Era de chips personalizados con IA: ¿Puede MRVL convertirse en la próxima compañía de un billón de dólares bajo la evolución conjunta de ASIC y GPU?

27 de mayo de 2026, Marvell Technology (MRVL) publicó los resultados del primer trimestre del FY2027: ingresos de 2.418 mil millones de dólares, un aumento del 28% interanual, un crecimiento del 9% respecto al trimestre anterior, ligeramente por encima de las expectativas del mercado de 2.41 mil millones de dólares. Pero lo que realmente hizo vibrar al mercado no fue esta cifra por encima de lo esperado, sino lo que ocurrió después: el 2 de junio, el CEO de NVIDIA, Jensen Huang, en COMPUTEX 2026 en Taipei, compartió escenario con el CEO de Marvell, Matt Murphy, y anunció públicamente: “Señoras y señores, esta será la próxima compañía con una valoración de un billón de dólares.”

Esta declaración hizo que las acciones de Marvell se dispararan más del 30% en un solo día. Hasta justo antes y después del anuncio, el precio de las acciones de Marvell en 2026 casi se había duplicado, con un aumento anual del 95%.

Detrás de estas fluctuaciones surge una cuestión más profunda en la industria: los chips ASIC (Application-Specific Integrated Circuit) para IA están convirtiéndose en una vía paralela y autónoma al desarrollo de GPUs. ¿Por qué los gigantes tecnológicos (Google TPU, Amazon Trainium, Meta MTIA) están evitando a NVIDIA para invertir en su propia investigación y desarrollo de chips? ¿Qué papel juega Marvell en esto—es un sustituto de las GPUs o un colaborador?

La esencia de los chips ASIC para IA: de lo general a lo específico, un cambio de paradigma

Para entender por qué los gigantes tecnológicos están invirtiendo en sus propios chips, primero hay que aclarar un concepto: la diferencia fundamental entre ASIC y GPU radica en el equilibrio entre versatilidad y especialización.

La GPU (Unidad de Procesamiento Gráfico) es un chip de cálculo IA de uso general. Las GPUs de NVIDIA pueden sobresalir en tareas de entrenamiento, inferencia, visión, voz, sistemas de recomendación y otras muchas tareas de IA, pero también soportan circuitos redundantes y un conjunto de instrucciones genéricas que generan gastos. En escenarios específicos, su eficiencia energética puede optimizarse.

Por otro lado, los ASIC (Circuitos Integrados de Aplicación Específica) son hardware diseñado a medida para tareas concretas de IA. Tomemos como ejemplo el TPU (Tensor Processing Unit) de Google, cuyo núcleo está profundamente codificado para multiplicaciones matriciales, logrando en el mismo consumo de energía varias veces la tasa de cálculo de matrices que una GPU. Específicamente:

• Ventaja en eficiencia: en tareas de inferencia IA específicas, los ASIC pueden ofrecer de 3 a 5 veces el rendimiento por vatio que una GPU.
• Optimización de costos: en despliegues a gran escala (como centros de datos en la nube con millones de chips), el TCO (costo total de propiedad) de los ASIC es significativamente menor que el de las GPUs comerciales.
• Ventajas en integración de sistemas: los ASIC propios pueden integrarse con las pilas de software, arquitecturas de red y sistemas de disipación térmica de los proveedores de la nube, logrando una optimización de extremo a extremo.

Este cambio de paradigma se basa en la lógica de que las cargas de trabajo de IA están pasando de un entrenamiento diversificado a una inferencia a escala. Cuando la arquitectura del modelo IA converge (como en el caso de Transformers) y la escala de inferencia crece exponencialmente, la optimización mediante hardware dedicado se vuelve una tendencia inevitable.

Un analista lo resumió con precisión: “Marvell no busca ‘sustituir a NVDA’, sino abrir una segunda vía principal en el mercado de IA. Los ASICs personalizados podrían ser la vía de mayor crecimiento en los próximos años, aunque aún se pasen por alto.”

