Las organizaciones están considerando una gama más amplia de aceleradores de IA en lugar de limitar la evaluación a Nvidia, pero eso no significa que se preparen para abandonar de inmediato sus plataformas actuales. Según la edición de julio de la encuesta VB Pulse, que incluyó a 170 participantes en infraestructura de IA, el 39,4 % afirmó que probablemente evaluará aceleradores no pertenecientes a Nvidia durante los próximos 12 meses, frente al 25,3 % que dijo lo mismo sobre Nvidia Blackwell (GB300) o los procesadores de próxima generación de Nvidia; es decir, una diferencia de 14 puntos porcentuales.
Entre las alternativas mencionadas en la encuesta se encuentran AWS Trainium, Google TPU, AMD Instinct e Intel Gaudi, además de chips ASIC desarrollados internamente por las organizaciones. No obstante, Nvidia sigue siendo la opción predeterminada en la mayoría de los entornos de producción, por lo que el resultado indica una ampliación del abanico de evaluación más que una evidencia de un cambio inmediato en la cuota de producción.
Mayor actividad, pero menor disposición al cambio inmediato
Los resultados sobre los chips se inscriben en una tendencia más amplia: las organizaciones están utilizando la infraestructura de IA con mayor intensidad e intentan optimizar lo que ya tienen antes de decidir un cambio de plataforma principal. La proporción de participantes que prevé cambiar de plataforma en un periodo de entre cero y tres meses cayó del 38,3 % en junio al 28,8 % en julio. En cambio, la proporción de quienes prevén el cambio entre tres y seis meses aumentó 4,1 puntos porcentuales, y la de quienes lo prevén entre seis y 12 meses aumentó 5,3 puntos. La proporción de quienes no planean ningún cambio se mantuvo prácticamente estable, en torno al 40 %.
Varias plataformas registraron un aumento en el uso en producción. La proporción que declaró utilizar Microsoft Azure en producción pasó del 29 % al 47,1 %, mientras que el uso de Google Gemini aumentó del 41,1 % al 47,6 %. Asimismo, la proporción correspondiente a OpenAI pasó del 40,2 % al 49,4 %, y el uso de Anthropic aumentó del 12,1 % al 24,7 %. El salto de Azure debe interpretarse con cautela, ya que la muestra de julio tenía una mayor inclinación hacia las grandes organizaciones: el 57 % de los participantes trabajaba en empresas con más de 1.000 empleados, frente al 37 % en junio.
Las organizaciones también mejoraron el aprovechamiento de las GPU que gestionan por sí mismas. La proporción de quienes operaban estas unidades al 50 % de su capacidad o menos cayó del 83 % en junio, dentro de una muestra de 100 participantes, al 69 % en julio, dentro de una muestra de 155 participantes. La proporción de operación por encima del 50 % aumentó del 13 % al 23 %.
El criterio pasa del tamaño de la plataforma al rendimiento de la carga de trabajo
Los criterios de selección muestran que las decisiones de compra están más vinculadas a la operación real. La integración con el entorno de nube y los datos de la organización siguió siendo el factor más importante, con un 40,0 % en julio frente al 41,1 % en junio. Sin embargo, la prioridad del rendimiento aumentó del 24,3 % al 35,3 %, mientras que la prioridad del coste por millón de tokens pasó del 7,5 % al 15,9 %, y la prioridad del acceso a GPU aumentó del 18,7 % al 23,5 %.
En cambio, la proporción de quienes eligieron el coste total de propiedad como factor principal cayó del 34,6 % al 21,8 %. Esto no significa que el coste haya perdido importancia, sino que la evaluación parece estar más vinculada a la carga de trabajo: cómo funciona la inferencia en producción, cuál es el nivel de fiabilidad y cuánto cuesta cada unidad de trabajo útil.
¿Por qué importa esta tendencia?
