Google profundiza su independencia tecnológica con un acuerdo de chips que podría generar 120.000 millones de dólares para Marvell
Google está acelerando una transformación que puede alterar profundamente el equilibrio de poder de la industria mundial de semiconductores. La compañía ha alcanzado un acuerdo estratégico con Marvell Technology para desarrollar tecnologías vinculadas a sus chips personalizados de inteligencia artificial y ha concedido al fabricante una oportunidad económica extraordinaria: si se cumplen los objetivos previstos, la relación podría generar para Marvell aproximadamente 120.000 millones de dólares de ingresos acumulados hasta su ejercicio fiscal 2033. Como parte del acuerdo, Google obtiene además un warrant que le permitirá comprar hasta 58,97 millones de acciones de Marvell a 206,58 dólares por acción, una participación potencial valorada en unos 12.200 millones de dólares al precio de ejercicio. Si llegara a ejercerse completamente, Google podría convertirse en uno de los mayores accionistas de la compañía. La reacción del mercado refleja la dimensión de la operación: las acciones de Marvell llegaron a avanzar cerca de un 8 %, mientras Broadcom, hasta ahora uno de los grandes socios de Google para chips personalizados, cayó más de un 5 %. El mensaje estratégico es mucho más importante que el movimiento bursátil: Google quiere controlar una proporción cada vez mayor de la infraestructura física sobre la que funciona Gemini y reducir progresivamente la dependencia de proveedores externos para una de las partidas más costosas de la inteligencia artificial.
Google lleva más de una década preparando esta independencia
La estrategia no comenzó con la actual explosión de la IA generativa. Google presentó su primera Tensor Processing Unit, TPU, en 2016, después de varios años de desarrollo interno, precisamente porque anticipó que sus necesidades de aprendizaje automático acabarían siendo demasiado grandes para depender exclusivamente de procesadores generalistas. Desde entonces ha desarrollado sucesivas generaciones de TPU optimizadas específicamente para entrenamiento e inferencia de inteligencia artificial. La diferencia frente a una GPU convencional resulta esencial para entender la estrategia: Nvidia desarrolla aceleradores extremadamente flexibles utilizados por miles de compañías y aplicaciones diferentes, mientras Google puede diseñar chips específicamente alrededor de sus propios modelos, centros de datos, redes y software. Esa integración vertical permite optimizar conjuntamente hardware y algoritmos y, cuando se ejecutan miles de millones de operaciones, incluso pequeñas mejoras de eficiencia pueden traducirse en ahorros extraordinarios.
La explosión de Gemini ha convertido esa ventaja histórica en una prioridad financiera. Google ya no utiliza IA únicamente para mejorar Search, publicidad o recomendaciones. Gemini se está integrando en Workspace, Android, Google Cloud, programación, búsqueda, agentes y una creciente cantidad de servicios. Cada nueva interacción consume capacidad computacional y la inferencia —el proceso de ejecutar un modelo ya entrenado— puede convertirse en uno de los mayores costes variables de la nueva economía digital. Por eso Google está intentando diseñar cada vez más componentes de la cadena: procesadores, redes, almacenamiento, movimiento de datos y software. La verdadera independencia tecnológica no consiste únicamente en tener un modelo propio; consiste en controlar también la infraestructura necesaria para ejecutarlo económicamente.
Marvell entra en el corazón de las TPU de Google
El acuerdo amplía considerablemente el papel de Marvell dentro de esta arquitectura. La compañía participará en tecnologías relacionadas con los procesadores utilizados para los modelos de IA de Google y en componentes vinculados a almacenamiento y networking, dos áreas que están adquiriendo una importancia extraordinaria en los grandes clusters de inteligencia artificial. Cuando miles o decenas de miles de aceleradores trabajan conjuntamente, disponer de chips rápidos no es suficiente. Los datos tienen que moverse continuamente entre procesadores, memoria, almacenamiento y diferentes partes del centro de datos. Si las conexiones no pueden mantener el ritmo, una GPU o TPU extremadamente potente puede permanecer parcialmente infrautilizada esperando información. La batalla de la IA está desplazándose, por tanto, desde el procesador individual hacia el rendimiento del sistema completo.
Esto explica también por qué Marvell puede aspirar a ingresos de hasta 120.000 millones de dólares hasta 2033 vinculados al acuerdo si Google alcanza los objetivos que activan plenamente el warrant. No estamos hablando únicamente de fabricar un chip. Estamos hablando de participar durante años en una infraestructura que Google pretende ampliar a escala mundial. Para Marvell, conseguir una posición dentro de ese ecosistema puede transformar completamente su tamaño y perfil empresarial.