¿Por qué los gigantes tecnológicos desarrollan sus propios chips? La lógica de coste-eficiencia de la des-NVIDIA

Los cuatro grandes gigantes de la computación en la nube—Microsoft, Amazon, Google y Meta—están acelerando sin precedentes sus planes de chips propios, constituyendo la tendencia más importante en el campo de los chips IA en los últimos años.

Google TPU (Tensor Processing Unit): ya en su séptima generación, diseñada con ayuda de Broadcom, es uno de los proyectos de chips personalizados más antiguos y de mayor escala en la industria. Según Counterpoint, Broadcom tendrá aproximadamente el 60% del mercado de ASICs para servidores IA en 2027.

Amazon Trainium / Inferentia: la serie Trainium, diseñada con ayuda de Marvell, está en plena expansión. Trainium 3 se desplegó completamente a principios de 2026.

Microsoft Maia: en enero de 2026, Microsoft lanzó la segunda generación de su chip IA propio, Maia 200, fabricado con proceso de 3 nm de TSMC, y ya en despliegue en centros de datos.

Meta MTIA (Meta Training and Inference Accelerator): también diseñada con ayuda de Broadcom.

La lógica que impulsa esta tendencia se puede resumir en tres niveles:

| Nivel | Lógica central | Fundamentación clave | | --- | --- | --- | | Primer nivel: costo | El gasto en capital para comprar GPUs en masa es alto | Los principales proveedores en la nube en 2026 alcanzaron entre 660 y 700 mil millones de dólares en gastos de capital; los ASICs propios pueden reducir el costo por chip de inferencia a un 30-50% del de las GPUs comerciales. | | Segundo nivel: eficiencia energética | El consumo en centros de datos se vuelve un cuello de botella operativo | Los ASICs pueden soportar mayor rendimiento en la misma capacidad de consumo. | | Tercer nivel: estrategia | Liberarse de la dependencia de un único proveedor | Los gigantes del cloud evitan que su negocio principal dependa de la hoja de ruta y precios de NVIDIA. |

El concepto de “alianza anti-NVDA” se discute ampliamente en este contexto. Es importante aclarar que no se trata de una organización formal, sino de una descripción de la tendencia sectorial de los gigantes tecnológicos hacia chips personalizados. Según predicciones de Morgan Stanley y Counterpoint, el mercado de ASICs IA crecerá de unos 12 mil millones de dólares en 2024 a 30 mil millones en 2027, con una tasa compuesta anual del 34%.

Goldman Sachs incluso es más optimista: estima que la cuota de mercado de ASICs en chips IA alcanzará el 40% en 2026, superando el 45% en 2027, casi igualando a las GPUs. Paralelamente, se espera que las entregas de servidores con ASICs crezcan un 44.6% en 2026, frente a un 16.1% de las GPUs comerciales.

La doble posición de Marvell MRVL: ¿sustituto o colaborador?

En la narrativa de des-NVIDIA, el papel de Marvell suele interpretarse erróneamente como un sustituto de NVIDIA. Pero la realidad del panorama es mucho más compleja.

Primero, en el mercado de chips personalizados existe una distribución clara en niveles.

Según Counterpoint y otras instituciones, el mercado de servicios de diseño de ASICs IA presenta actualmente un duopolio:

• Broadcom (AVGO): aproximadamente 55-60% de cuota, líder absoluto en ASICs personalizados, con clientes profundos como Google, Meta, OpenAI.
• Marvell (MRVL): aproximadamente 13-15%, en segundo lugar, con clientes principales como Amazon, Microsoft y Google.

Juntos controlan cerca del 95% del mercado de diseño de ASICs IA personalizados. Es importante señalar que el mercado global de ASICs IA aún está en fase de rápido crecimiento, compartiendo la mayor parte de la expansión, en un escenario más de expansión conjunta que de competencia por cuota de mercado.

En segundo lugar, la relación entre Marvell y NVIDIA no es de sustitución, sino de profunda colaboración.

