Autores:
Suraj Gujar, Tanisha Malwa
Descargar PDF Gratis
Mercado de chips aceleradores de IA Tamaño y Compartir 2026-2035
ID del informe: GMI15603
|
Fecha de publicación: September 2026
|
Formato del informe: PDF/Excel/Panel de control/Plataforma
Descargar PDF Gratis
Explore nuestras opciones de licencia:
Descargar PDF Gratis
Mercado de chips aceleradores de IA
Obtenga una muestra gratuita de este informe
Obtenga una muestra gratuita de este informe
Mercado de chips aceleradores de IA
Is your requirement urgent? Please give us your business email
for a speedy delivery!

Tamaño del mercado de chips aceleradores de IA
El mercado mundial de chips aceleradores de IA se valoró en $ 120,200 millones en 2025 y se prevé que alcance los $ 154,600 millones en 2026, hasta llegar a $ 1 billón en 2035, con una tasa de crecimiento anual compuesta (TCAC) de aproximadamente el 23,6 % durante 2026–2035.
Principales conclusiones del mercado de chips aceleradores de IA
Líder del mercado: NVIDIA lideró con más del 54,2 % de cuota de mercado en 2025.
Principales actores: Los 5 principales actores de este mercado son NVIDIA, AMD, Google (Alphabet), Intel, Qualcomm, que en conjunto registraron una cuota de mercado del 85,2 % en 2025.
La IA generativa está acelerando la demanda de aceleradores especializados al aumentar las necesidades computacionales de los modelos de lenguaje de gran tamaño, las aplicaciones multimodales y la inferencia de IA. Las cargas de trabajo de entrenamiento e inferencia requieren procesamiento paralelo de alto rendimiento, acceso eficiente a la memoria e interconexiones de gran ancho de banda, lo que fomenta el desarrollo de GPU, aceleradores de IA y circuitos integrados de aplicación específica. La creciente adopción de la IA en centros de datos, computación en la nube y aplicaciones empresariales está reforzando la demanda de arquitecturas avanzadas de aceleradores.
Perspectiva del analista de GMI
Nuestras estimaciones del mercado muestran una transición desde un mercado de $ 154,600 millones en 2026 hasta superar $ 1 billón en 2035, impulsada menos por las adquisiciones aisladas de clústeres de entrenamiento que por la demanda recurrente de inferencia. La capacidad de entrenamiento se renueva periódicamente a medida que se desarrollan los modelos, mientras que la inferencia en producción aumenta en función de las aplicaciones implementadas, las consultas, los usuarios, las longitudes de contexto y las versiones de los modelos. El TPU Ironwood de Google, centrado en la inferencia, ilustra la respuesta del hardware: está diseñado para prestar servicios a modelos a gran escala y mejora el rendimiento por vatio frente a la generación Trillium anterior. Este énfasis en los costes operativos respalda la expansión proyectada más rápida de los aceleradores optimizados para la inferencia. [1]Google Cloud, Tensor Processing Units (TPUs) - Product Overview, undated, cloud.google.com
El mercado no se volverá homogéneo a medida que crezca. Las GPU mantienen una ventaja cuando son importantes la portabilidad del software, la compatibilidad amplia con marcos de trabajo y la rápida iteración de modelos, mientras que los ASIC personalizados resultan más atractivos cuando un proveedor de servicios en la nube a hiperescala puede distribuir una inversión fija de diseño entre un tráfico de inferencia sostenido y de gran volumen. La aceleración de Blackwell de NVIDIA demuestra que la demanda de GPU comerciales sigue siendo excepcionalmente sólida, pero su escala también ofrece a los grandes operadores de la nube un incentivo económico para reducir el coste por carga de trabajo mediante silicio propio. Por tanto, los resultados competitivos dependerán de los ecosistemas de software, el acceso a la memoria, la disponibilidad de encapsulado y la eficiencia energética, y no solo de la capacidad máxima de cómputo. [2]NVIDIA Corporation, NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2025, February 2025, investor.nvidia.com
Este informe abarca los procesadores especializados utilizados para acelerar el entrenamiento y la inferencia de IA entre 2022 y 2025, con previsiones de 2026 a 2035 y 2025 como año base. El alcance tecnológico incluye NPU, GPU, ASIC, FPGA y otras arquitecturas emergentes de aceleradores. El alcance por carga de trabajo comprende sistemas optimizados para el entrenamiento, optimizados para la inferencia e híbridos. La cobertura por uso final incluye los sectores de automoción, electrónica de consumo, telecomunicaciones, aplicaciones científicas y de computación de alto rendimiento (HPC), empresas y nube, así como otras aplicaciones en los servicios financieros, la industria, el comercio minorista, los medios de comunicación y la atención sanitaria.
La cobertura geográfica incluye América del Norte, Europa, Asia-Pacífico, América Latina y Oriente Medio y África. Los países analizados son Estados Unidos, Canadá, Alemania, Francia, Reino Unido, Italia, Rusia, España, China, India, Japón, Australia, Corea del Sur, Brasil, México, Argentina, Arabia Saudí, Emiratos Árabes Unidos y Sudáfrica.