Broadcom recibe una advertencia de 120.000 millones
El movimiento tiene además una lectura competitiva especialmente importante. Broadcom ha sido durante años el principal socio de Google en el desarrollo de chips personalizados, y esa relación se ha convertido en una de las grandes fuentes de crecimiento del fabricante estadounidense. La incorporación de Marvell no significa necesariamente que Google vaya a sustituir a Broadcom. De hecho, la escala de las necesidades futuras probablemente permitirá trabajar con varios proveedores simultáneamente. Pero sí demuestra que Google quiere diversificar su cadena de suministro y evitar que una parte estratégica de su infraestructura dependa excesivamente de una única compañía.
La caída de más del 5 % registrada por Broadcom después del anuncio muestra que los inversores comprendieron inmediatamente el riesgo. En una industria donde los contratos de chips personalizados pueden generar decenas de miles de millones, perder incluso una parte del crecimiento futuro de Google puede modificar considerablemente las expectativas financieras. Para Google, en cambio, disponer de varios socios aumenta su capacidad de negociación, reduce riesgos de suministro y permite comparar tecnologías. Es exactamente la misma lógica que las grandes empresas están empezando a aplicar a los propios modelos de IA: evitar dependencias irreversibles de un único proveedor.
El verdadero objetivo es reducir la dependencia económica de Nvidia
Nvidia continúa siendo la compañía dominante en aceleradores de inteligencia artificial y su ecosistema CUDA constituye una ventaja extraordinariamente difícil de replicar. Pero precisamente por esa posición, las GPU de Nvidia son un recurso caro y extraordinariamente demandado. Para Google, Amazon, Microsoft y Meta, depender exclusivamente de Nvidia significaría permitir que una parte enorme del margen futuro de sus negocios de IA quedara condicionada por un proveedor externo. Por eso prácticamente todos los grandes hyperscalers están desarrollando silicio propio: Google dispone de TPU, Amazon de Trainium e Inferentia, Microsoft desarrolla Maia y Meta trabaja en sus propios aceleradores.
La lógica económica resulta especialmente poderosa en inferencia. Entrenar un modelo gigantesco puede costar miles de millones, pero se realiza de manera relativamente puntual. La inferencia ocurre cada vez que alguien utiliza el modelo. Si Gemini acaba procesando miles de millones de interacciones diariamente, reducir unos pocos céntimos el coste de cada conjunto de operaciones puede representar miles de millones de ahorro anual. Diseñar un chip específicamente optimizado para la arquitectura utilizada por Google puede permitir mejorar la relación entre rendimiento, electricidad y coste frente a utilizar siempre hardware generalista de terceros.
No significa que Google vaya a dejar de comprar Nvidia. Los hyperscalers necesitan tanta capacidad que probablemente continuarán utilizando simultáneamente GPU externas y chips propios. La diferencia está en disponer de una alternativa. La TPU proporciona a Google poder de negociación, seguridad de suministro y una estructura económica propia para ejecutar Gemini.
La inteligencia artificial convierte el chip en una decisión financiera
Ésta es probablemente la parte más interesante para los directivos. Durante años, el procesador utilizado por una aplicación era una cuestión prácticamente invisible para el consejo de administración. La empresa compraba servicios cloud y Tecnología gestionaba la infraestructura. La IA cambia esa situación porque el coste computacional puede convertirse en una partida extraordinariamente grande. Cuando una compañía despliega miles de agentes trabajando continuamente, el precio de inferencia influye directamente en el ROI de cada automatización. Si Google consigue reducir sustancialmente el coste de ejecutar Gemini mediante TPU propias, puede trasladar una parte del ahorro a sus clientes, utilizarla para mejorar márgenes o combinar ambas estrategias.
La competencia entre Google, Microsoft y Amazon puede acabar pareciéndose así a una guerra industrial. Cada proveedor dispondrá de modelos, chips, centros de datos, redes y software propios y podrá optimizar el conjunto completo. Para los clientes empresariales, comparar únicamente el precio por millón de tokens será insuficiente. Tendrán que analizar coste por tarea completada, velocidad, calidad, disponibilidad, privacidad y dependencia tecnológica.
Google está construyendo una cadena vertical completa de IA
El movimiento de Marvell encaja dentro de una estrategia mucho más amplia. Google posee Gemini, Google DeepMind, una de las mayores redes mundiales de centros de datos, Google Cloud, TPU, Search, Android, Workspace y una enorme capacidad de distribución. Cada una de estas piezas refuerza a las demás. Gemini genera demanda de computación; las TPU reducen potencialmente el coste de esa computación; Google Cloud permite venderla a terceros; Workspace y Android proporcionan distribución; y Search ofrece una de las mayores plataformas de interacción con usuarios existentes en el mundo.
La ventaja competitiva puede estar precisamente en esa integración. OpenAI puede desarrollar modelos extraordinarios, pero necesita apoyarse en una compleja red de socios para obtener chips, centros de datos y energía. Google dispone de una parte considerable de esa infraestructura dentro de su propio ecosistema. Amazon persigue una estrategia similar mediante AWS y Trainium, mientras Microsoft intenta avanzar con Maia. Estamos entrando en una fase donde el laboratorio de IA y el fabricante de infraestructura empiezan a convertirse en una misma organización económica.