Este cambio estructural ocurrió en 2026. En marzo, NVIDIA anunció una inversión estratégica de 2 mil millones de dólares en Marvell. Ambas empresas colaboran en tecnología NVLink Fusion, integrando los chips personalizados de Marvell y soluciones de interconexión óptica en el ecosistema de fábricas de IA y AI-RAN de NVIDIA.

Luego, en COMPUTEX 2026 en junio, Huang Huang dio un respaldo aún más explícito: (el conmutador de centros de datos de Marvell) es crucial para procesar cargas de trabajo IA.

¿Por qué NVIDIA invierte en una compañía que también desarrolla chips personalizados? La lógica es la siguiente:

Cuando los clústeres de entrenamiento IA crecen de miles a decenas o cientos de miles de tarjetas, la conectividad se vuelve un recurso más escaso que el propio cálculo. La declaración de Huang en COMPUTEX refleja esta lógica: cuando el procesamiento IA se dispersa en todo el centro de datos, los dispositivos de red son tan importantes como las GPUs mismas. Y Marvell posee una acumulación tecnológica insustituible en interconexión óptica de alta velocidad, conmutación Ethernet y DSP de 1.6T.

Por ello, el papel de Marvell puede definirse como colaborador: no busca reemplazar a NVIDIA en GPU, sino ofrecer una opción de chips personalizados en el ecosistema de NVIDIA, además de ser un proveedor clave de infraestructura de interconexión dentro del sistema de NVIDIA. Esta doble posición le confiere un valor estratégico único en toda la cadena de infraestructura IA.

Análisis de los resultados del Q1 FY2027 de Marvell: validación de la lógica

¿Se ha traducido esta lógica sectorial en resultados financieros cuantificables? La última publicación de resultados de Marvell aporta una validación clave.

Datos financieros principales

| Indicador | Valor | Variación interanual / respecto al trimestre anterior | | --- | --- | --- | | Ingresos Q1 FY2027 | 2.418 mil millones de dólares | +28% / +9% | | Ingresos del negocio de centros de datos | 1.833 mil millones de dólares | +27% / 76% de los ingresos totales | | Guía de ingresos para Q2 FY2027 (valor medio) | 2.7 mil millones de dólares | implícitamente +35% interanual | | Objetivo de ingresos para FY2027 | aproximadamente 11.5 mil millones de dólares | +40% interanual aproximado | | Objetivo de FY2028 | aproximadamente 16.5 mil millones de dólares | +44% respecto a FY2027 | | Objetivo a largo plazo para chips IA personalizados | 10 mil millones de dólares en 2029 | — |

Fuente: resultados oficiales de Marvell y conferencia telefónica de FY2027 Q1

Indicadores a destacar

Los datos del negocio de centros de datos de Marvell en el Q1 FY2027 alcanzaron un récord de 1.833 mil millones de dólares, representando ya el 76% del total, demostrando que su estructura de negocio ha completado una transición estratégica hacia los centros de datos IA.

Más aún, la dirección revisó al alza sus perspectivas: elevó el objetivo de ingresos para FY2027 de aproximadamente 11 mil millones a 11.5 mil millones de dólares, y el de FY2028 de unos 15 mil millones a 16.5 mil millones. Morgan Stanley actualizó su visión a largo plazo tras los resultados, proyectando un crecimiento del 50% en ingresos de centros de datos en FY2027, y acelerando a aproximadamente un 55% en FY2028.

Un hito que no debe pasarse por alto: Marvell será incluido en el índice S&P 500 el 22 de junio de 2026, con una valoración de aproximadamente 254 mil millones de dólares, reemplazando a Pool Corp. Este hecho simboliza cómo la demanda de IA está impulsando a las empresas de semiconductores a ingresar en los principales índices bursátiles.

Adquisición de Celestial AI por Marvell: profundizando en la estrategia de cálculo y conectividad óptica

Al analizar la narrativa de crecimiento de Marvell, una adquisición merece una atención especial: en diciembre de 2025, Marvell anunció la compra de Celestial AI por aproximadamente 6 mil millones de dólares, y completó la operación en febrero de 2026.

