Amazon le acaba de decir a Nvidia, con 60,000 millones de dólares, que ya no quiere depender de un solo proveedor
Qualcomm y Amazon Web Services anunciaron el 8 de septiembre una alianza multigeneracional que podría representar hasta 60,000 millones de dólares en chips de inferencia de IA hasta 2036. El acuerdo no es una apuesta tecnológica aislada: es la confirmación de que los mayores compradores de cómputo de inteligencia artificial del mundo están rediseñando, de forma activa, su dependencia de un solo proveedor dominante.
El 8 de septiembre, Qualcomm y Amazon Web Services anunciaron una colaboración multigeneracional para construir infraestructura de centros de datos de inteligencia artificial de próxima generación, un acuerdo que, según su estructura financiera, podría representar hasta 60,000 millones de dólares en compras de chips, hardware de red y servicios de manufactura a lo largo de una década, hasta 2036. Como parte del acuerdo, Qualcomm otorgó a Amazon warrants valuados en 4,000 millones de dólares para adquirir hasta 25 millones de sus acciones, un instrumento que se ejerce por completo solo si Amazon efectivamente alcanza ese nivel de gasto. Las acciones de Qualcomm saltaron 10% con el anuncio. Leído como una noticia bursátil aislada, es una historia sobre dos compañías tecnológicas cerrando un contrato grande. Leído en el contexto de cómo Amazon ha estado reconstruyendo, de forma sistemática, su relación con Nvidia durante los últimos dos años, es la confirmación más reciente de un movimiento estratégico mucho más amplio: los compradores más grandes de cómputo de inteligencia artificial del planeta ya no están dispuestos a depender de un solo proveedor para la pieza más crítica —y más cara— de su infraestructura.
Un contrato que solo tiene sentido dentro de una estrategia más amplia
Sería un error analizar el acuerdo Qualcomm-AWS como un evento aislado, porque no lo es. Apenas semanas antes de este anuncio, Amazon había elevado su guía de gasto de capital para 2026 a aproximadamente 220,000 millones de dólares, un incremento de 76% frente a los cerca de 125,000 millones invertidos en 2025, con la abrumadora mayoría de ese capital destinado a centros de datos de AWS, capacidad de generación eléctrica y chips de inteligencia artificial. Ese nivel de inversión describe a una compañía que ejecuta, de manera simultánea, dos estrategias de infraestructura que en apariencia se contradicen pero que en realidad son complementarias: por un lado, Amazon sigue comprando más unidades de procesamiento gráfico de Nvidia que casi cualquier otra empresa del mundo, porque la demanda de cómputo de IA sigue superando cualquier capacidad de sustitución inmediata; por el otro, construye de forma deliberada su propia familia de chips —Trainium para entrenamiento, Inferentia para inferencia, Graviton para cómputo general— con el objetivo explícito de reducir, con el tiempo, qué tan dependiente es esa infraestructura de un solo proveedor externo. El acuerdo con Qualcomm es la tercera pata de esa misma mesa: en lugar de depender únicamente de su propio diseño de chips o de la oferta de Nvidia, Amazon suma un tercer proveedor de silicio especializado, diversificando todavía más su cadena de suministro de cómputo.
Los números que ya muestran hacia dónde va esa apuesta
El negocio de silicio propio de AWS —la familia Trainium, Inferentia y Graviton combinada— ya superó, a inicios de 2026, una tasa de ingresos anualizada de 20,000 millones de dólares, una cifra que confirma que la estrategia de diversificación de Amazon dejó de ser un experimento de investigación y desarrollo para convertirse en un negocio con escala comercial real. El propio director ejecutivo de Amazon, Andy Jassy, argumentó en su carta a accionistas de 2025 que los chips Trainium ofrecen una relación precio-desempeño significativamente mejor que las unidades gráficas de Nvidia, una afirmación respaldada por reportes de clientes que documentan reducciones de costo de entre 80% y 90% al migrar cargas de trabajo de inferencia desde GPUs de Nvidia hacia instancias basadas en Inferentia. La generación más reciente de esos chips, Trainium3, ofrece aproximadamente cuatro veces el desempeño de su predecesor con 40% mejor eficiencia energética, y los compromisos de ingreso ya vinculados a esa familia de chips superan, según reportes del sector, los 225,000 millones de dólares en contratos futuros. Es dentro de ese contexto —un negocio de silicio propio que ya opera a escala de decenas de miles de millones de dólares— que el acuerdo con Qualcomm adquiere su verdadero significado: no es el primer paso de Amazon hacia la independencia de Nvidia, es el tercer o cuarto paso de una estrategia que ya lleva años en marcha y que ahora suma un socio adicional especializado en un segmento específico del mercado.
