DruckFin

Transcripción de Broadcom: Los ingresos por silicio XPU personalizado superarán los $100.000 millones a medida que los gigantes tecnológicos abandonan a Nvidia por arquitecturas modulares a medida

19 de agosto de 2026 - Cumbre RAISE 2026

Introducción y el alto costo de la computación general para IA

Anfitrión: Muy bien, excelente. Creo que, ¿es este el último, probablemente? Oh, todos están cansados. Bien, intentaremos hacerlo más entretenido. Es un gusto verlos aquí. Estamos en Francia, en París, la tierra de la alta costura, y creo que Broadcom, en cierto modo, es la alta costura de los chips.

Charlie Kawwas: Gracias. Yo también lo creo.

Anfitrión: Lo creo. Obviamente, con la IA y el auge de la XPU, todos quieren construir XPUs y todos acuden a la casa de alta costura de Broadcom. Entonces, ¿por qué no discutimos por qué la XPU se ha convertido en algo tan fundamental para prácticamente todos los hiperescaladores y laboratorios de modelos fundacionales del mundo?

Charlie Kawwas: Primero que nada, gracias por invitarme. Hoy tendremos una demostración. Sí, gracias por tenerme aquí. Esta es en realidad una excelente introducción sobre la alta costura. Nunca lo había pensado, pero en cierto modo, es una idea fenomenal. Miren, al final del día, esta ola de IA fue realmente iniciada e impulsada por lo que llamamos computación general para IA, liderada por Nvidia. Nvidia ha hecho un gran trabajo al construir estos grandes racks de plataformas personalizadas y propietarias, lo cual es una gran plataforma. Pero las personas que están gastando más del 80% del dinero son los laboratorios de frontera. Ellos son quienes consumen todo este hardware y luego construyen el software que se ejecuta sobre él. Lo que han comprendido es que esta computación general conlleva un impuesto.

Charlie Kawwas: El impuesto es, primero, la eficiencia de esa plataforma de computación. Es decir, está construida para todos. Si tienes una carga de trabajo específica en tu modelo de IA de frontera, adivina qué: estás pagando ese impuesto adicional. El otro impuesto son los altos márgenes que conlleva. Dado el gran gasto que están realizando, cuando se trataba de cientos de millones de dólares a unos pocos miles de millones, tenía mucho sentido usar una plataforma de propósito general preconstruida en un rack. Pero cuando empiezas a gastar $50.000 millones, $100.000 millones o quizás $150.000 millones —como saben, los cuatro principales en EE. UU. están gastando cada uno entre $150.000 millones y $200.000 millones— ese impuesto para cada jugador es de aproximadamente $100.000 millones a $150.000 millones que podrían haber obtenido en tokens. Como resultado, se dieron cuenta de que si existe una forma de construir su propia plataforma con bastante rapidez, al mismo ritmo acelerado que lo hace Nvidia —que es una vez al año, lo cual es bastante difícil—, les encantaría hacerlo.

Charlie Kawwas: Nuestro viaje comenzó hace 13 años, empezando con las TPU de Google. Su idea inicial era que realizaban búsquedas mediante texto y se preguntaban si realmente podrían hacer búsquedas mediante voz. Para lograrlo, fue necesaria la creación de la TPU. Pero a medida que la IA se desarrolló, nos dimos cuenta de que estos chips se están volviendo cada vez más grandes.

Demostración: La evolución del silicio personalizado de 2025 a 2028

Charlie Kawwas: Charlie se inclina y toma varios paquetes físicos de semiconductores, colocándolos sobre la mesa para demostrar la progresión del diseño de silicio personalizado de Broadcom. En realidad, voy a mostrarles esto por una razón, y se los voy a pasar. Pero tienen que prometerme devolvérmelos porque son muy costosos. Este es, por ejemplo, una XPU que se construyó y envió el año pasado, en 2025. Como pueden notar, es difícil de ver, pero está hecho de diferentes chiplets. Algunos son basados en memoria, otros en redes y otros en computación.