Principales impulsores
Demanda de los hiperescaladores de aceleración de inferencias de IA en centros de datos
Las plataformas en la nube están ampliando sus flotas de aceleradores porque la IA en producción genera un perfil de utilización distinto al de la informática empresarial convencional. El servicio de modelos grandes requiere baja latencia, un elevado ancho de banda de memoria y un rendimiento predecible en cargas de trabajo activas de forma continua. NVIDIA comunicó unos ingresos de 115,200 millones de dólares en centros de datos durante el ejercicio fiscal 2025, mientras que AWS, Google Cloud, Microsoft Azure y Oracle Cloud Infrastructure están desplegando sistemas Blackwell. Estos despliegues respaldan la demanda de GPU comerciales y, al mismo tiempo, aumentan el incentivo para que los proveedores de servicios en la nube optimicen partes de sus flotas de servicio mediante ASIC diseñados internamente.
Despliegue de IA generativa en cargas de trabajo empresariales y en la nube
La adopción empresarial genera demanda tanto a través de infraestructuras centralizadas en la nube como de despliegues localizados en los que son importantes la latencia, el control de los datos sensibles o la integración con los sistemas existentes. AMD comunicó unos ingresos de 12,600 millones de dólares en centros de datos en 2024 y señaló que los aceleradores Instinct MI300X se habían desplegado en entornos de producción de Meta, Microsoft y Oracle. La consecuencia comercial es que la adquisición de aceleradores depende cada vez más de la capacidad de memoria, la compatibilidad del software, la integración a nivel de rack y el coste total de operar un servicio de inferencia, y no únicamente del rendimiento del dispositivo. [3]Advanced Micro Devices, Inc., AMD Reports Fourth Quarter and Full Year 2024 Financial Results, February 2025, ir.amd.com
Adopción de IA en el perímetro en dispositivos de consumo, vehículos y sistemas industriales
El procesamiento de IA se está trasladando a dispositivos que no pueden depender de un intercambio continuo de datos con un centro de datos remoto. Los fabricantes de productos electrónicos de consumo están integrando NPU en teléfonos inteligentes y PC para admitir el procesamiento del lenguaje, la generación de imágenes, la traducción y las funciones de asistente directamente en el dispositivo. Del mismo modo, los sistemas de automoción requieren capacidad de cálculo local para la fusión de sensores y las cargas de trabajo de asistencia a la conducción, donde la gestión térmica, la certificación de seguridad funcional y los prolongados ciclos de incorporación al diseño determinan la selección de proveedores. Esta migración amplía la demanda más allá de las GPU para la nube y favorece las arquitecturas de silicio diseñadas en torno a presupuestos limitados de potencia y latencia.
Programas de semiconductores y fabricación de IA respaldados por los gobiernos
Las estrategias nacionales en materia de semiconductores están ampliando el mercado potencial al respaldar la capacidad de fabricación, el empaquetado avanzado y el desarrollo nacional de chips de IA. La Ley CHIPS and Science de EE. UU. proporciona 39,000 millones de dólares en incentivos a la fabricación y 11,000 millones de dólares para programas de investigación y desarrollo. Corea del Sur también ha anunciado un programa de 9,4 billones de wones para apoyar la investigación de chips de IA y el desarrollo de memoria de alto ancho de banda. Estos programas no generan capacidad de vanguardia de forma inmediata, pero influyen en las decisiones de abastecimiento a largo plazo y pueden respaldar ecosistemas regionales en torno a la lógica, la memoria, el empaquetado y la integración de sistemas. [4]U.S. Department of Commerce, CHIPS and Science Act Overview, undated, commerce.gov
Infraestructura de telecomunicaciones nativa de IA
Las redes de radio virtualizadas crean una vía potencial de aceleración, ya que determinadas funciones de radio y optimización de redes pueden ejecutarse mediante software en plataformas de computación flexibles. SoftBank demostró una tecnología massive MIMO basada exclusivamente en software mediante una infraestructura de AI-RAN basada en GPU y expuso sus planes de despliegue comercial a partir de 2026. La adopción dependerá de que los operadores puedan demostrar unos costes operativos más bajos, un rendimiento de radio fiable y nuevas oportunidades de ingresos procedentes de servicios en el edge frente al hardware de red especializado.
