El punto de control invisible de Broadcom de $16.7 mil millones

En su informe del tercer trimestre de 2026, Broadcom dijo que los ingresos por semiconductores de IA alcanzaron $16.7 mil millones, un alza de 221% interanual. Sin embargo, Broadcom registró una velocidad de cobertura actual de -0.339, lo que significa que la atención se enfrió mientras la compañía ganaba peso económico en toda la infraestructura de IA.

Los propietarios de modelos ahora otorgan mayor poder de negociación en la infraestructura de IA a los proveedores que pueden codiseñar silicio, conectarlo mediante switching y óptica, y ayudar a financiar la capacidad resultante. Broadcom ejemplifica este punto de control oculto: los hyperscalers y los laboratorios de frontera poseen la narrativa de plataforma, mientras Broadcom ocupa las interfaces que hacen funcionar sus planes de capacidad.

Las cargas de trabajo repetidas vuelven racional al silicio personalizado

Un propietario de modelos que sirve repetidamente las mismas arquitecturas tiene un objetivo de optimización estable. Puede distribuir los costos de diseño personalizado entre una gran base de tokens y luego usar su conocimiento de los modelos para intercambiar generalidad por menor latencia, menor consumo de energía o más trabajo por watt. Ese es el mecanismo detrás del cambio en la economía de la inferencia: el conocimiento del modelo se vuelve un insumo para la eficiencia del hardware.

OpenAI y Broadcom demostraron el ciclo de diseño comprimido con Jalapeño, un acelerador de inferencia optimizado para LLM que pasó del diseño al tape-out de fabricación en nueve meses. OpenAI participó directamente en el diseño y utilizó sus modelos en el proceso de desarrollo. El laboratorio no se limitó a elegir un componente de un catálogo.

OpenAI dijo después que Jalapeño ofrecía 1.5 a 1.9 veces más trabajo de IA por watt y una latencia 1.7 a 3.6 veces menor que los chips de Nvidia en GPT-OSS, DeepSeek R1 y Kimi K2.5 1T. Esos benchmarks reportados por la empresa identifican el posible premio de codiseñar hardware y modelo, pero no establecen el premio completo. OpenAI no ha revelado en el registro citado el volumen de despliegue comprometido de Jalapeño ni su participación en la capacidad de inferencia.

La comparación publicada por OpenAI tampoco proporciona un costo por token reportado de forma independiente y comparable, que incorpore utilización, redes, memoria, energía y depreciación. Un chip puede ganar un benchmark mientras el sistema desplegado pierde dinero. Los centros de datos tienen el lamentable hábito de cobrar por toda la máquina.

Nvidia sigue siendo el contraejemplo contundente frente a cualquier afirmación de que los chips personalizados para inferencia han desplazado a las GPU comerciales. Nvidia tenía un estimado de 95% del mercado de GPU para machine learning en 2023, y OpenAI después se comprometió a desplegar al menos 10 gigawatts de sistemas Nvidia. El soporte de software de propósito general, la infraestructura instalada y el suministro a escala todavía tienen un valor enorme.

Sin embargo, otros laboratorios están adoptando la misma capacidad organizacional. Anthropic ha confirmado un equipo interno de silicio que codiseña hardware y Claude mediante un enfoque multichip, parte de un giro más amplio hacia una infraestructura de inferencia controlada por los laboratorios. El acuerdo de Amazon con OpenAI compromete por separado al laboratorio a consumir aproximadamente dos gigawatts de capacidad Trainium a través de AWS. Cada arreglo preserva la computación comercial mientras añade alternativas específicas para la carga de trabajo a su alrededor.

Broadcom gana dinero debajo de la marca de otra empresa

El informe del Q3 de Broadcom hizo visible la escala de su exposición a la IA. Los semiconductores de IA generaron más de la mitad de los $29.59 mil millones de ingresos trimestrales totales de la compañía.