El interés por las alternativas no pertenecientes a Nvidia aumentó del 31,8 % en junio al 39,4 % en julio. El incremento fue más claro entre quienes tienen autoridad estratégica de compra, aunque la muestra de cargos ejecutivos sénior era pequeña: la proporción en este grupo aumentó del 42,9 %, es decir, seis de 14, al 57,1 %, es decir, 12 de 21. Entre los responsables de la decisión final, aumentó del 35,4 % al 50 %.
Estas cifras indican que la diversificación de aceleradores está pasando de ser una cuestión de ingeniería a convertirse en una decisión estratégica de infraestructura. La presencia de alternativas en las listas de evaluación proporciona a las organizaciones una mayor capacidad para comparar el rendimiento, el coste y la disponibilidad del hardware, pero no demuestra que esas alternativas hayan alcanzado una superioridad en producción ni que las organizaciones hayan decidido migrar a ellas.
El control no se limita a los chips
La misma tendencia apareció en la capa de herramientas que conecta los modelos con los datos y servicios de la organización, que la encuesta describió como un conjunto que incluye herramientas, datos, orquestación, evaluación, identidad, seguridad y observabilidad. En julio, el 36,6 % prefirió conservar herramientas independientes, las mejores de cada categoría, junto con los modelos, y otro 36,6 % prefirió combinar los entornos operativos nativos de los proveedores de servicios con herramientas independientes. En conjunto, el 79,2 % respaldó un enfoque que conserva cierto control arquitectónico fuera de un único proveedor de modelos, frente a aproximadamente el 65,3 % en junio.
En cambio, la proporción de quienes prefieren la estandarización en una pila contextual nativa de un único proveedor de modelos cayó del 20,8 % al 11,9 %. Este control tiene una importancia práctica, ya que el 68,3 % de los participantes en julio afirmó haberse enfrentado a una respuesta segura pero incorrecta debido a un contexto ausente o incorrecto, frente al 57,4 % en junio. Asimismo, el 62,4 % afirmó que una capa semántica o contextual gobernada estaba en producción o en fase de construcción.
Nubes especializadas y componentes de código abierto
La proporción de quienes prevén un mayor uso de proveedores de nube especializados en IA, conocidos como neoclouds, aumentó del 33 % al 38 %, mientras que la proporción de quienes prevén un menor uso cayó del 9,7 % al 5,4 %. Sin embargo, el uso actual en producción de proveedores específicos como CoreWeave, Lambda, Crusoe y Nebius siguió siendo mucho menor, aunque aumentó del 1,9 % al 5,9 %.
La diferencia entre la intención de expansión y el uso actual indica un espacio potencial de evaluación y adopción, no una implementación completa. La fiabilidad, la seguridad, el soporte, las redes y la gestión de datos seguirán siendo factores decisivos para que estas empresas puedan convertir el acceso a aceleradores en un uso empresarial sostenible.
Asimismo, el uso de pilas de producción de código abierto y autogestionadas aumentó del 3,7 % al 12,9 %, incluidos ejemplos mencionados en la encuesta como PyTorch, Triton, vLLM, Ray y Kubernetes. El uso de herramientas de código abierto para la caché de claves y valores, como LMCache y el almacenamiento en caché de prefijos de vLLM, aumentó del 6,5 % al 11,8 %. Sin embargo, la consideración de plataformas de código abierto se mantuvo prácticamente estable, del 5,6 % al 6,5 %, lo que significa que la expansión se concentra entre organizaciones que ya han entrado en la fase de implementación, no entre una base más amplia de nuevos evaluadores.
Limitaciones metodológicas: El artículo compara dos ediciones independientes de la encuesta y dos periodos de tiempo, con 107 participantes en junio de 2026 y 170 en julio de 2026, y no constituye un estudio longitudinal de las mismas organizaciones. La composición de la muestra también cambió y no se realizaron pruebas de significación estadística; por ello, las diferencias mensuales deben considerarse señales direccionales, no una demostración de causalidad. Los datos sobre la capa contextual se basan en una encuesta independiente con 101 participantes en cada mes.