Principales restricciones
Elevados costes de desarrollo y ciclos de diseño prolongados en nodos avanzados
El diseño de un acelerador de IA competitivo requiere herramientas costosas de automatización del diseño electrónico, licencias de propiedad intelectual, verificación, habilitación de software, tape-out y validación posterior a la fabricación del silicio. Semiconductor Engineering estima que los costes de diseño de chips complejos aumentan considerablemente en los nodos avanzados, con aproximadamente $ 542 millones en 5 nm y alrededor de $ 580 millones en 3 nm. Esta estructura económica favorece a los proveedores con acceso sostenido a capital y plataformas de software consolidadas, mientras que las empresas emergentes deben centrarse en brechas claramente definidas de rendimiento, latencia o eficiencia energética, en lugar de intentar replicar directamente un ecosistema completo de GPU. [5]Semiconductor Engineering, What Will That Chip Cost?, undated, semiengineering.com
Dependencia de las cadenas de suministro de fundición avanzada, encapsulado y HBM
Los aceleradores de alto rendimiento requieren algo más que una matriz lógica de vanguardia. Su rendimiento práctico depende de la disponibilidad de memoria de alto ancho de banda, la capacidad de encapsulado avanzado, el diseño de interconexiones y el rendimiento de fabricación. Esta concentración convierte los plazos de suministro en una variable competitiva: un proveedor con una arquitectura atractiva podría seguir sin poder cumplir los calendarios de despliegue de los clientes si no tiene acceso a una capacidad adecuada de fundición y encapsulado. Los controles de exportación añaden una restricción independiente en China, donde el acceso limitado a determinados aceleradores avanzados está fomentando alternativas nacionales, pero también limita el acceso a tecnologías de fabricación líderes. [6]Center for Strategic and International Studies, DeepSeek, Huawei, Export Controls, and the Future of the U.S.-China AI Race, 2025, csis.org
Perspectiva del analista de GMI
Nuestro análisis indica que el crecimiento de la demanda seguirá superando la flexibilidad de la cadena de suministro durante la primera parte del período de previsión. La carga financiera del desarrollo en nodos avanzados reduce el número de competidores creíbles capaces de ofrecer soluciones integrales, mientras que la dependencia del encapsulado avanzado y de HBM hace que la asignación de capacidad sea tan relevante desde el punto de vista comercial como la arquitectura del chip. Esto resulta especialmente importante para los clientes que construyen grandes clústeres: el retraso en la entrega de un único componente sujeto a restricciones puede aplazar el uso productivo de todo el desarrollo de un centro de datos.
La restricción no es simplemente un problema de suministro. Refuerza la posición de mercado de las empresas que combinan hardware con software maduro, ingeniería de sistemas y relaciones de adquisición. La política federal de infraestructura de IA también ha elevado el valor estratégico de los semiconductores de vanguardia producidos a escala nacional para los proyectos que cumplen los requisitos.
Proveedores con plataformas validadas y acceso a capacidad de fabricación pueden captar implementaciones de mayor valor, mientras que los nuevos competidores deben demostrar una ventaja económica clara a nivel de carga de trabajo antes de que los clientes acepten los riesgos de migración, integración y suministro.Análisis por segmentos del mercado de chips aceleradores de IA
Por tipo de tecnología
NPU
Se prevé que las NPU crezcan de 27 mil 709,1 millones de USD en 2026 a 207 mil 615,9 millones de USD en 2035, a una TCAC del 25,1 %. Su expansión está vinculada a su integración en SoC de dispositivos de consumo y sistemas periféricos, donde la inferencia debe funcionar dentro de límites definidos de batería, temperatura y latencia. Qualcomm y Apple se benefician de la adecuación de esta arquitectura a los ciclos de producto de dispositivos móviles y de informática personal, mientras que las implementaciones en los sectores de la automoción y la industria amplían la base direccionable más allá de los dispositivos de consumo.
GPU
Las GPU siguen siendo el mayor segmento tecnológico, al aumentar de 75 mil 040,5 millones de USD en 2026 a 446 mil 374,1 millones de USD en 2035, a una TCAC del 21,9 %. Su posición refleja su amplia programabilidad, sus herramientas de desarrollo consolidadas y su idoneidad tanto para el entrenamiento como para la inferencia. La plataforma Blackwell de NVIDIA sigue siendo fundamental para la infraestructura de IA de alta densidad, mientras que la línea de productos Instinct de AMD se ha consolidado como una alternativa relevante en entornos de hiperescala. El factor que limita la sustitución de las GPU suele ser la migración de software y la integración de sistemas, más que la capacidad bruta del silicio.
ASIC
Se prevé que los ASIC aumenten de 35 mil 629,4 millones de USD en 2026 a 301 mil 043,0 millones de USD en 2035, con la TCAC tecnológica más elevada, del 26,8 %. Los proveedores de servicios en la nube a hiperescala pueden justificar los chips personalizados cuando las grandes cargas de trabajo estables permiten amortizar los costes de diseño mediante una utilización sostenida. La estrategia de TPU de Google demuestra este enfoque: la empresa posiciona las TPU como una infraestructura diferenciada para el entrenamiento y la inferencia de IA en Google Cloud. Por tanto, el crecimiento de los ASIC refleja un cambio hacia una economía de servicio especializada, en lugar de una sustitución generalizada de las GPU en todas las cargas de trabajo de IA. [7]Alphabet Inc., Annual Report on Form 10-K for Fiscal Year Ended December 31, 2025, February 2026, sec.gov
FPGA
Se espera que las FPGA crezcan de 10 mil 512,8 millones de USD en 2026 a 51 mil 904,0 millones de USD en 2035, a una TCAC del 19,4 %. La reconfigurabilidad les proporciona un papel en la aceleración de redes, la inferencia periférica especializada, la negociación financiera y la creación de prototipos, pero la complejidad de programación y la menor eficiencia de escala en las cargas de trabajo de IA estandarizadas limitan su expansión frente a las GPU y los ASIC. La cartera Altera de Intel y los activos Xilinx de AMD siguen siendo relevantes cuando el hardware adaptable aporta valor operativo.
