¿Importa el riesgo de concentración de clientes en la industria de la IA?

El artículo parte de un dato publicado por Ramp sobre el grado de concentración de ingresos en los grandes laboratorios de IA, un dato que admite dos lecturas opuestas. La lectura optimista sostiene que el 1% de clientes que hoy gasta more es simplemente el segmento de adoptantes tempranos, y que el resto de la base de clientes convergerá con el tiempo hacia niveles de gasto similares. La lectura pesáimista, en cambio, ve en ese mismo 1% a los clientes con más capacidad de negociación y más incentivos para migrar hacia modelos abiertos, lo que erosionaría los márgenes de los laboratorios. El autor usa este contraste como punto de partida para una pregunta más amplia: la concentración de clientes es un fenómeno que se repite en prácticamente todas las capas de la cadena de valor de la IA (modelos, chips, nube, redes y fabricación), pero concentración no es sinónimo automático de poder de negociación para esos clientes. Para demostrarlo, recorre ejemplos concretos en cada capa, calificando el riesgo de concentración de cada empresa como bajo, medio o alto en función de cuán vulnerable es esa empresa a que sus grandes clientes cambien de proveedor, le exijan concesiones o reduzcan gasto.

En la capa de modelos, Anthropic se presenta como un caso de riesgo medio. Se espera que su S-1 (el folleto previo a su salida a bolsa) se publique en las próximas semanas y aporte más detalle sobre la concentración de clientes, pero mientras tanto se conocen algunos datos: el 80% de sus ingresos proviene de clientes B2B, tiene 6.000 cuentas que gastan 100.000 dólares o más al año, y pasó de 500 a 1.000 cuentas que gastan más de un millón de dólares anuales en menos de dos meses, con una tasa de retención neta (NDR) estimada del 140%. No se conoce, sin embargo, qué porcentaje de ingresos representan sus diez mayores clientes. Un dato relevante es que Meta, que se rumorea es un cliente importante de Anthropic (SemiAnalysis estima entre un 3% y un 5% de sus ingresos), ha alcanzado ya la frontera tecnológica, lo que plantea un riesgo real de que abandone a Anthropic como proveedor. El análisis señala que habrá que esperar a ver, cuando se publique el S-1, cuál es la tasa de adopción (“attach rate”) de los productos de Anthropic más allá de la programación (coding).

OpenAI, en cambio, se califica con riesgo bajo. Al haber pospuesto su salida a bolsa, hay menos datos disponibles, pero se sabe que más del 50% de sus ingresos proviene ya del segmento empresarial, que superó oficialmente al segmento de consumo antes de lo previsto, que contaba con 9 millones de puestos empresariales (business seats) en febrero de 2026, que Codex tendría entre 15 y 20 millones de usuarios activos semanales, que su negocio publicitario alcanza ya un ritmo anualizado de 1.000 millones de dólares, y que, según Ramp, su crecimiento en el tercer trimestre fue más rápido que el de Anthropic, aunque partiendo de una base menor. La conclusión es que, frente a Anthropic, OpenAI tiene un portafolio de productos más amplio y una base de ingresos más diversificada.

El artículo introduce después una reflexión sobre el llamado “Fable 5” (así aparece nombrado en el texto original), cuya adopción limitada, junto con la creciente adopción de modelos de código abierto, sugeriría que ya se ha superado el umbral de inteligencia necesario para la mayoría de las tareas, lo cual amenaza la prima de precio que históricamente han disfrutado los modelos de frontera. Frente a esto, se plantea que Anthropic tiene la oportunidad de expandirse más allá del código y hacer que la mayoría del trabajo del conocimiento sea tan “legible” para las leyes de escalado y el RLVR como lo ha sido la programación (lo que justificaría, según se rumorea, un mercado potencial total de 30 billones de dólares). El autor cree que la Paradoja de Jevons se cumplirá a medida que caigan los precios por token y la adopción se dispare, aunque no está claro quién capturará ese gasto incremental en tokens: en la etapa actual, relativamente estable, el mercado de post-entrenamiento a nivel empresarial y de aplicaciones estaría madurando hasta el punto de que buena parte del gasto empresarial en tokens podría reasignarse hacia un ecosistema de modelos especializados con un coste por tarea mucho menor que el de los modelos de los laboratorios de frontera.