Los $16.7 mil millones no separan aceleradores personalizados, redes u otra demanda de semiconductores de IA. La divulgación de Broadcom para el año fiscal 2024 revelaba más sobre la arquitectura: la compañía atribuyó su crecimiento en IA a su portafolio de XPU y redes Ethernet. Broadcom vende en múltiples capas del sistema, por lo que su cifra principal de IA no puede establecer cuánto del incremento provino específicamente del silicio para inferencia.

La estrategia de proveedores de OpenAI muestra cómo surge esa ambigüedad. Los reportes han descrito los chips de Nvidia como parte de la infraestructura de entrenamiento de OpenAI y los chips de Broadcom como parte de su estrategia de inferencia. OpenAI sigue siendo la plataforma de cara al cliente en ambos casos. Broadcom gana exposición al volumen de servicio del laboratorio sin necesidad de convertirse en proveedor de API o marca de modelos.

Broadcom apareció en 48 artículos en el periodo posterior, frente a 27 en el anterior, mientras el encuadre para consumidores cayó de 40.7% a 16.6%. La compañía recibió cobertura consistente con su posición debajo de marcas de cara al cliente, aunque el conteo no puede demostrar esa explicación. Broadcom registra actualmente una velocidad de cobertura de -0.339, que mide el enfriamiento de la atención y no la contracción de la demanda de chips. La compañía puede volverse más relevante para el stack mientras aparece con menor frecuencia en las narrativas de cara al consumidor.

El mismo informe del Q3 también acota la afirmación económica. Broadcom pronosticó ingresos del Q4 por debajo de las estimaciones de los analistas pese al crecimiento de sus semiconductores de IA. La exposición al silicio personalizado y las redes no elimina los ciclos de producto, la concentración de clientes, los retrasos en despliegues ni el riesgo de pronóstico.

La red determina cuánto silicio es utilizable

Los grandes clústeres convierten el movimiento de datos en una restricción de utilización. Un acelerador que espera parámetros o resultados sigue siendo capacidad comprada, pero no es capacidad productiva. Por lo tanto, los propietarios de modelos se preocupan por el comportamiento de los enlaces entre chips y racks, no solo por las especificaciones de cada acelerador.

El Ultra Ethernet Consortium formalizó ese requisito en junio de 2025 cuando publicó su especificación 1.0 para IA y computación de alto rendimiento. Miembros del consorcio, entre ellos AMD, Cisco, HPE e Intel, trataron el control de congestión, el comportamiento de transporte y el acceso remoto a memoria como problemas de diseño de sistemas de IA. La plomería genérica de centros de datos se había convertido en parte de la arquitectura de la carga de trabajo.

Cisco presionó el mismo punto de control desde el lado del proveedor. Sus sistemas de routing Silicon One P200 y 8223 de 2026 apuntaron a transferencias más rápidas a través de cables ópticos largos, mientras que su chip de switch G300 fue lanzado para competir con Broadcom y Nvidia en infraestructura de IA. Los lanzamientos de Cisco importan porque colocan el silicio de switching dentro del mismo marco competitivo que los aceleradores.

La óptica extiende ese marco. Intel demostró un chiplet de interconexión óptica para cómputo, bidireccional y completamente integrado, en junio de 2024, y Nvidia después exploró la óptica coempaquetada de Corning para servidores. La óptica coempaquetada sigue siendo una arquitectura en desarrollo y no un estándar de despliegue consolidado, pero Intel, Nvidia y Corning trabajan en ella porque la conectividad eléctrica enfrenta presión de energía y ancho de banda a medida que escalan los clústeres.

El portafolio de Broadcom abarca los lados de aceleradores y Ethernet de esta migración del cuello de botella. Eso le da a la compañía más oportunidades de influir en un diseño, pero también da a los clientes más motivos para fomentar alternativas. Cisco puede atacar el switching, Marvell puede buscar cómputo personalizado y procesamiento de memoria, y los proveedores de óptica pueden cambiar dónde se acumula el valor dentro de la interconexión.