Otros
Se prevé que otros enfoques de aceleración, incluidas las arquitecturas neuromórficas, analógicas y de procesamiento en memoria, se expandan de 5 mil 708,3 millones de USD en 2026 a 31 mil 142,4 millones de USD en 2035, a una TCAC del 20,7 %. Su oportunidad se concentra en tareas de inferencia de consumo energético ultrabajo, en las que el movimiento de datos y el consumo de energía son más importantes que la programabilidad amplia. El enfoque de computación analógica en memoria de Mythic AI y otras arquitecturas similares se dirigen a esta oportunidad periférica condicionada por las restricciones de potencia.
Por tipo de carga de trabajo
Optimizado para el entrenamiento
Se prevé que los aceleradores optimizados para el entrenamiento crezcan de 68 mil 452,1 millones de USD en 2026 a 419 mil 384,1 millones de USD en 2035, a una TCAC del 22,3 %. El entrenamiento de modelos de vanguardia sigue requiriendo clústeres de computación estrechamente interconectados, con un alto rendimiento y un elevado ancho de banda de memoria. Las GPU continúan siendo especialmente importantes en este segmento porque los equipos de investigación necesitan flexibilidad para probar arquitecturas de modelos, combinaciones de datos y métodos de optimización cambiantes.
Optimizado para la inferencia
Se prevé que los aceleradores optimizados para inferencia aumenten de $ 57,653.9 millones en 2026 a $ 464,021.5 millones en 2035, con una TCAC del 26,1 %, superando a los sistemas optimizados para entrenamiento en valor de mercado. La inferencia en producción genera costes recurrentes de energía, memoria y utilización de la infraestructura, lo que orienta a los clientes hacia arquitecturas que mejoran el rendimiento por vatio y reducen el coste por resultado generado. El TPU Ironwood de Google, orientado a la inferencia, es un ejemplo de cómo los grandes operadores están adaptando el hardware a este modelo operativo.
Híbridos
Se prevé que los aceleradores híbridos se expandan de $ 28,494.0 millones en 2026 a $ 154,673.8 millones en 2035, con una TCAC del 20,7 %. Estos aceleradores atienden a empresas y usuarios medianos que necesitan un único conjunto de hardware para la experimentación, el ajuste fino y la implementación en producción. Esta flexibilidad reduce la carga operativa de mantener flotas independientes para entrenamiento e inferencia, aunque es posible que no iguale la eficiencia de los sistemas especializados a volúmenes de escala hipersensible.
Por industria de uso final
Automoción
Se prevé que la automoción crezca de $ 18,147.7 millones en 2026 a $ 139,102.6 millones en 2035, con una TCAC del 25,4 %. Los sistemas avanzados de asistencia al conductor y de conducción autónoma requieren el procesamiento local de datos de cámaras, radares y otros sensores. Los largos ciclos de homologación, las limitaciones térmicas y los requisitos de seguridad crean barreras de entrada y pueden hacer que los contratos de diseño sean duraderos una vez que el hardware se adopta en una plataforma de vehículos.
Electrónica de consumo
Se prevé que la electrónica de consumo sea la industria de uso final de mayor crecimiento, al pasar de $ 32,894.1 millones en 2026 a $ 274,053.0 millones en 2035, con una TCAC del 26,6 %. La integración de NPU convierte la capacidad de IA en una función cada vez más habitual de los teléfonos inteligentes, ordenadores personales, tabletas y productos para el hogar inteligente. Los elevados volúmenes unitarios hacen que este segmento sea estratégicamente importante, aunque el valor de los aceleradores por dispositivo sea inferior al de los sistemas de centros de datos.
Telecomunicaciones
Se espera que las telecomunicaciones crezcan de $ 11,511.8 millones en 2026 a $ 64,360.9 millones en 2035, con una TCAC del 21,1 %. Las implementaciones de AI-RAN, vRAN y edge están ampliando el papel de los aceleradores en la optimización de redes y los servicios de IA localizados. El ritmo de adopción depende de que los operadores dispongan de pruebas de que las funciones de red definidas por software pueden cumplir los requisitos de nivel operador y, al mismo tiempo, ofrecer una justificación económica creíble.
Aplicaciones científicas y HPC
Se prevé que las aplicaciones científicas y de HPC aumenten de $ 9,775.5 millones en 2026 a $ 49,827.8 millones en 2035, con una TCAC del 19,8 %. La demanda se ve respaldada por la computación para investigación, la simulación y la supercomputación del sector público, pero las compras siguen ciclos de financiación y calendarios de adquisición más largos que los de la infraestructura de nube comercial.
Empresas y nube
Las empresas y la nube siguen constituyendo el mayor segmento de uso final, con una expansión de $ 53,277.5 millones en 2026 a $ 321,804.6 millones en 2035, a una TCAC del 22,1 %. Los clústeres hipersensibles captan grandes cargas de trabajo de entrenamiento y servicio, mientras que las empresas incorporan sistemas locales cuando los requisitos de privacidad, latencia o residencia de datos justifican una infraestructura dedicada. Los criterios de compra del segmento incluyen cada vez más la velocidad de implementación, el consumo energético, la capacidad de memoria y la compatibilidad con las pilas de software existentes.