En la capa de chips, Nvidia recibe una calificación de riesgo medio. La tesis central, citando a Ben Thompson, es que mientras el mundo permanezca fragmentado Nvidia gana; sus márgenes solo se verían presionados si un número limitado de compradores tuviera los medios para adquirir solo parte de su pila tecnológica o para sustituirla por completo. En las últimas semanas Nvidia ha comprado Hugging Face y licenciado la fábrica de desarrollo de modelos de Poolside, movimientos que el autor interpreta como un esfuerzo por “comoditizar sus complementos”: para Nvidia, un ecosistema de código abierto próspero es existencial para evitar depender de solo un par de clientes que están invirtiendo fuertemente en reemplazarla. Por eso Nvidia empezó a desglosar sus ingresos de centros de datos en dos segmentos: hyperscale y ACIE (que engloba nubes de IA, industria y empresa). Los clientes de ACIE, como las neoclouds, son fieles a Nvidia, mientras que los clientes hyperscale tienen los recursos e incentivos para desarrollar silicio propio. El dominio de Nvidia sobre el entrenamiento es mucho más sólido que sobre la inferencia: los resultados de Jalapeño demuestran la viabilidad del silicio a medida orientado a cargas de inferencia, y el diseño electrónico asistido por IA ya ha empezado a acortar los tiempos hasta la fabricación de chips (tape-out). Las TPU de Google y Trainium de Amazon ya sirven a los laboratorios de frontera, aunque esto también refleja lo limitada que está la oferta de cómputo. Maia de Microsoft y MTIA de Meta van más atrasados, pero siguen siendo prioridades. El texto traza un paralelismo con el duopolio Wintel y la caída de Intel ante la llegada de la telefonía móvil, donde el conjunto de instrucciones de Arm resultó superior para computación de bajo consumo, y se pregunta si la inferencia de IA podría representar para Nvidia lo que la movilidad representó para Intel, aunque concluye que la respuesta depende de cuán grande sea realmente la brecha entre las cargas de trabajo de entrenamiento e inferencia frente a la brecha, mucho más drástica, entre PC y móvil.

Cerebras, por contraste, recibe la calificación de riesgo alto. Antes de su salida a bolsa, G42 era con diferencia su mayor cliente, y en 2026 OpenAI y G42 representarán conjuntamente el 94% de sus ingresos, con OpenAI convirtiéndose en la abrumadora mayoría en 2027 y 2028. Comparada con Nvidia, Cerebras está mucho más concentrada en todos los sentidos: enfocada más en inferencia que en entrenamiento, sirviendo a dos clientes (pronto uno) con los medios e incentivos para desarrollar su propio silicio, y sin evidencia clara de una nueva cohorte de clientes equivalente al segmento ACIE de Nvidia.

Broadcom, en cambio, obtiene riesgo bajo. Su portafolio es más amplio, incluyendo VMware, y su rol no es diseñar chips propios sino co-diseñar e implementar el silicio a medida de los hiperescaladores. Los semiconductores representan 15.010 millones de dólares, un 68% de sus ingresos (frente al 56% un año antes); el software de infraestructura (VMware) supone 7.180 millones, en torno al 32%. Dentro de semiconductores, la IA representa 10.800 millones, un 72% del segmento de chips y aproximadamente un 49% de toda la compañía; dentro de ese negocio de IA, las redes suponen cerca del 40% (más de 4.000 millones por trimestre) y los XPU a medida el otro 60%. El foso competitivo de Broadcom es lo que el autor llama “poder de proceso”: la implementación física exige coordinar reglas de proceso, memoria HBM, empaquetado, energía, integridad de señal, redes, validación y calendarios de producción. Sus propios informes destacan que las relaciones con clientes clave pueden abarcar años de desarrollo conjunto y acumular conocimiento específico de cliente y de sistema; un cliente puede cambiar de socio de implementación, pero eso implica trabajo de ingeniería adicional, riesgo de calendario, carga de validación y pérdida de aprendizaje acumulado. Las competencias centrales de Broadcom no son centrales para los esfuerzos de silicio a medida de los hiperescaladores.