Charlie Kawwas: Charlie toma un segundo chip visiblemente más grande y entrega ambos al anfitrión. Lo que estamos construyendo y enviando este año, en 2026, es este chip. Como pueden ver, se volvió más grande. Así que les voy a pedir que sostengan uno. Este es el del año pasado y este es el de este año. Pueden ver que, de un año a otro, ahora obtienen tres veces más memoria. En la versión de 2025 tenían dos cubos de memoria. En la versión de 2026 tienen seis cubos de memoria, y la computación en el centro es casi tres veces más potente.

Charlie Kawwas: Charlie toma una tercera placa modular, significativamente más grande, que representa el diseño de 2027. Lo que terminó sucediendo es que dijimos que para el próximo año realmente tenemos que construir esto. Así que ahora, tienen aún más memoria.

Anfitrión: ¿Cuántas veces más memoria es esto?

Charlie Kawwas: Esto es uno, tres, nueve. En dos años, es casi un orden de magnitud. Cuando observan la computación, en la versión anterior tenían un bloque de computación grande, y aquí tienen cuatro. Luego pasan a la nueva tecnología en semiconductores que permite reducir los transistores, y luego añaden mucho más. Les voy a dar este también.

Charlie Kawwas: Charlie toma una placa de sistema multicapa masiva y altamente compleja que representa el diseño de 2028. Y luego, esto es en lo que estamos trabajando para 2028. Esto es 2027, y esta versión de 2028 será literalmente del tamaño de la plataforma. Si los ponen uno al lado del otro, pueden ver el escalado desde 2025, 2026, 2027 hasta 2028.

Charlie Kawwas: La razón por la que quiero que vean eso es para que comprendan dos cosas. Una es la velocidad a la que se mueve esta tecnología y, por lo tanto, la innovación que requiere tiene que ser extremadamente rápida. Dos, déjenme abrir esto para ustedes. Literalmente, así es como construimos estos chips. Estos son, de hecho, modulares. Es por esto que la gente acude a la alta costura, como dijiste, porque realmente tomamos estas plataformas y las preconstruimos. Estos pequeños chiplets que van en el chip, los preconstruimos, nos aseguramos de que estén listos para la producción, trabajamos con socios como Samsung y otros, y creamos estos bloques de memoria. Esta integración de memoria es una de las razones por las que los precios están subiendo, porque miren, estamos poniendo mucho más en ellos. Creamos estas capacidades de red basadas en Ethernet de entrada y salida, y luego trabajamos con nuestros socios. Recuerden, solíamos tener la mitad de uno de estos. Ahora tenemos uno, dos, tres, cuatro, cinco, seis, siete, ocho, multiplicado por dos. Este es un sistema de dos pisos. En realidad estamos apilando estos chips espalda con espalda, o mejor dicho, el término correcto es cara a cara. Así que tendrán 16 veces lo que teníamos hace dos años, 16 veces en un solo chip. Y del primer chip, desplegamos un millón de unidades.

Anfitrión: Esto ni siquiera parece un chip, Charlie. Parece una monstruosidad de sistema. Es una bestia.

Charlie Kawwas: Sí, lo es. De hecho, así es como lo llamo en el trabajo. Esta es la bestia. Estamos construyendo cuatro de estos para los cuatro jugadores más grandes de Modelos de Lenguaje Extensos. Es modular. La belleza de esto, a tu punto, es que es alta costura. Vienen a nosotros, nos dicen qué tipo de esmoquin o vestido quieren, y nosotros lo personalizamos y lo construimos para ustedes, eliminando ese impuesto de computación general. Esto estará diseñado específicamente para, digamos, su carga de trabajo de inferencia o su carga de trabajo de decodificación. Esto es lo que lo hace rápido y grandioso. Mientras Nvidia continúe desarrollando gran tecnología cada año para igualar ese ciclo, solo hay otro lugar al que acudir.

El ritmo acelerado de Nvidia y la escala de los Cinco Grandes

Anfitrión: Mencionaste el ritmo de un año que tiene Nvidia. Solía ser de dos o tres años, ¿verdad? Y luego lo aceleraron a un año, cada año. Así que la presión está ahí. Para la mayoría de las empresas, no pueden seguir ese ritmo. El único que puede es quizás ustedes, con esta arquitectura Lego modular.