Otros
Se prevé que otras industrias, incluidos los servicios financieros, las operaciones industriales, el comercio minorista, los medios de comunicación y la atención sanitaria, aumenten de $ 28,993.4 millones en 2026 a $ 188,930.5 millones en 2035, con una TCAC del 23,2 %. Estas aplicaciones suelen adoptar aceleradores mediante sistemas integrados, servicios de nube gestionados o implementaciones de inferencia especializadas, en lugar de hacerlo mediante clústeres de entrenamiento de escala puntera.
Perspectiva del analista de GMI
Nuestra evaluación sugiere que el cambio clave en la segmentación se produce desde la adquisición de capacidad de cómputo generalizada hacia la selección específica para cada carga de trabajo. Los ASIC registran el crecimiento tecnológico previsto más rápido porque una carga de trabajo de inferencia estable y de gran volumen puede justificar una arquitectura diseñada específicamente para ese fin; por el contrario, las GPU siguen siendo esenciales cuando el desarrollo de modelos cambia rápidamente y la flexibilidad del software es más valiosa que la máxima eficiencia de servicio. En consecuencia, la combinación tecnológica se fragmentará sin eliminar el liderazgo de las GPU.
La electrónica de consumo y la automoción introducen una segunda vía de crecimiento comercialmente diferenciada. Sus TCAC previstas del 26,6 % y el 25,4 %, respectivamente, están vinculadas al despliegue en el extremo de la red, donde un chip debe cumplir requisitos de consumo energético, integración, fiabilidad y ciclos de producto distintos de los de la adquisición por parte de los proveedores de servicios en la nube a hiperescala. Los proveedores capaces de adaptar sus arquitecturas y modelos comerciales a los fabricantes de equipos originales de dispositivos, los programas de homologación de la industria automovilística y los operadores de la nube estarán presentes en una base de demanda más amplia que los proveedores centrados exclusivamente en los centros de datos.
Análisis regional del mercado de chips aceleradores de IA
Norteamérica
Se prevé que Norteamérica crezca de $ 60,591.3 millones en 2026 a $ 352,947.0 millones en 2035, con una TCAC del 21,6 %. Estados Unidos representa $ 51,362.8 millones en 2026 y se espera que alcance $ 289,416.5 millones en 2035, respaldado por su concentración de proveedores de servicios en la nube a hiperescala, diseñadores de chips de IA, clientes de servicios en la nube e inversiones avanzadas en semiconductores. Se prevé que Canadá aumente de $ 9,228.5 millones a $ 63,530.5 millones durante el mismo período, a medida que se expandan la investigación en IA, las infraestructuras en la nube y la adopción empresarial.
La región combina la demanda con el desarrollo estratégico de la oferta. Los incentivos de la CHIPS Act respaldan inversiones en lógica, memoria y encapsulado, incluidos proyectos en los que participan TSMC, Samsung, SK hynix e Intel. El enfoque de la política estadounidense en las infraestructuras de IA también favorece el abastecimiento nacional de semiconductores para determinados proyectos en instalaciones federales. Estas iniciativas mejoran con el tiempo las alternativas de la cadena de suministro, aunque la capacidad avanzada requiere largos períodos de construcción y homologación.
Europa
Se espera que Europa crezca de $ 25,639.8 millones en 2026 a $ 139,102.6 millones en 2035, con una TCAC del 20,7 %. Alemania lidera la región, al expandirse de $ 6,145.7 millones a $ 39,505.1 millones, seguida del Reino Unido, que pasa de $ 4,737.4 millones a $ 24,064.8 millones, y Francia, que aumenta de $ 3,861.8 millones a $ 21,143.6 millones. Se prevé que Italia, España y Rusia crezcan desde $ 2,654.7 millones, $ 2,086.7 millones y $ 1,893.4 millones en 2026 hasta $ 12,380.1 millones, $ 8,624.4 millones y $ 8,346.2 millones, respectivamente, en 2035.
La demanda europea está vinculada a la automatización industrial, el desarrollo de la automoción, la computación para investigación y la expansión de los centros de datos, pero la región sigue dependiendo de aceleradores de vanguardia procedentes del exterior. Graphcore representa un competidor de arquitectura autóctona a través de su plataforma IPU, aunque la empresa opera en un mercado en el que los grandes ecosistemas de GPU y los programas de ASIC de los proveedores de servicios en la nube a hiperescala han elevado el umbral comercial para las arquitecturas alternativas.
Asia-Pacífico
Se prevé que Asia-Pacífico sea la región de crecimiento más rápido, al pasar de $ 54,264.6 millones en 2026 a $ 448,450.3 millones en 2035, con una TCAC del 26,4 %. Se prevé que China se expanda de $ 20,069.6 millones a $ 175,792.5 millones; India, de $ 8,081.3 millones a $ 95,968.4 millones; Japón, de $ 8,999.6 millones a $ 60,092.3 millones; Corea del Sur, de $ 3,139.0 millones a $ 23,767.9 millones; y Australia, de $ 7,162.9 millones a $ 51,123.3 millones.