El financiamiento vuelve al proveedor parte de la planeación de capacidad

Los despliegues de IA de varios años requieren que los clientes aseguren hardware antes de que la demanda de servicio se conozca por completo. Los proveedores pueden competir en esas condiciones al respaldar la estructura de capital alrededor de una compra, no solo al mejorar el componente.

Nvidia y Broadcom han utilizado garantías de valor residual para respaldar las compras de los clientes mientras las grandes empresas tecnológicas expanden el gasto en IA fuera de balance. Una garantía de valor residual asigna importancia económica a lo que el hardware podría valer más adelante. El producto del proveedor ahora incluye una opinión sobre el valor futuro del activo. El chip ha adquirido un balance general, un comportamiento inusual para un componente.

El financiamiento reportado en torno a Anthropic ilustra la escala potencial. Fuentes y documentos regulatorios describieron que Google estaba armando un programa de financiamiento de aproximadamente $200 mil millones, con más de $150 mil millones vinculados a TPUs e involucrando a Broadcom, Blackstone, Apollo y otras partes. Por separado, se reportó que Broadcom discutía más de $60 mil millones en deuda para un acuerdo de financiamiento de chips de IA que beneficiaría a Anthropic y otras compañías.

Ningún reporte establece una estructura de financiamiento completada bajo esos términos. Ambos siguen siendo evidencia de negociaciones, no confirmación de que Broadcom asumió una responsabilidad particular. Aun así muestran lo que clientes y proveedores intentan resolver: el desempeño del hardware es irrelevante si el comprador no puede financiar suficiente capacidad instalada para aprovecharlo.

El financiamiento de infraestructura de IA puede profundizar la relación con un proveedor porque cambiar de proveedor implica entonces contratos, supuestos de garantía y proveedores de capital, además de software y hardware. También puede trasladar más riesgo hacia la cadena de suministro. La baja utilización, la obsolescencia rápida o los menores valores de reventa importan de forma distinta cuando un proveedor ha ayudado a suscribir el despliegue.

La dependencia recluta a sus propios competidores

Según reportes, el regulador de activos estatales de China, SASAC, estaba encuestando despliegues de switches de Broadcom en centros de datos respaldados por el Estado en septiembre de 2026, mientras China buscaba reducir su dependencia de infraestructura de IA extranjera. El reporte describe una encuesta, no una restricción confirmada. Aun así, el interés de SASAC sitúa al silicio de switching dentro de una decisión de política industrial y no de una compra ordinaria de TI.

Las empresas chinas ya están construyendo sustitutos en capas adyacentes. Según reportes, Alibaba y Baidu comenzaron a usar chips diseñados internamente para entrenar modelos de IA, en parte en lugar de hardware de Nvidia. Por separado, Alibaba habría entregado más de 100,000 unidades Zhenwu 810E, un ASIC diseñado para entrenamiento e inferencia. Esos chips no reemplazan por sí solos el portafolio de switching de Broadcom, pero demuestran el incentivo para internalizar hardware fundamental cuando la dependencia extranjera se convierte en un riesgo de política pública.

Los clientes comerciales crean una presión similar sin dirección estatal. Según reportes, Google ha discutido una nueva TPU y una unidad de procesamiento de memoria con Marvell, mientras Cisco ha lanzado silicio de switching directamente contra Broadcom y Nvidia. Los propietarios de modelos quieren poder de negociación, los proveedores de chips quieren una mayor participación del gasto en sistemas y los gobiernos quieren capacidad controlable. Cada actor busca una capa distinta del mismo stack.

La ventaja de Broadcom, por lo tanto, establece la especificación para cualquiera que intente desplazarla. Un rival debe dar al propietario del modelo una ruta creíble de la carga de trabajo al silicio, del silicio al tejido de red y del tejido de red a la capacidad financiada; un comprador soberano debe reproducir esa cadena localmente. Clientes, rivales y gobiernos responden a la dependencia diseñando reemplazos. Broadcom puede seguir reportando $16.7 mil millones en ingresos por semiconductores de IA mientras la atención se enfría porque ensambla la cadena debajo de las marcas más rápido de lo que los compradores pueden desagregarla.