El acuerdo también muestra cómo Big Tech está financiando a sus propios proveedores
El warrant concedido a Google añade otra dimensión interesante. Si se cumplen los objetivos y Google ejerce completamente el derecho, podría adquirir acciones de Marvell por un valor de ejercicio cercano a 12.200 millones de dólares y convertirse potencialmente en su quinto mayor accionista. Esto crea una alineación financiera muy fuerte: cuanto más crezca el negocio generado por Google para Marvell y mayor sea el valor de la compañía, mayor puede ser también el beneficio económico para Google como accionista.
Estamos observando cada vez más estructuras parecidas dentro de la economía de la IA. Nvidia invierte en compañías que posteriormente compran sus chips; hyperscalers financian laboratorios que contratan sus servicios cloud; fabricantes de semiconductores reciben inversiones de clientes estratégicos; y proveedores tecnológicos conceden warrants vinculados al cumplimiento de objetivos comerciales. La cadena de suministro de IA está dejando de ser una relación tradicional entre comprador y vendedor para convertirse en una red de participaciones cruzadas, contratos plurianuales y compromisos de inversión.
Esto puede acelerar extraordinariamente la construcción de infraestructura, pero también exigirá a los inversores analizar cuidadosamente hasta qué punto el crecimiento de cada compañía depende de unos pocos clientes gigantescos y de relaciones financieras interconectadas.
Los chips personalizados pueden convertirse en uno de los mayores mercados de la década
El dominio de Nvidia no significa necesariamente que todo el crecimiento futuro termine en GPU. Los chips personalizados o ASIC pueden convertirse en una de las categorías más importantes de la próxima década porque los hyperscalers disponen de una escala suficiente para justificar el enorme coste de diseñarlos. Una compañía pequeña difícilmente puede invertir miles de millones en desarrollar un procesador propio. Google puede hacerlo porque cualquier mejora se aplica posteriormente sobre millones de millones de operaciones.
Para Marvell y Broadcom aparece así un mercado extraordinario: ayudar a los grandes grupos tecnológicos a diseñar semiconductores sin que estos tengan que convertirse completamente en fabricantes de chips. Los hyperscalers controlan la arquitectura y los requisitos; compañías especializadas aportan conocimiento en diseño, interconexión y componentes; y fabricantes como TSMC producen finalmente los chips.
Los 120.000 millones potenciales de Marvell muestran la escala que puede alcanzar esta industria. La inteligencia artificial no está creando únicamente gigantes de modelos. Está construyendo simultáneamente una enorme economía de semiconductores personalizados.
La gran batalla será producir más inteligencia por cada dólar y cada vatio
El acuerdo entre Google y Marvell contiene finalmente una lección fundamental sobre la siguiente etapa de la IA. Durante los primeros años, el mercado preguntaba qué compañía tenía más GPU. Ahora empieza a preguntar cuánta inteligencia puede producir cada compañía con cada dólar invertido y cada megavatio consumido. La electricidad está convirtiéndose en una restricción física, los centros de datos necesitan inversiones gigantescas y los modelos procesan cantidades cada vez mayores de información. La eficiencia deja de ser únicamente una cuestión medioambiental y pasa a ser una ventaja económica.
Google lleva años preparándose para esta situación. Sus TPU le permiten diseñar conjuntamente modelos y hardware, y el acuerdo con Marvell amplía su capacidad para controlar también networking, almacenamiento y otros componentes fundamentales. Nvidia seguirá siendo una pieza central de la industria, pero Google está dejando claro que no quiere que el futuro económico de Gemini dependa exclusivamente de ella.
La carrera por la inteligencia artificial entra así en una nueva fase. Ya no gana únicamente quien construye el modelo más inteligente. Puede ganar quien consiga ejecutarlo más barato, más rápido y utilizando menos energía que sus competidores.
Comprender la infraestructura de IA ya es una responsabilidad directiva
La inteligencia artificial empresarial no puede analizarse únicamente desde ChatGPT, Claude o Gemini. Los chips, centros de datos, energía, inferencia, proveedores y costes determinan cada vez más el retorno económico de cualquier proyecto. Los altos directivos necesitan comprender cómo estas variables afectan a sus decisiones tecnológicas y a la dependencia futura de sus organizaciones.
El Curso Superior en Inteligencia Artificial para Directivos (CSIAD) de THE INTELLIGENCE Institute prepara a presidentes, CEOs, directores generales y altos ejecutivos para comprender esta nueva economía de la IA y liderar su implantación desde una perspectiva estratégica, tecnológica y financiera.
Descubre el CSIAD – Curso Superior en Inteligencia Artificial para DirectivosDescubre más desde THE INTELLIGENCE
Suscríbete y recibe las últimas entradas en tu correo electrónico.