La trayectoria de China está determinada por la sustitución interna, ya que las restricciones a la exportación fomentan la adquisición de aceleradores de IA nacionales. CSIS informó de que el rendimiento de inferencia del Ascend 910C de Huawei se estima en aproximadamente el 60% del del H100 de NVIDIA y de que China Mobile obtuvo chips para servidores de IA de Huawei en el marco de un importante programa de adquisiciones. Esto genera una demanda protegida para Huawei, Cambricon Technologies, Enflame Technology, MetaX Integrated Circuits e Iluvatar CoreX, mientras que las limitaciones persistentes en la fabricación de vanguardia, el empaquetado avanzado y la HBM siguen siendo factores restrictivos.
En otras partes de la región, la expansión de los centros de datos, los programas de fabricación y las estrategias nacionales de IA respaldan la demanda. Japón y la India han identificado los semiconductores y la IA como áreas de cooperación bilateral en materia de inversión, en el marco de un objetivo de inversión privada de 10 billones de yenes. El programa de inversión de Corea del Sur en chips de IA y HBM refuerza su papel en la cadena de suministro de memoria para IA y semiconductores. [8]Nikkei Asia, Japan to Invest $68bn in India Over 10 Years, Including AI and Chips, August 2025, asia.nikkei.com
América Latina
Se prevé que el mercado de América Latina aumente de 8,063,0 millones de USD en 2026 a 59,170,5 millones de USD en 2035, con una tasa de crecimiento anual compuesta (TCAC) del 24,8%. Se proyecta que Brasil crezca de 3,206,6 millones de USD a 21,893,1 millones de USD; México, de 2,230,3 millones de USD a 18,579,5 millones de USD; y Argentina, de 1,054,4 millones de USD a 6,508,8 millones de USD. La demanda regional se concentra en la capacidad de la nube, la analítica de servicios financieros, la modernización industrial y la automatización vinculada a la relocalización cercana. Los ciclos de inversión pueden ser más irregulares que en Estados Unidos o China, ya que el gasto en infraestructuras es sensible a las condiciones locales de financiación y a las tasas de digitalización empresarial.
Oriente Medio y África
Se prevé que el mercado de Oriente Medio y África aumente de 6,041,3 millones de USD en 2026 a 38,408,9 millones de USD en 2035, con una TCAC del 22,8%. Se proyecta que Arabia Saudí aumente de 1,801,2 millones de USD a 13,020,6 millones de USD; los EAU, de 1,607,9 millones de USD a 10,754,5 millones de USD; y Sudáfrica, de 1,050,3 millones de USD a 6,145,4 millones de USD. Las ambiciones soberanas en materia de IA, la construcción de centros de datos y la digitalización de las telecomunicaciones son importantes fuentes regionales de demanda. Es probable que las adquisiciones sigan concentrándose en proyectos liderados por los gobiernos, centros de servicios en la nube e infraestructuras de telecomunicaciones, en lugar de distribuirse entre implantaciones empresariales.
Opinión del analista de GMI
Esperamos que Asia-Pacífico se convierta en el mayor mercado regional en 2035, al alcanzar 448,450,3 millones de USD, frente a los 352,947,0 millones de USD previstos para América del Norte. El cambio de liderazgo regional está impulsado por la TCAC del 26,4% de Asia-Pacífico, superior al 21,6% de América del Norte, y por la coexistencia de varios motores de crecimiento: los programas de sustitución interna de China, la creciente base de servicios en la nube y semiconductores de la India, y las cadenas de suministro tecnológico consolidadas de Japón y Corea del Sur.
La demanda regional no es intercambiable. El mercado chino de aceleradores está cada vez más determinado por la localización impulsada por los controles a la exportación, lo que beneficia a los desarrolladores nacionales, pero mantiene el rendimiento, el empaquetado y el suministro de memoria como restricciones importantes. Por su parte, América del Norte conserva una sólida ventaja en plataformas comerciales de aceleradores, poder de compra de los proveedores de servicios en la nube a hiperescala y ecosistemas de software. Por tanto, los proveedores deben prever requisitos de homologación, preferencias de abastecimiento y hojas de ruta tecnológicas divergentes, en lugar de una única vía de acceso al mercado mundial.
Cuota de mercado y panorama competitivo del mercado de chips aceleradores de IA
NVIDIA registró una cuota del 54,2% del mercado mundial en 2025, seguida de AMD, con un 10,0%; Google, con un 8,0%; Intel, con un 7,0%; Qualcomm, con un 6,0%; y otros competidores, con aproximadamente un 14,8%. El panorama competitivo se define por la competencia entre plataformas comerciales amplias, soluciones de silicio para la nube integradas verticalmente, proveedores protegidos a escala regional y proveedores de arquitecturas especializadas.
NVIDIA
El liderazgo de NVIDIA se sustenta en su cartera de GPU, el ecosistema de software CUDA, sus capacidades de conectividad y la integración de sistemas a escala de rack. La empresa registró unos ingresos de 130,500 millones de dólares en el ejercicio fiscal 2025, de los cuales 115,200 millones de dólares correspondieron al negocio de centros de datos. Su posición se ve reforzada por los costes y los riesgos de ejecución que afrontan los clientes al trasladar cargas de trabajo de IA optimizadas a entornos de software alternativos.