En la capa de nube, CoreWeave recibe riesgo alto: sus dos mayores clientes representaban el 62% de sus ingresos en el segundo trimestre. Su dependencia de Microsoft y Meta quedó subrayada cuando, en las semanas previas a su salida a bolsa, se rumoreó que Microsoft estaba recortando parte de sus compromisos, lo que generó preocupación generalizada entre los inversores; poco después OpenAI anunció un compromiso de 12.000 millones de dólares que calmó los ánimos. El artículo introduce el concepto, recurrente en las conferencias de resultados de Microsoft, de la “fungibilidad” del cómputo: la idea de que si la inversión de capital en IA no genera el retorno esperado, esa capacidad de cómputo puede reasignarse a otras cargas de trabajo. Microsoft es además cliente de su propia nube Azure (lo que de hecho ralentiza parcialmente el crecimiento reportado de Azure) y prefiere ser propietaria de sus centros de datos antes que alquilarlos, dada su experiencia construyéndolos. Si el cómputo es en gran medida fungible, esto plantea dudas sobre el papel de las neoclouds como CoreWeave, que operan sobre todo flotas de Nvidia. CoreWeave obtuvo la calificación Platinum en el ranking ClusterMAX de neoclouds de SemiAnalysis, por delante de Nebius, OCI, Crusoe y Fluidstack, gracias en parte a su oferta PaaS para inferencia; aun así, frente a otras neoclouds, está mucho más concentrada y expuesta a las decisiones de asignación de capital de los hiperescaladores.

Nebius recibe riesgo medio. Al igual que CoreWeave, tiene a Microsoft y Meta como clientes, pero también cuenta con empresas como Shopify y Cloudflare. Gracias a su origen en Yandex, tiene una optimización aún más estrecha en servidores y racks diseñados internamente, y el artículo señala que la evolución del peso de Microsoft y Meta en su cartera de clientes será clave para su trayectoria.

En redes, Lumentum recibe riesgo medio. Es un actor clave en redes ópticas, suministrando láseres para transceptores ópticos y óptica co-empaquetada; Google representa en torno al 26% de sus ingresos, con Microsoft y Amazon aportando entre un 8% y un 15% cada uno, y Nvidia, Cisco y Ciena también figuran entre sus clientes. Como Broadcom, su foso es en parte “poder de proceso”: fabricar láseres avanzados exige instalaciones de semiconductores especializadas, conocimiento de fabricación acumulado y rendimientos consistentemente altos; diseñar tu propio acelerador no te da automáticamente la capacidad de fabricar sus componentes ópticos. Lumentum tiene entre un 50% y un 60% de cuota en láseres EML de 200G de vanguardia, y sus componentes pasan por pruebas de fiabilidad que se extienden durante varios trimestres. Además, tiene exposición a arquitecturas de red competidoras: tanto los transceptores conectables convencionales como la óptica co-empaquetada emergente requieren láseres, de modo que la arquitectura puede cambiar sin eliminar la necesidad de sus capacidades subyacentes. El riesgo más inmediato para Lumentum es, por tanto, el gasto y no la sustitución: Google no necesita aprender a fabricar láseres para perjudicar su crecimiento, le basta con retrasar despliegues. El caso de Lumentum ilustra la distinción entre concentración de clientes y poder de negociación de esos clientes: sus compradores están concentrados, pero también lo están las capacidades que necesitan.

Arista también recibe riesgo medio. Microsoft y Meta representaron el 42% de sus ingresos en 2025 (26% y 16% respectivamente), pero, a diferencia de Cerebras, Arista tiene una vía creíble para sumar otro gran cliente: Anthropic es el candidato más claro para superar el 10% de sus ingresos, ya que usa GPU de Nvidia, TPU de Google y Trainium de Amazon, y operar entre múltiples plataformas genera demanda de un enfoque de red común. El foso de Arista no es Ethernet en sí, que es un estándar abierto, sino su sistema operativo EOS y la consistencia operativa que aporta entre hardware de conmutación y enrutamiento; un cliente que se aleje del cómputo de Nvidia no necesariamente se aleja de las redes de Arista. La pregunta abierta es si Anthropic será el primero de muchos nuevos grandes compradores, o simplemente el tercer nombre de otra lista de clientes concentrada.