Celestial AI se especializa en fotónica de silicio y tecnología de interconexión óptica, con el objetivo de resolver el creciente cuello de botella de memoria en los centros de datos IA—el problema de la transferencia de datos entre cálculo y almacenamiento.

El núcleo estratégico de esta adquisición es: Marvell combina su experiencia en ASICs personalizados, conmutación Ethernet y DSP de 1.6T, con la capacidad de interconexión óptica de Celestial AI, creando una capacidad tecnológica que cubre toda la cadena de enlaces de datos. Analistas de JP Morgan señalan que Marvell se ha convertido en la única empresa que cubre simultáneamente diseño de ASICs, DSP óptico de 1.6T, fotónica de silicio (a través de Celestial AI) y conmutación CXL—todo en un mismo paquete, sin competencia que pueda replicarlo actualmente.

En términos de ritmo comercial, Marvell estima que los ingresos iniciales de Celestial AI comenzarán a partir del segundo semestre de FY2028, alcanzando en el cuarto trimestre una tasa de operación anualizada de 5 mil millones de dólares.

Análisis comparativo: diferencias estructurales entre Marvell, NVIDIA y AMD

En la cadena de valor de chips IA, los modelos de negocio de Marvell, NVIDIA y AMD son fundamentalmente diferentes, lo que determina sus trayectorias de crecimiento y lógica de valoración. Antes de comparar, conviene aclarar que los indicadores de valoración presentados son solo referencias, dado que las estructuras, escalas, tasas de crecimiento y márgenes de beneficio varían mucho entre estas empresas. La decisión de inversión debe hacerse considerando el perfil de riesgo individual.

Diferencias en el modelo de negocio principal

| Dimensión | NVIDIA (NVDA) | Marvell (MRVL) | AMD (AMD) | | --- | --- | --- | --- | | Modelo central | Venta de GPUs genéricas y sistemas de cálculo IA completos | ASICs personalizados + infraestructura de interconexión de alta velocidad | GPU, CPU y FPGA de uso general | | Forma de productos IA | Chips/sistemas terminados (HGX/DGX) | Chips semi personalizados y soluciones de interconexión para la nube | GPU MI y APU | | Relación con clientes | Amplia cobertura de clientes finales | Vinculación profunda con principales proveedores de nube (Amazon/Microsoft/Google) | Fabricantes de servidores, centros de supercomputación y algunos proveedores de nube | | Barreras clave | Ecosistema de software CUDA + capacidad de integración de sistemas | Capacidad de personalización + experiencia en interconexión óptica y Ethernet | Integración multiarquitectura + enfoque en relación calidad-precio |

Comparación en volumen de ingresos y crecimiento

| Indicador | NVIDIA (FY2026, hasta enero 2026) | Marvell (FY2026 completo + perspectivas FY2027) | AMD (todo 2025) | | --- | --- | --- | --- | | Escala de ingresos anual | Aproximadamente 130 mil millones de dólares | FY2026 unos 8.2 mil millones / objetivo FY2027 ~11.5 mil millones | Aproximadamente 25-28 mil millones | | Último trimestre con ingresos IA | Más de 35 mil millones en centros de datos | 18.33 mil millones en un trimestre | 15-20 mil millones en GPU MI por trimestre | | Tasa de crecimiento interanual | Entre 40% y 50% | Objetivo FY2027 cerca del 40% | Entre 20% y 30% |

Fuente: informes financieros de las empresas y datos públicos del mercado.

Perspectiva del inversor: diferencias

JPMorgan señala que, comparando NVDA y MRVL, la expectativa de beneficios a largo plazo de NVIDIA (51.7%) es mayor que la de Marvell (39.4%), pero la valoración de Marvell tiene mayor elasticidad, siendo más sensible a pedidos y nuevos clientes. Esta diferencia refleja en qué etapa de ciclo se encuentran: NVIDIA en una fase madura de expansión, Marvell en una fase crítica de transición de ASICs semi personalizados de volumen a cambio cualitativo.