Por qué Qualcomm compite en eficiencia, no en potencia bruta
La decisión de Qualcomm de entrar al mercado de chips para centros de datos de inteligencia artificial revela una lectura estratégica del mercado distinta a la que domina la conversación pública sobre esta industria, centrada casi siempre en quién tiene el chip más potente. Qualcomm, en cambio, está compitiendo explícitamente en el terreno de la eficiencia energética y el costo por watt, usando memoria LPDDR de menor consumo en lugar de la memoria de ancho de banda alto (HBM) que caracteriza a los aceleradores más potentes de Nvidia y AMD. Esa decisión de diseño no es casual: conforme el costo de la electricidad y las restricciones de enfriamiento se convierten en factores cada vez más limitantes para los operadores de centros de datos —el mismo problema de infraestructura eléctrica que ya documentamos hace unos días en el contexto mexicano—, un chip que ofrece más cómputo útil por cada watt consumido representa una ventaja económica real, incluso si su desempeño bruto en operaciones por segundo no alcanza el de las unidades gráficas más avanzadas del mercado. Qualcomm ya había presentado en junio su unidad central de procesamiento para centros de datos, la Dragonfly C1000, con Meta como cliente de lanzamiento y producción prevista para 2028, apuntando a 15,000 millones de dólares de ingresos por centros de datos para el año fiscal 2029 —una meta que el acuerdo con AWS ayuda a hacer considerablemente más creíble, al sumar a uno de los tres mayores proveedores de nube del mundo como cliente confirmado.
Lo que este movimiento revela sobre el poder de negociación de los hyperscalers
El patrón que conecta el acuerdo Qualcomm-AWS con la expansión de Trainium e Inferentia es, en el fondo, una historia sobre poder de negociación entre un puñado de compradores extraordinariamente grandes y un proveedor dominante que, durante los últimos años, ha podido fijar precios y plazos de entrega con relativamente poca resistencia del mercado. Cuando una sola compañía —Nvidia— controla la abrumadora mayoría del mercado de aceleradores de inteligencia artificial de alto desempeño, cualquier comprador, sin importar su tamaño, queda expuesto a decisiones de precio, disponibilidad y hoja de ruta de producto que no controla. Amazon, Google, Microsoft y Meta —los cuatro mayores compradores de cómputo de IA del mundo— han respondido a esa exposición con la misma estrategia general, aunque con matices distintos según cada compañía: desarrollar silicio propio donde sea posible, y diversificar hacia proveedores alternativos donde el desarrollo propio todavía no alcanza la escala necesaria. El acuerdo con Qualcomm encaja exactamente en esa segunda categoría: un socio externo especializado que le permite a AWS cubrir un segmento de mercado —inferencia eficiente en energía— sin tener que desarrollar internamente cada variante posible de silicio especializado.
El riesgo de sobreestimar qué tan rápido cambia el mapa de poder
Sería un error, sin embargo, leer este acuerdo como evidencia de que el dominio de Nvidia está a punto de erosionarse de forma significativa en el corto plazo. Nvidia sigue siendo, por un margen amplio, el proveedor preferido para las cargas de trabajo de entrenamiento de los modelos de inteligencia artificial más avanzados, donde el desempeño bruto y el ecosistema de software —CUDA, en particular— siguen representando una ventaja competitiva que ningún proveedor alternativo ha logrado replicar por completo. Lo que estos movimientos de diversificación sí logran, de forma más inmediata y medible, es desplazar una porción creciente de las cargas de trabajo de inferencia —ejecutar modelos ya entrenados para responder consultas de usuarios finales, la parte del cómputo de IA que crece más rápido conforme más aplicaciones comerciales se despliegan— hacia proveedores alternativos donde el costo por operación importa más que el desempeño máximo teórico. Es una batalla que se libra segmento por segmento del mercado de cómputo de inteligencia artificial, no una sustitución total, y entender esa distinción es clave para no sobreinterpretar cada nuevo acuerdo de diversificación como el principio del fin del dominio de Nvidia.
Lo que este movimiento significa para el resto de la industria
El mensaje más relevante de este acuerdo para cualquier empresa que dependa de infraestructura de cómputo en la nube, dentro o fuera de Estados Unidos, es que el mercado de chips de inteligencia artificial está entrando en una fase de mayor competencia de precios, impulsada precisamente por estos acuerdos de diversificación entre hyperscalers y proveedores alternativos. Reportes del sector ya documentan que Amazon ha empezado a ofrecer precios hasta 25% por debajo de Nvidia para tareas de inferencia más simples a través de sus propios chips, una presión competitiva que, con el tiempo, debería trasladarse a costos más bajos de cómputo de IA para las empresas que consumen esos servicios en la nube, independientemente de si usan directamente productos de Amazon, Qualcomm o cualquier otro proveedor. Para las empresas mexicanas que están evaluando su propia estrategia de adopción de inteligencia artificial —un tema que este mismo blog ha documentado como una prioridad de inversión creciente, aunque todavía concentrada en fuentes de capital extranjero—, esa presión competitiva en el costo de la infraestructura subyacente es, probablemente, una de las variables más relevantes y menos discutidas para calcular cuándo un proyecto de IA se vuelve económicamente viable, independientemente de qué tan sofisticado sea el modelo que se busca desplegar.
La pregunta que este acuerdo deja abierta no es si Nvidia va a perder su posición dominante en el corto plazo —la evidencia disponible sugiere que no—, sino cuántos proveedores alternativos de silicio especializado pueden coexistir de forma rentable en un mercado que, hasta hace apenas dos años, funcionaba casi como un monopolio de facto, y si esa fragmentación gradual del mercado de chips de IA termina beneficiando, en última instancia, al comprador final de cómputo de inteligencia artificial, o si simplemente redistribuye el poder de negociación entre un grupo todavía reducido de compañías con el capital suficiente para financiar su propia independencia tecnológica.