27 de mayo de 2026. Marvell Technology (MRVL) publicó sus resultados financieros del primer trimestre del ejercicio fiscal 2027, reportando unos ingresos trimestrales de 2 418 millones de dólares, un aumento del 28 % interanual y del 9 % respecto al trimestre anterior, superando ligeramente las expectativas del mercado, que apuntaban a 2 410 millones. Sin embargo, lo que realmente desató la euforia en el mercado no fue solo este resultado, sino lo que sucedió a continuación. El 2 de junio, durante COMPUTEX 2026 en Taipéi, el CEO de NVIDIA, Jensen Huang, subió al escenario junto al CEO de Marvell, Matt Murphy, y lanzó una declaración contundente: "Señoras y señores, esta es la próxima compañía del billón de dólares".
Esa afirmación disparó las acciones de Marvell más de un 30 % en un solo día. Desde principios de 2026, el precio de la acción de Marvell casi se ha duplicado, con un incremento del 95 % en lo que va de año alrededor del anuncio de resultados.
Detrás de estos movimientos espectaculares hay una narrativa sectorial de fondo: los chips personalizados de IA (ASIC) están emergiendo como una vía independiente que corre en paralelo a las GPU. ¿Por qué gigantes tecnológicos como Google (TPU), Amazon (Trainium) y Meta (MTIA) están dejando de lado a NVIDIA para invertir en sus propios chips? ¿Qué papel juega Marvell: es un sustituto de la GPU o un colaborador?
La esencia de los chips personalizados de IA (ASIC): un cambio de paradigma del hardware generalista al especializado
Para comprender por qué los gigantes tecnológicos están invirtiendo fuertemente en el desarrollo de chips personalizados, primero debemos aclarar un concepto clave: la diferencia fundamental entre los ASIC y las GPU radica en el equilibrio entre diseño generalista y especializado.
Las GPU (Graphics Processing Units) son chips de computación de IA de propósito general. Las GPU de NVIDIA destacan en una amplia variedad de tareas de IA: entrenamiento, inferencia, visión, voz, sistemas de recomendación y más. Sin embargo, esta versatilidad implica circuitería adicional y un conjunto de instrucciones amplio, lo que deja margen para mejorar la eficiencia en escenarios concretos.
Por el contrario, los ASIC (Application-Specific Integrated Circuits) son hardware diseñado específicamente para tareas concretas de IA. Tomemos como ejemplo el TPU de Google (Tensor Processing Unit): su núcleo está profundamente optimizado para la multiplicación de matrices, logrando varias veces el rendimiento de una GPU en operaciones matriciales con el mismo consumo energético. En concreto:
- Eficiencia energética: Para cargas de trabajo de inferencia de IA específicas, los ASIC pueden ofrecer entre 3 y 5 veces más rendimiento por vatio que las GPU.
- Optimización de costes: En despliegues a hiperescala (pensemos en millones de chips en centros de datos en la nube), los ASIC presentan un TCO (coste total de propiedad) significativamente inferior al de las GPU comerciales.
- Integración de sistemas: Los ASIC personalizados pueden integrarse estrechamente con la pila de software, la arquitectura de red y los sistemas de refrigeración del proveedor cloud para una optimización integral.
La lógica tras este cambio de paradigma es clara: las cargas de trabajo de IA están evolucionando desde tareas diversas de entrenamiento hacia una inferencia a escala masiva. A medida que las arquitecturas de modelos de IA convergen (por ejemplo, los modelos Transformer se generalizan) y la inferencia crece exponencialmente, la optimización profunda mediante hardware especializado se vuelve inevitable.
Un analista lo resumió perfectamente: "Marvell no está ‘reemplazando a NVDA’, está abriendo una segunda vía principal en el mercado de IA. Los ASIC personalizados pueden ser el segmento más ignorado pero de mayor crecimiento en los próximos años".