Tras la adquisición de Celestial AI, la inversión estratégica de NVIDIA y la inclusión en el S&P 500, los bancos de inversión como Stifel han elevado el precio objetivo de Marvell a 321 dólares (desde 230), manteniendo la recomendación de compra.

Riesgos potenciales en la carrera de chips personalizados

En un mercado muy optimista, hay que considerar estos riesgos:

Aumento de competencia en cuota de mercado

Aunque Marvell ocupa el segundo lugar en ASICs personalizados, Broadcom (AVGO) ya ha obtenido grandes contratos con Google TPU y Meta MTIA, y su cuota en diseño de ASICs IA en 2027 podría caer al 8%, según Counterpoint.

Riesgo de concentración de clientes

Marvell depende mucho de Amazon, Microsoft y Google. La modificación de la hoja de ruta o cambio de proveedor por parte de estos clientes puede afectar significativamente su negocio. Tiene más de 20 clientes en diseño de ASIC IA, pero la mayor parte de sus ingresos aún proviene de unos pocos.

Estabilidad de márgenes

El margen operativo de Marvell ronda el 15%, reflejo de su rol tradicional de proveedor de hardware. La expansión en producción en volumen de ASICs puede mejorar estos márgenes, pero aún hay incertidumbre.

Iteraciones continuas de GPUs NVIDIA

NVIDIA sigue lanzando nuevas generaciones de GPUs con mejoras de rendimiento, lo que puede retrasar decisiones sobre chips personalizados. La competencia en hardware IA sigue en evolución dinámica.

Riesgos geopolíticos y de cadena de suministro

El sector de semiconductores enfrenta riesgos de política exterior, restricciones de exportación y desglobalización.

Riesgos de valoración

Con unos ingresos de aproximadamente 8.2 mil millones en 2026 y una valoración de unos 2.500 mil millones, el mercado ya ha incorporado muchas expectativas de crecimiento. Analistas advierten que el precio actual puede estar sometido a presión si los resultados no cumplen las expectativas o si la demanda se desacelera.

Conclusión

El rendimiento por encima de lo esperado en el Q1 FY2027 de Marvell, junto con la predicción de Huang de un valor de un billón de dólares, marcan la entrada de los chips ASIC para IA en el centro del escenario.

Desde una perspectiva macro, la infraestructura de cálculo IA está atravesando una transformación estructural: de una arquitectura monolítica centrada en NVIDIA GPU, a una más diversificada con entrenamiento en GPU y inferencia/conectividad en ASIC.

La aparición colectiva de chips personalizados como Google TPU, Amazon Trainium, Microsoft Maia y Meta MTIA refleja una tendencia unificada de los principales proveedores en la nube a des-NVIDIA. Pero des-NVIDIA no significa reemplazar a NVIDIA. La colaboración profunda entre Marvell y NVIDIA revela una regla más profunda: la clave del éxito en los centros de datos IA está en la extensión de la conexión, no solo en la potencia de cálculo. Cuando la escala de los clústeres supera las decenas de miles de tarjetas, la conectividad eficiente entre chips es tan importante como la capacidad de cálculo de cada uno.

En este nuevo escenario de múltiples polos en competencia, Marvell, con su doble estrategia en ASICs personalizados y infraestructura de interconexión de alta velocidad, está construyendo una barrera estratégica única. No es un camino para reemplazar a las GPUs, sino una vía paralela y complementaria en toda la cadena de infraestructura IA, formando una vía independiente que no puede faltar en el ecosistema completo.

¿Se cumplirá la predicción de la próxima compañía con valoración de un billón de dólares? La respuesta la escribirán en los próximos años los pedidos, la evolución de cuota de mercado y la innovación tecnológica. Pero lo que está claro es que la era de los chips personalizados ya ha comenzado.