En la capa de fabricación (foundry), TSMC recibe riesgo bajo y se presenta como el ejemplo más claro de que concentración de clientes y poder de esos clientes no son lo mismo. Sus dos mayores clientes representaron el 36% de sus ingresos en 2025, pero los esfuerzos de silicio a medida que amenazan la cuota de Nvidia igualmente generan negocio para TSMC: las TPU de Google, Trainium de Amazon y las GPU de Nvidia compiten entre sí por presupuestos de cómputo, pero todas dependen de la misma fundición. Mientras que a Nvidia le conviene la fragmentación para que ningún puñado de clientes controle su futuro, TSMC tiene la ventaja de poder fabricar tanto para el incumbente como para las empresas que intentan reemplazarlo; su foso es el “poder de proceso” de fabricación a una escala extraordinaria, algo que ni Samsung ni Intel han igualado todavía en fabricación de vanguardia y capacidades de empaquetado combinadas. Nvidia por sí sola representa en torno al 60% de la capacidad avanzada de empaquetado CoWoS, y sus tres mayores clientes superan el 85% (se trata de estimaciones de capacidad, no de cuotas de ingresos totales de TSMC). Si el gasto se desplaza de las GPU de Nvidia hacia aceleradores a medida fabricados también en TSMC, la fundición retiene el negocio; pero si el gasto total en infraestructura de IA cae, no existe esa protección equivalente. En suma, TSMC está mejor protegida frente a un cambio en quién gana el mercado de la IA que frente a una contracción del propio mercado.

Global Foundries recibe riesgo medio: sus dos mayores clientes representan el 30% de sus ingresos por obleas. A diferencia de TSMC, su argumento no es el liderazgo en el nodo de proceso más pequeño, sino la fabricación especializada para redes ópticas, gestión de energía, conectividad inalámbrica y otras funciones donde reducir el tamaño del transistor no es la única medida de rendimiento. Sea cual sea el acelerador que gane, la infraestructura seguirá necesitando mover datos y suministrar energía, por lo que Global Foundries puede participar mediante fotónica de silicio y tecnologías relacionadas sin necesidad de fabricar la GPU o el ASIC ganador, y cuenta además con oportunidades de diversificación en automoción, IoT e infraestructura de comunicaciones.

El artículo cierra con una reflexión de carácter más general. Normalmente se piensa en la concentración de clientes como el riesgo de que un cliente grande fracase, recorte gasto o se marche, pero los hiperescaladores y los laboratorios de frontera son los actores que se repiten a lo largo de toda la cadena de la IA, y mucho depende de que sigan invirtiendo capital y creciendo en ingresos. La Teoría de la Agregación de Ben Thompson explicaría en parte por qué los mismos compradores se repiten en toda la cadena de suministro: las plataformas que ganaron la relación con el cliente en la era de internet entran en esta nueva era con distribución, flujos de caja y cargas de trabajo que sostienen inversiones en infraestructura enormes. Pero los proveedores por debajo de ellas no son todos intercambiables entre sí: la IA pone en contacto una demanda concentrada con capacidades también concentradas. Inevitablemente, a medida que los grandes compradores crecen, ganan tanto los recursos como el incentivo para desarrollar alternativas a sus proveedores; un cliente puede volverse más valioso para Nvidia al mismo tiempo que se vuelve más capaz de reemplazarla, de modo que el crecimiento de la relación no garantiza la retención del proveedor. La exposición al crecimiento continuado de los hiperescaladores y los laboratorios tiene consecuencias desiguales según el proveedor: el silicio a medida que desafía a Nvidia puede generar trabajo para Broadcom y demanda de obleas para TSMC, de modo que el intento de un cliente de reducir el poder de fijación de precios de un proveedor se convierte en la oportunidad de crecimiento de otro proveedor. Esto explica por qué el riesgo de concentración varía tanto incluso entre empresas de la misma capa: la distinción importante es si un proveedor se beneficia del crecimiento de sus clientes o si se convierte en el objetivo de su integración vertical. Con todo, el autor cierra recordando que todos los actores de la cadena, sin excepción, comparten la misma exposición de fondo: la de una eventual desaceleración de la demanda agregada de IA.