AMD
AMD es el principal competidor de GPU comerciales, y utiliza los aceleradores Instinct, una elevada capacidad de HBM y el desarrollo de software ROCm para atender implantaciones de IA a hiperescala. Sus implantaciones de producción de MI300X notificadas en Meta, Microsoft y Oracle demuestran que los clientes están dispuestos a homologar un segundo proveedor cuando las características de memoria, las condiciones comerciales y la preparación del software cumplen sus requisitos.
Intel
Intel compite mediante los aceleradores Gaudi, las FPGA de Altera y su posición en el ámbito de la fabricación de semiconductores. Su relevancia estratégica se ve reforzada por la inversión estadounidense en la fabricación nacional de semiconductores, aunque la empresa aún debe consolidar un software para aceleradores más sólido y una mayor adopción por parte de los clientes en un mercado dominado por el ecosistema instalado de NVIDIA.
Google (Alphabet)
Google utiliza TPU tanto para sus servicios internos de IA como para los clientes de Google Cloud. Sus circuitos integrados propios ofrecen una alternativa a las GPU comerciales en cargas de trabajo en las que Google puede optimizar conjuntamente el hardware, la conectividad, el software y la prestación de servicios. Alphabet considera las TPU un elemento central de la diferenciación de su infraestructura de IA.
Qualcomm y Apple
La NPU Hexagon y las plataformas Snapdragon de Qualcomm le permiten posicionarse en aplicaciones móviles, de automoción y de inferencia en el borde. El Neural Engine de Apple está integrado en su ecosistema de dispositivos con integración vertical y permite funciones de IA en el dispositivo en productos de las series A y M. Ambas empresas son fundamentales para la oportunidad de NPU de gran volumen, aunque su exposición a los aceleradores difiere de la de los proveedores de centros de datos comerciales.
Huawei
Huawei es una alternativa nacional fundamental dentro del mercado de infraestructura de IA de China. Su cartera Ascend cuenta con el respaldo de la demanda de empresas y entidades del sector público que buscan alternativas a los aceleradores extranjeros sujetos a restricciones. Su competitividad a largo plazo depende de los avances en fabricación, empaquetado, disponibilidad de memoria y soporte de software.
Cerebras Systems, Groq, SambaNova Systems y Tenstorrent
Estas empresas innovadoras norteamericanas desarrollan arquitecturas diferenciadas. Cerebras hace hincapié en la computación a escala de oblea; Groq se centra en la inferencia determinista de baja latencia; SambaNova desarrolla sistemas de flujo de datos reconfigurables; y Tenstorrent combina el desarrollo de procesadores con modelos de concesión de licencias. Su oportunidad es mayor cuando la carga de trabajo de un cliente pone de manifiesto un cuello de botella claro en los sistemas de GPU convencionales.
Cambricon Technologies, Enflame Technology, MetaX Integrated Circuits e Iluvatar CoreX
Estos proveedores de Asia-Pacífico atienden el creciente mercado nacional de chips de IA de China. Cambricon y Huawei están especialmente expuestas a la demanda respaldada por las políticas públicas, mientras que Enflame, MetaX e Iluvatar CoreX buscan posicionarse en sistemas de formación e inferencia para la nube y las empresas. Su mercado direccionable se está expandiendo, pero el acceso a tecnologías avanzadas de producción sigue siendo un factor determinante.
Graphcore, Etched.ai y Mythic AI
La IPU de Graphcore está orientada a cargas de trabajo de aprendizaje automático con patrones de computación irregulares. Etched.ai desarrolla circuitos integrados de silicio para la inferencia específica de transformadores, mientras que Mythic AI se centra en la computación analógica en memoria de bajo consumo para aplicaciones en el borde. Estas empresas ilustran cómo la especialización puede abrir una vía de entrada en determinadas cargas de trabajo, aunque las arquitecturas estrechamente especializadas conllevan un mayor riesgo si cambian los diseños de los modelos, el software de los clientes o los requisitos de implantación.
Evolución reciente del sector
Implantación de las TPU Ironwood de Google, 2025
Google presentó Ironwood como una TPU centrada en la inferencia, diseñada para la ejecución de modelos a gran escala, con un rendimiento por vatio mejorado frente a Trillium.
Anuncio de la plataforma Rubin de NVIDIA, 2025
NVIDIA anunció la plataforma Rubin para futuros sistemas de computación de IA, ampliando su hoja de ruta arquitectónica anual más allá de Blackwell.
Despliegues de producción de AMD Instinct MI300X, 2024
AMD informó de despliegues a gran escala de MI300X en Meta, Microsoft y Oracle, junto con ingresos superiores a 5,000 millones de dólares en la serie Instinct durante 2024.
Avances de SoftBank en AI-RAN, 2025
SoftBank anunció resultados de MIMO masivo basado exclusivamente en software mediante infraestructura de GPU e indicó que el despliegue comercial de AI-RAN comenzaría en 2026.
