a través de los límites PCIe. Infinity Fabric de AMD, integrado en las GPU de la serie MI400 con 2,8 terabytes por segundo de ancho de banda entre GPU, soporta la plataforma de bastidor Helios de 6 gigavatios de Meta, que escala a 432 gigabytes de memoria HBM4 por GPU, y compite directamente con la arquitectura NVL72 de NVIDIA. 

La adopción de PCIe Gen5, con 32 gigatransferencias por segundo por carril y 128 gigabytes por segundo de ancho de banda bidireccional en configuraciones x16, sigue siendo suficiente para cargas de trabajo de inferencia por debajo de 70 mil millones de parámetros y para el entrenamiento de modelos específicos de dominio en una sola GPU, sosteniendo la demanda de GPU basadas en PCIe en implementaciones empresariales y de borde. El acelerador de IA Gaudi 3 de Intel, que integra 24 puertos de Ethernet de 200 gigabits por dispositivo y apunta a redes totalmente Ethernet para clústeres de escalado horizontal, posiciona las redes estándar como una alternativa rentable a las interconexiones propietarias para clientes que priorizan la flexibilidad de proveedor sobre el ancho de banda máximo. La adquisición de XConn por parte de Marvell por 540 millones USD en enero de 2026, que a?ade propiedad intelectual de controladores CXL y UALink, se?ala el surgimiento de interconexiones de alto ancho de banda de estándar abierto que desafían el ecosistema NVLink de NVIDIA y permiten clústeres de GPU de múltiples proveedores. 

Por Tipo de Carga de Trabajo: El Análisis Gana Terreno a Medida que la IA Madura

Las cargas de trabajo de inteligencia artificial y aprendizaje automático capturaron el 60,99% de los ingresos de GPU para centros de datos de los Estados Unidos en 2025, aunque se prevé que el análisis de datos crezca a un ritmo anual del 12,73% hasta 2031, a medida que los motores de bases de datos acelerados por GPU desplazan las pilas exclusivas de CPU en el procesamiento de consultas en tiempo real y las aplicaciones de inteligencia empresarial. Las cargas de trabajo de computación de alto rendimiento, que abarcan la computación científica no relacionada con IA, como la dinámica de fluidos computacional y la dinámica molecular, continúan dependiendo del rendimiento de punto flotante de doble precisión, donde las GPU NVIDIA A100 y AMD MI250X mantienen su posición dominante gracias a ecosistemas de software maduros y perfiles de aplicación validados. 

La convergencia de la IA y el análisis está creando cargas de trabajo híbridas donde los motores de consultas SQL acelerados por GPU invocan modelos de aprendizaje automático en línea durante la ejecución de consultas, un patrón que la serie de máquinas virtuales Azure NCv6 de Microsoft apunta explícitamente al combinar GPU NVIDIA RTX PRO 6000 con CPU Intel Granite Rapids para evitar cuellos de botella de CPU en las etapas de preprocesamiento y posprocesamiento. Las bibliotecas Velox y cuDF de NVIDIA, que ofrecen aceleraciones de 6 veces en cargas de trabajo de Apache Spark en comparación con la ejecución exclusiva en CPU, están habilitando el análisis en tiempo real de conjuntos de datos a escala de terabytes que anteriormente requerían procesamiento por lotes nocturno, una capacidad que justifica la adopción de GPU para equipos de ingeniería de datos más allá de los practicantes tradicionales de IA. 

Por Usuario Final: La Adquisición Gubernamental se Acelera

Los hiperescaladores y proveedores de servicios en la nube representaron el 57,45% de los ingresos de GPU para centros de datos de los Estados Unidos en 2025, aunque se prevé que las instituciones gubernamentales y de investigación crezcan a un ritmo anual del 13,11% hasta 2031, impulsadas por las adquisiciones de exaescala del Departamento de Energía y las iniciativas de computación de clase liderazgo de la Fundación Nacional de Ciencias. La supercomputadora NERSC-10 "Doudna" del Departamento de Energía, un sistema Dell-NVIDIA Vera Rubin que ofrece más de 10 veces el rendimiento del sistema Perlmutter actual, servirá a aproximadamente 11.000 investigadores en modelado climático, ciencia de materiales y simulaciones de energía de fusión cuando entre en producción a finales de 2026. La supercomputadora Teton del Laboratorio Nacional de Idaho del Departamento de Energía, un sistema HPE Cray EX 4000 con 1.024 nodos y 20,8 petaflops de rendimiento máximo, entró en producción en enero de 2026 para apoyar el modelado de reactores nucleares y simulaciones de resiliencia de la red eléctrica. 

Las empresas, que abarcan compa?ías del Fortune 500 en los sectores farmacéutico, automotriz, financiero y energético, están adoptando arquitecturas de nube híbrida que combinan clústeres de GPU locales para propiedad intelectual sensible con capacidad de expansión en la nube para barridos de parámetros computacionalmente intensivos, un modelo que requiere una orquestación fluida y pilas de software consistentes en entornos heterogéneos. El despliegue de más de 3.500 GPU NVIDIA Blackwell por parte de Roche en marzo de 2026 en instalaciones de los Estados Unidos y Europa, integrado con la capacidad de expansión en la nube de Azure, permite el plegamiento de proteínas en tiempo real y el cribado de candidatos a fármacos, comprimiendo los plazos de descubrimiento de meses a semanas. 

Análisis Geográfico

El norte de Virginia sigue siendo el mayor centro de GPU del mundo, aunque las restricciones en las interconexiones de la red eléctrica están impulsando los despliegues hacia Phoenix, Salt Lake City y Columbus. Phoenix gana atractivo adicional gracias al campus de fabricación y empaquetado de TSMC valorado en 165 mil millones USD, que aliviará los cuellos de botella de CoWoS para 2028. Texas alberga clústeres de entrenamiento a escala de megavatios que aprovechan la energía eólica y de gas natural barata, mientras que las fábricas de Intel en Ohio están programadas para suministrar chips lógicos de nodo avanzado para los aceleradores Gaudi después de 2027.

La expansión de HBM de Micron en Nueva York todavía destina la producción inicial al mercado móvil, dejando a los compradores de centros de datos en gran medida dependientes de los proveedores asiáticos hasta 2027. Los submercados emergentes como Reno se benefician de climas favorables para la economización por el lado del aire, pero enfrentan fibra de larga distancia limitada, lo que los confina al entrenamiento por lotes en lugar de la inferencia crítica para la latencia. Las agencias federales que migran desde sitios heredados bajo OMB M-25-03 inyectarán demanda en instalaciones modernizadas preparadas para GPU en múltiples estados.

En general, el mercado de GPU para centros de datos de los Estados Unidos disfruta de una diversificación geográfica que amortigua el riesgo de la cadena de suministro, con especialización regional en Arizona para el empaquetado, Texas para el entrenamiento intensivo en energía y Virginia para la entrega de inferencia, reflejando patrones industriales anteriores.