Encuesta VB Pulse: las empresas sitúan los chips no-Nvidia 14 puntos por delante de la próxima GPU de Nvidia

Una encuesta de VB Pulse realizada en julio entre 170 responsables de infraestructura de IA revela un dato que resume el momento actual del mercado de aceleradores: el 39,4% de los encuestados afirma que es probable que evalúe chips no fabricados por Nvidia —AWS Trainium, Google TPU, AMD Instinct, Intel Gaudi o ASICs propios— en los próximos doce meses, frente a solo el 25,3% que evaluará la próxima generación de GPU de Nvidia (Blackwell/GB300 u otras). Es una brecha de 14 puntos a favor de las alternativas. Nvidia sigue siendo el estándar por defecto en la mayoría de entornos de producción, pero las organizaciones están construyendo opcionalidad real en su estrategia de aceleradores en lugar de limitarse a evaluar únicamente productos de Nvidia.

Ese interés por las alternativas ya venía creciendo: en la ola de junio era del 31,8%. Y no se reparte de forma homogénea, sino que se concentra especialmente en los niveles de decisión más altos, aunque la muestra en esos segmentos es pequeña. Entre encuestados del C-suite, la disposición a evaluar chips no-Nvidia pasó del 42,9% (6 de 14) en junio al 57,1% (12 de 21) en julio. Entre quienes tienen la decisión final de compra, subió del 35,4% al 50%. El fenómeno también es marcado en empresas medianas: en compañías de 251 a 1.000 empleados pasó del 41,4% al 53,2%, y en las de 101 a 250 empleados, del 33,3% al 57,7%. Que el interés crezca tanto entre directivos y decisores finales sugiere que la diversidad de aceleradores se está convirtiendo en una cuestión estratégica de negocio, no solo técnica de los equipos de ingeniería.

Paradójicamente, este apetito por explorar alternativas no se traduce en prisa por cambiar de plataforma. La proporción de encuestados que esperaba un cambio de plataforma en un plazo de tres meses cayó del 38,3% en junio al 28,8% en julio, mientras que la adopción en producción, la utilización de aceleradores y la exploración de neoclouds e infraestructura de código abierto aumentaron simultáneamente. Dicho de otro modo: hay más actividad de infraestructura, pero la urgencia de sustituir plataformas se está desplazando hacia ventanas temporales más lejanas. La franja de "cambio en 0-3 meses" bajó 9,5 puntos, mientras que la de "3-6 meses" subió 4,1 puntos y la de "6-12 meses" subió 5,3 puntos; el porcentaje sin ningún cambio planeado se mantuvo estable en torno al 40%.

En cuanto a dónde crece realmente la infraestructura de IA empresarial, Microsoft Azure registró el mayor salto en adopción en producción entre las grandes plataformas: del 29% en junio al 47,1% en julio, un incremento de 18,1 puntos porcentuales. El propio artículo advierte que parte de ese salto responde a un cambio en la composición de la muestra, más orientada a grandes empresas en julio (57% de organizaciones con más de 1.000 empleados, frente al 37% en junio), y la adopción de Azure aumenta con el tamaño de la empresa en ambas oleadas. Gemini de Google fue la plataforma más usada en producción en ambas oleadas, pasando del 41,1% al 47,6%, ligeramente por delante de Azure. OpenAI en producción subió del 40,2% al 49,4%, y Anthropic prácticamente se duplicó, del 12,1% al 24,7%.

Entre las empresas que operan sus propias GPU, la infrautilización está mejorando: el porcentaje que trabaja al 50% de capacidad o menos bajó del 83% (100 encuestados) en junio al 69% (155 encuestados) en julio, mientras que el porcentaje por encima del 50% de utilización subió del 13% al 23%. También cambia lo que se considera "infraestructura efectiva": la importancia otorgada a la disponibilidad y fiabilidad (uptime) subió del 42,1% al 51,2%, y al rendimiento (throughput) del 21,5% al 24,7%. La facilidad de implementación mejoró de una puntuación media de 3,84 a 4,04 sobre cinco, mientras que la satisfacción general apenas se movió (de 4,07 a 4,14) y el valor percibido quedó prácticamente plano en torno a 3,9. Es decir: las empresas operan más infraestructura y con mejores arquitecturas, pero no perciben una mejora dramática de valor, porque al mismo tiempo elevan el listón de lo que exigen, con la fiabilidad como criterio líder.

Los criterios de selección de infraestructura también se mueven hacia el rendimiento en producción y el coste real, y se alejan de las evaluaciones genéricas de coste total de propiedad (TCO). La integración con la nube y el stack de datos existentes siguió siendo el factor principal en ambas oleadas (41,1% en junio, 40,0% en julio). El rendimiento como criterio prioritario subió del 24,3% al 35,3%, el coste por millón de tokens del 7,5% al 15,9%, y el acceso a GPU del 18,7% al 23,5%. En cambio, la proporción que prioriza el TCO amplio cayó del 34,6% al 21,8%. El mercado parece pasar de una planificación de infraestructura general a un escrutinio a nivel de carga de trabajo específica.