Orden ejecutiva de Estados Unidos sobre infraestructura de IA, enero de 2025
Estados Unidos emitió una orden ejecutiva que ordenaba adoptar medidas sobre la infraestructura de los centros de datos de IA y la adquisición nacional de semiconductores de vanguardia para proyectos de emplazamientos federales que cumplieran los requisitos.
Programa de inversión de Corea del Sur en chips de IA, 2025
Corea del Sur anunció un programa de 9,4 billones de wones para apoyar la investigación en chips de IA y el desarrollo de HBM de próxima generación.
¿Necesita una sección específica de este informe?
Adquiera por separado el análisis regional, el análisis por país, los perfiles de empresas u otras perspectivas a nivel de segmento
en función de sus necesidades de investigación.
Preguntas frecuentes(FAQ):
Metodología de investigación, fuentes de datos y proceso de validación
Este informe se basa en un proceso de investigación estructurado basado en conversaciones directas con la industria, modelado propietario y validación cruzada rigurosa, y no solo en investigación de escritorio.
Nuestro proceso de investigación de 6 pasos
1. Diseño de investigación y supervisión de analistas
En GMI, nuestra metodología de investigación se basa en la experiencia humana, la validación rigurosa y la transparencia total. Cada perspectiva, análisis de tendencias y pronóstico en nuestros informes es desarrollado por analistas experimentados que entienden los matices de su mercado.
Nuestro enfoque integra una extensa investigación primaria a través del compromiso directo con participantes y expertos de la industria, complementada con una investigación secundaria integral de fuentes globales verificadas. Aplicamos análisis de impacto cuantificado para ofrecer pronósticos confiables, manteniendo una trazabilidad completa desde las fuentes de datos originales hasta los insights finales.
2. Investigación primaria
La investigación primaria forma la columna vertebral de nuestra metodología, contribuyendo con casi el 80% a los insights generales. Implica el compromiso directo con los participantes de la industria para garantizar la precisión y profundidad en el análisis. Nuestro programa de entrevistas estructuradas cubre los mercados regionales y globales, con aportes de ejecutivos de nivel C, directores y expertos en la materia. Estas interacciones proporcionan perspectivas estratégicas, operativas y técnicas, permitiendo insights completos y pronósticos de mercado confiables.
3. Minería de datos y análisis de mercado
La minería de datos es una parte clave de nuestro proceso de investigación, contribuyendo con casi el 20% a la metodología general. Implica analizar la estructura del mercado, identificar las tendencias de la industria y evaluar los factores macroeconómicos a través del análisis de participación en los ingresos de los principales actores. Los datos relevantes se recopilan de fuentes pagas y gratuitas para construir una base de datos confiable. Esta información se integra luego para respaldar la investigación primaria y el dimensionamiento del mercado, con validación de partes interesadas clave como distribuidores, fabricantes y asociaciones.
4. Dimensionamiento del mercado
Nuestro dimensionamiento del mercado se basa en un enfoque ascendente, comenzando con datos de ingresos de empresas recopilados directamente a través de entrevistas primarias, junto con cifras de volumen de producción de fabricantes y estadísticas de instalación o implementación. Estos datos se ensamblan a través de los mercados regionales para llegar a una estimación global fundamentada en la actividad real de la industria.
5. Modelo de pronóstico y supuestos clave
Cada pronóstico incluye documentación explícita de:
✓ Principales impulsores de crecimiento y su impacto asumido
✓ Factores restrictivos y escenarios de mitigación
✓ Supuestos regulatorios y riesgo de cambio de política
✓ Parámetro de la curva de adopción tecnológica
✓ Supuestos macroeconómicos (crecimiento del PIB, inflación, moneda)
✓ Dinámicas competitivas y expectativas de entrada/salida al mercado
6. Validación y aseguramiento de calidad
Las etapas finales implican validación humana, donde expertos del dominio revisan manualmente los datos filtrados para identificar matices y errores contextuales que los sistemas automatizados podrían pasar por alto. Esta revisión de expertos añade una capa crítica de aseguramiento de calidad, asegurando que los datos se alineen con los objetivos de investigación y los estándares específicos del dominio.
Nuestro proceso de validación de triple capa garantiza la máxima fiabilidad de los datos:
✓ Validación estadística
✓ Validación de expertos
✓ Verificación de la realidad del mercado
Confianza & credibilidad
Fuentes de datos verificadas
Publicaciones comerciales
Revistas sectoriales, publicaciones comerciales y medios especializados
Bases de datos industriales
Bases de datos de mercado propias y de terceros
Documentos regulatorios
Registros de contratación pública y documentos de política
Investigación académica
Estudios universitarios e informes de instituciones especializadas
Informes corporativos
Informes anuales, presentaciones a inversores y declaraciones
Entrevistas con expertos
Alta dirección, responsables de compras y especialistas técnicos
Archivo GMI
Más de 13.000 estudios publicados en más de 20 sectores industriales
Datos comerciales
Volúmenes de importación/exportación, códigos HS y registros aduaneros
Parámetros estudiados y evaluados
Cada punto de datos de este informe se valida mediante entrevistas primarias, modelado ascendente real y rigurosas comprobaciones cruzadas. Lea sobre nuestro proceso de investigación →