¿Por qué los gigantes tecnológicos diseñan sus propios chips? La lógica de eficiencia de costes tras la des-NVIDIA-zación
Microsoft, Amazon, Google y Meta—los cuatro titanes cloud—están acelerando sus iniciativas de chips personalizados a un ritmo sin precedentes, impulsando la tendencia más relevante a largo plazo en el sector de chips de IA.
Google TPU (Tensor Processing Unit): Ya en su séptima generación, co-diseñada con Broadcom, es el proyecto de chip personalizado más antiguo y de mayor escala del sector. Counterpoint estima que Broadcom controlará cerca del 60 % del mercado de diseño de ASIC de computación para servidores de IA en 2027.
Amazon Trainium / Inferentia: La serie Trainium, co-diseñada con Marvell, se está desplegando rápidamente. Trainium 3 se lanzó por completo a principios de 2026.
Microsoft Maia: En enero de 2026, Microsoft presentó su segunda generación de chip personalizado de IA, Maia 200, fabricado con el proceso de 3 nm de TSMC y ya desplegado en centros de datos.
Meta MTIA (Meta Training and Inference Accelerator): Co-diseñado con Broadcom.
Tres factores clave impulsan esta tendencia:
| Nivel | Lógica principal | Evidencia clave |
|---|---|---|
| 1: Coste | La adquisición masiva de GPU implica un alto capex | El capex total de los principales proveedores cloud en 2026 se estima en 660–700 mil millones de dólares; los ASIC personalizados pueden reducir el coste por chip de inferencia al 30–50 % del de las GPU comerciales |
| 2: Eficiencia energética | El consumo energético de los centros de datos es un cuello de botella | Los ASIC ofrecen mayor rendimiento en el mismo rango de potencia por rack |
| 3: Estrategia | Evitar la dependencia de un único proveedor | Los gigantes cloud quieren evitar que el roadmap y los precios de NVIDIA condicionen su negocio principal |
El concepto de "Alianza Anti-NVIDIA" es ampliamente debatido en este contexto. No se trata de una organización formal, sino de una descripción gráfica del giro colectivo de los gigantes tecnológicos hacia chips personalizados. Según Morgan Stanley y Counterpoint, el mercado de ASIC de IA crecerá de unos 12 000 millones de dólares en 2024 a 30 000 millones en 2027, con una tasa de crecimiento anual compuesta del 34 %.
Goldman Sachs es aún más optimista: proyecta que los ASIC representarán el 40 % del mercado de chips de IA en 2026 y superarán el 45 % en 2027, casi a la par que las GPU. Al mismo tiempo, se espera que los envíos de servidores con ASIC aumenten un 44,6 % interanual en 2026, mientras que las GPU comerciales crecerán solo un 16,1 %.
El doble papel de Marvell MRVL: ¿sustituto o colaborador?
En el relato de la des-NVIDIA-zación, el papel de Marvell en el mercado suele malinterpretarse como un sustituto directo de NVIDIA. En realidad, el panorama es mucho más matizado.
En primer lugar, el mercado de chips personalizados presenta una jerarquía clara.
Según Counterpoint y otras fuentes, el mercado actual de servicios de diseño de ASIC personalizados de IA es un duopolio:
- Broadcom (AVGO): Controla entre el 55 y el 60 % de cuota de mercado, siendo el líder mundial indiscutible en ASIC personalizados, con una presencia destacada en Google, Meta, OpenAI y otros.
- Marvell (MRVL): Posee entre el 13 y el 15 % de cuota, ocupando el segundo puesto, con clientes de primer nivel como Amazon, Microsoft y Google.
Ambas compañías suman cerca del 95 % del mercado de diseño de ASIC personalizados de IA. Es importante destacar que el mercado global de ASIC de IA sigue en plena expansión, beneficiando a todos los actores: se trata más de un crecimiento colectivo que de una lucha de suma cero por la cuota existente.
En segundo lugar, la relación de Marvell con NVIDIA no es de sustitución, sino de colaboración profunda.