Una encuesta paralela de VB Pulse sobre "capas de contexto agénticas" (agentic context layers), con 101 respuestas sustantivas en junio y otras 101 en julio, refuerza esta misma lógica de control distribuido. Esta capa —el "harness"— es el nivel operativo que conecta los modelos con los datos empresariales, herramientas, orquestación, evaluación, identidad, seguridad, observabilidad y procesos de negocio, y determina a qué puede acceder un agente y cómo se evalúan sus resultados. En julio, el 36,6% de los encuestados planeaba mantener herramientas independientes "best-of-breed" junto a sus modelos, y otro 36,6% esperaba combinar runtimes nativos de los proveedores con herramientas independientes; solo el 5,9% pretendía construir y poseer la capa de contexto internamente. En conjunto, el 79,2% de los encuestados de julio favorecía un enfoque que mantuviera al menos cierto control arquitectónico fuera de un único proveedor de modelos, frente a aproximadamente el 65,3% en junio. Solo el 11,9% prefería consolidar todo en la pila de contexto nativa de un único proveedor, frente al 20,8% de junio.

La necesidad de ese control se hace más evidente en los datos de fiabilidad: el 62,4% de los encuestados de julio dijo que ya tenía en producción o en desarrollo una capa semántica o de contexto gobernada (la adopción en producción por sí sola subió del 24,8% al 31,7%), mientras que el 68,3% de los encuestados de julio reportó haber sufrido al menos una respuesta de un agente "segura pero incorrecta" por falta de contexto o contexto erróneo, frente al 57,4% en junio. La proporción que espera usar múltiples arquitecturas de recuperación (retrieval) según el caso de uso subió del 12,9% al 28,7%, y la que espera mezclar herramientas de contexto nativas y externas subió del 20,8% al 36,6%.

Las neoclouds —proveedores de nube especializados en infraestructura de IA, sobre todo en el acceso a aceleradores— también ganan tracción como parte de estrategias multiproveedor. El porcentaje que espera hacer más uso de ellas subió del 33% al 38%, mientras que el que espera hacer menos cayó del 9,7% al 5,4%; el movimiento fue especialmente marcado en el sector tecnológico y de software, donde ese porcentaje llegó al 57,6% en julio frente al 44,4% en junio. Sin embargo, la adopción real en producción sigue siendo mucho menor que esa intención de expansión: entre proveedores nombrados de forma consistente en ambas oleadas —CoreWeave, Lambda, Crusoe y Nebius—, el uso en producción subió del 1,9% al 5,9%. Esa distancia entre un 38% de intención de expansión y un 5,9% de uso real en producción sugiere una tubería de evaluación y adopción considerable. El artículo aporta cifras de contexto sobre la demanda: CoreWeave reportó alrededor de 104.000 millones de dólares en cartera de ingresos pendientes (revenue backlog) a finales de junio, sin contar más de 25.000 millones de dólares en compromisos adicionales de clientes asegurados a principios del tercer trimestre; Nebius, aunque no divulga una métrica de backlog directamente comparable, afirmó que podría vender toda su capacidad de 2027 en los términos actuales y reportó cuatro acuerdos de nube de IA en el segundo trimestre, cada uno con un valor total de contrato superior a 1.000 millones de dólares de media.

En cuanto a la infraestructura de código abierto, el uso en producción está creciendo mientras la consideración general de estas plataformas se mantiene prácticamente plana. El porcentaje de encuestados que reportó una pila de producción autogestionada y personalizada de código abierto (con tecnologías como PyTorch, Triton, vLLM, Ray y Kubernetes) subió del 3,7% en junio al 12,9% en julio. Ese crecimiento fue visible en varios segmentos con bases de julio superiores a 20 encuestados: un 23,9% entre contribuyentes individuales, un 13,7% entre "recomendadores e influenciadores", y un 12,8% en organizaciones de 251 a 1.000 empleados. El uso de herramientas de caché de clave-valor de código abierto (como LMCache y el prefix caching de vLLM) subió del 6,5% al 11,8%, con un salto de prácticamente 0% al 13,3% entre los encuestados del sector tecnológico y de software. En cambio, la consideración general de plataformas de código abierto apenas se movió, del 5,6% al 6,5%, lo que sugiere que el crecimiento se concentra en organizaciones que ya están pasando a la implementación, más que en una población mucho mayor de evaluadores nuevos. Adoptar pilas autogestionadas también traslada la responsabilidad de actualizaciones, seguridad, observabilidad, integración y soporte a los propios equipos.

El hilo conductor de todos estos datos es una combinación de más actividad, menos urgencia y más opcionalidad: las empresas operan cada vez más infraestructura de IA mientras mantienen deliberadamente abiertas varias vías en chips, nubes y en la capa que conecta los modelos con sus propios datos. Según el artículo, el próximo gran cambio de plataforma, cuando llegue, se hará desde una posición negociadora más fuerte.

Conviene señalar, como precisa el propio artículo en su nota metodológica, que se trata de dos oleadas de encuesta transversales e independientes —107 encuestados en junio de 2026 y 170 en julio de 2026— y no de un panel longitudinal, por lo que los hallazgos describen cambios entre poblaciones de encuestados distintas, no cambios dentro de las mismas organizaciones. Los porcentajes de plazos de cambio de plataforma suman algo más del 100% porque una minoría de encuestados marcó más de una ventana temporal. La composición de la muestra también cambió entre oleadas —se excluyeron las organizaciones de 1 a 100 empleados y julio tuvo una proporción mayor de empresas de más de 10.000 empleados—, por lo que los movimientos mes a mes deben interpretarse como señales direccionales y no como prueba de causalidad, ya que no se aplicó ninguna prueba de significación estadística. Los datos sobre la capa de contexto agéntica proceden de una encuesta distinta, con su propia base de encuestados, y se presentan como evidencia complementaria, no combinada con los resultados de la encuesta de infraestructura.