Esta relación cambió radicalmente en 2026. En marzo, NVIDIA anunció una inversión estratégica de 2 000 millones de dólares en Marvell. Ambas compañías iniciaron una colaboración técnica avanzada en torno a NVLink Fusion, integrando los chips personalizados y las soluciones de interconexión óptica de Marvell en los ecosistemas AI Factory y AI-RAN de NVIDIA.
En COMPUTEX 2026, Jensen Huang fue claro: los switches de centro de datos de Marvell son "críticos para las cargas de trabajo de IA".
¿Por qué NVIDIA invertiría en una empresa que también fabrica chips personalizados? La lógica es la siguiente:
A medida que los clústeres de entrenamiento de IA escalan de miles a cientos de miles o incluso millones de GPU, la conectividad se vuelve más escasa—y más valiosa—que la propia capacidad de cómputo. El mensaje central de Huang en COMPUTEX fue precisamente ese: a medida que la computación de IA se distribuye por todo el centro de datos, el hardware de red resulta tan importante como la GPU. La experiencia de Marvell en interconexión óptica de alta velocidad, switching Ethernet y DSP de 1,6T es insustituible.
Por tanto, el papel de Marvell se define mejor como el de colaborador: no busca reemplazar las GPU de NVIDIA, sino ofrecer opciones de chips personalizados fuera del ecosistema de NVIDIA y, a la vez, ser un proveedor clave de infraestructura de interconexión dentro de él. Esta doble posición otorga a Marvell un valor estratégico único en toda la pila de infraestructura de IA.
Resultados del Q1 FY2027 de Marvell: validación basada en datos
¿Se han traducido estas dinámicas sectoriales en resultados financieros tangibles? Los últimos resultados de Marvell ofrecen una validación clave.
Principales métricas financieras
| Métrica | Valor | Interanual/Trimestral |
|---|---|---|
| Ingresos Q1 FY2027 | 2 418 millones de dólares | +28 % interanual / +9 % trimestral |
| Ingresos de Data Center | 1 833 millones de dólares | +27 % interanual / 76 % del total |
| Guía de ingresos Q2 FY2027 (punto medio) | 2 700 millones de dólares | Implica +35 % interanual |
| Objetivo de ingresos FY2027 | ~11 500 millones de dólares | +~40 % interanual |
| Objetivo de ingresos FY2028 | ~16 500 millones de dólares | +44 % vs. FY2027 |
| Objetivo a largo plazo de chips personalizados de IA | 10 000 millones de dólares para 2029 | — |
Fuente: resultados oficiales de Marvell y conferencia de resultados Q1 FY2027
Aspectos destacados
Los ingresos de Marvell en centros de datos alcanzaron un récord de 1 833 millones de dólares en el Q1 FY2027, representando ya el 76 % del total, lo que subraya su giro estratégico hacia la IA en centros de datos.
Aún más relevante es la revisión al alza de las previsiones de la dirección: el objetivo de ingresos para FY2027 se eleva de ~11 000 millones a 11 500 millones, y el de FY2028 pasa de ~15 000 millones a 16 500 millones. Morgan Stanley actualizó de inmediato su previsión a largo plazo, anticipando que los ingresos de centros de datos crecerán ~50 % interanual en FY2027 y se acelerarán hasta ~55 % en FY2028.
Un hito a destacar: el 22 de junio de 2026, Marvell entrará oficialmente en el índice S&P 500, sustituyendo a Pool Corp, con una capitalización bursátil de ~254 000 millones de dólares. Esto marca un nuevo hito para las empresas de semiconductores que se incorporan a índices bursátiles de referencia impulsadas por la demanda de IA.
Adquisición de Celestial AI por parte de Marvell: profundidad estratégica desde el cómputo hasta la interconexión óptica
Una adquisición clave respalda la narrativa de crecimiento de Marvell. En diciembre de 2025, Marvell anunció la compra de Celestial AI, especialista en interconexión óptica, por unos 6 000 millones de dólares, operación completada en febrero de 2026.
Celestial AI se centra en la fotónica de silicio y la interconexión óptica, con el objetivo de resolver el creciente cuello de botella del "muro de memoria" en los centros de datos de IA: la brecha de transferencia de datos entre computación y almacenamiento.
La estrategia: Marvell está integrando sus capacidades de ASIC personalizados, switching Ethernet y DSP de 1,6T con la tecnología de interconexión óptica de Celestial AI para construir una solución de enlace de datos de pila completa. Según analistas de J.P. Morgan, Marvell es ahora el único proveedor que cubre diseño de ASIC personalizados, DSP óptico de 1,6T, fotónica de silicio (vía Celestial AI) y switching CXL, un foso técnico integral sin igual en el sector.
En el plano comercial, Marvell prevé que la contribución de ingresos de Celestial AI comience en la segunda mitad del FY2028, alcanzando una tasa anualizada de 500 millones de dólares en el cuarto trimestre.
Análisis comparativo: Marvell vs. NVIDIA y AMD—diferencias estructurales
En la cadena de valor de chips de IA, Marvell, NVIDIA y AMD presentan modelos de negocio fundamentalmente distintos, lo que condiciona sus trayectorias de crecimiento y lógica de valoración. Antes de profundizar en la comparación, cabe señalar que las métricas de valoración siguientes son solo orientativas—no constituyen una recomendación de inversión. Cada inversor debe tomar decisiones independientes según su perfil de riesgo.
Diferencias en el modelo de negocio principal
| Dimensión | NVIDIA (NVDA) | Marvell (MRVL) | AMD (AMD) |
|---|---|---|---|
| Modelo principal | Venta de GPU de propósito general y sistemas completos de computación de IA | ASIC personalizados + infraestructura de interconexión de alta velocidad | Portfolio diverso: GPU, CPU y FPGA de propósito general |
| Forma del producto de IA | Chips/sistemas terminados (HGX/DGX) | Chips semicustom y soluciones de interconexión para proveedores cloud | GPU y APU serie MI |
| Relación con clientes | Amplia base de clientes finales | Integración profunda con los principales proveedores cloud (Amazon/Microsoft/Google) | OEM de servidores, supercomputación, algunos proveedores cloud |
| Foso competitivo | Ecosistema software CUDA + integración de sistemas | Personalización + experiencia en tecnología óptica/Ethernet | Integración multi-arquitectura + posicionamiento de valor |
Comparativa de escala de ingresos y ritmo de crecimiento
| Métrica | NVIDIA (FY2026, enero 2026) | Marvell (FY2026 completo + previsión FY2027) | AMD (2025 completo) |
|---|---|---|---|
| Ingresos anuales | ~130 000 millones de dólares | FY2026 ~8 200 millones / objetivo FY2027 ~11 500 millones | ~25–28 000 millones |
| Ingresos trimestrales de IA más recientes | Data center >35 000 millones/trimestre | Data center 1 833 millones/trimestre | Serie MI ~1 500–2 000 millones/trimestre |
| Crecimiento interanual | ~40–50 % | Objetivo FY2027 ~40 % | ~20–30 % |
Fuente: resultados de las compañías y datos públicos de mercado.
Perspectiva para el inversor
J.P. Morgan señala que, aunque la tasa de crecimiento esperada de beneficios a largo plazo de NVIDIA (51,7 %) es superior a la de Marvell (39,4 %), la valoración de Marvell es más elástica—su cotización reacciona más a la consecución de pedidos y la captación de nuevos clientes. Esta diferencia responde a su ciclo de vida: NVIDIA está en una fase de expansión madura, mientras que Marvell se encuentra en el punto de inflexión donde los ASIC personalizados pasan de un crecimiento incremental a uno exponencial.
Tras la adquisición de Celestial AI, la inversión estratégica de NVIDIA y la entrada en el S&P 500, la firma Stifel elevó el precio objetivo de Marvell a 321 dólares (desde 230), reiterando su recomendación de compra.
Riesgos potenciales en la vía de chips personalizados
A pesar del optimismo del mercado, existen varios factores de riesgo a vigilar:
Competencia creciente por cuota de mercado
Aunque Marvell ocupa el segundo puesto en ASIC personalizados, Broadcom (AVGO) lidera con contratos clave como Google TPU y Meta MTIA. La capacidad de Marvell para aumentar su cuota es incierta. Counterpoint incluso prevé que la cuota de servicios de diseño de Marvell podría caer hasta el 8 % en 2027.
Riesgo de concentración de clientes
El negocio de ASIC personalizados de Marvell depende en gran medida de unos pocos clientes principales: Amazon, Microsoft y Google. Cualquier cambio en el roadmap de producto o en el proveedor por parte de uno de ellos podría tener un impacto significativo. Aunque Marvell tiene acuerdos de diseño de ASIC de IA con más de 20 clientes, los ingresos siguen concentrados en los principales.
Estabilidad del margen de beneficio
El margen operativo actual de Marvell ronda el 15 %, reflejando su modelo tradicional de servicios de diseño de hardware. La mejora de márgenes a medida que escalen los ASIC personalizados es un foco clave para el mercado.
Incertidumbre por la evolución de las GPU de NVIDIA
El roadmap de GPU de NVIDIA sigue avanzando rápidamente. Los saltos de rendimiento en nuevas generaciones podrían retrasar algunos proyectos de chips personalizados. El entorno competitivo en hardware de IA es muy dinámico.
Riesgos geopolíticos y de cadena de suministro
La cadena global de semiconductores afronta incertidumbres geopolíticas, como controles a la exportación y riesgos de desglobalización.
Riesgo de valoración
Los ingresos de Marvell en FY2026 fueron de unos 8 200 millones de dólares, pero su capitalización ronda los 250 000 millones, reflejando grandes expectativas de crecimiento futuro. Análisis recientes de AInvest advierten que el precio actual podría enfrentar presión de valoración. Cualquier decepción en resultados o pedidos podría provocar una corrección.
Conclusión
El sólido resultado de Marvell en el Q1 FY2027, unido a la predicción de billón de dólares de Jensen Huang, confirma que la vía de los chips personalizados de IA está pasando de la periferia al centro de la industria.
Desde una perspectiva sectorial, la infraestructura de IA está experimentando una transformación estructural: de una arquitectura monolítica centrada en GPU a un modelo diversificado que combina entrenamiento con GPU, inferencia con ASIC y colaboración en interconexión.
El auge de chips personalizados como Google TPU, Amazon Trainium, Microsoft Maia y Meta MTIA refleja la dirección común de los líderes cloud globales para reducir la dependencia de NVIDIA. Pero la "des-NVIDIA-zación" no implica reemplazar a NVIDIA. De hecho, la profunda alianza de capital y tecnología entre Marvell y NVIDIA revela una tendencia aún mayor: la clave para ganar en centros de datos de IA está pasando de la computación a la conectividad. A medida que los clústeres de cómputo escalan a cientos de miles de chips, la interconexión eficiente es tan crítica como la propia computación.
En este nuevo escenario multipolar, Marvell está construyendo un foso competitivo único gracias a su doble enfoque en diseño de ASIC personalizados e infraestructura de interconexión de alta velocidad. No se trata de sustituir a las GPU, sino de una vía paralela e imprescindible en el ecosistema completo de infraestructura de IA.
Que Marvell llegue a convertirse en la próxima compañía del billón de dólares dependerá de la ejecución de pedidos, la evolución de su cuota de mercado y la hoja de ruta tecnológica en los próximos años. Pero hay algo seguro: la era de los chips personalizados ya ha comenzado.