Charlie Kawwas: Tienes toda la razón. Si eres uno de los cinco grandes en EE. UU., que hoy están gastando quizás el 90% del gasto de capital en el mundo —que son OpenAI, Anthropic, Google con Gemini, Meta y xAI— eso es todo. Entre estos cinco está literalmente el 80% al 90% más del mercado. Cuatro de los cinco se han dado cuenta de que, aunque la tecnología de Nvidia es muy buena, no pueden seguir comprando esta plataforma de computación general que solo es personalizada a nivel de rack. Así que vienen a nosotros, cada uno de ellos, y dicen: "¿Qué podemos hacer juntos para obtener una plataforma construida específicamente para mí, que esté adaptada a mi carga de trabajo y que no tenga un margen del 80%?". Eso es lo que hacemos para vivir, porque nos enfocamos solo en construir esto. Nos aseguramos de que cada uno de estos bloques Lego esté listo para la producción antes de que vengan a hablar conmigo. Cuando vienen a hablar conmigo, se convierte en un ejercicio de integración. Lo que anunciamos con Jalapeno, por ejemplo, es el chip más rápido que se haya construido, completado en nueve meses. Es algo similar a esto. Lo hicieron en menos de un año.

Anfitrión: Así que básicamente has armado o permitido que estos laboratorios de modelos fundacionales construyan su propio silicio en un año. Hace cinco años, tu negocio de chips de IA era cero, y ahora será de más de $100.000 millones el próximo año. De cero a más de $100.000 millones en cinco años.

Charlie Kawwas: Más de $100.000 millones. Recuerden, $100.000 millones no es suficiente. Es más de $100.000 millones.

Anfitrión: Más de $100.000 millones en cinco años. Sin embargo, ¿cuántos de estos están realmente escalando? De esos cuatro, en el período de 2027, todavía está en formación temprana, ¿verdad?

Charlie Kawwas: Lo está, pero solo para darles una visión de orden de magnitud, piensen en el chip de 2025 como de aproximadamente 1 millón de unidades al año. Piensen en el chip de 2026 como de aproximadamente 2 millones de unidades al año. Pero recuerden, el chip de 2026 tiene tres veces la capacidad del chip de 2025, por lo que es un aumento de seis veces en la capacidad de computación en un año. Luego pasan al chip de 2027, que es probablemente de 4 a 5 millones de unidades, y esto es nueve veces la capacidad del chip de 2025. Ahora están en 40 a 50 veces la escala del primero. Y luego la bestia en 2028 es tres veces eso nuevamente. Cuando piensan en la escala a la que la gente está construyendo estas cosas, es una carrera hacia la superinteligencia y la Inteligencia Artificial General. Estos cuatro a cinco laboratorios de frontera creen que la primera empresa en el mundo que habilitará esta plataforma es lo que llamo la plataforma de IA agéntica. La primera empresa que habilitaría una GPU, XPU y CPU totalmente integradas en una sola plataforma potencialmente puede ser la primera en alcanzar la AGI. Con esta tecnología de 2028, creo que comenzaremos a ver muchos agentes capaces, expertos en ciertos dominios, que finalmente tendrían la tecnología para habilitar esto. Esta es la parte emocionante de lo que estamos haciendo, y por qué la gente sigue volviendo y diciendo: "Me encantaría usar el chip de Nvidia, pero tengo un impuesto de computación general y un impuesto de margen". Si quieren reducir su costo de token por dólar, pueden obtener de dos a tres veces más computación por el mismo dólar, lo que significa que el precio del token baja masivamente. Eso es, en última instancia, lo que están buscando.

Anfitrión: Entonces, eres efectivamente una casa de diseño de alta costura con impuestos bajos.

Charlie Kawwas: Correcto.

Codiseño a nivel de rack y estándares abiertos

Anfitrión: El otro tema del día en el mundo de la IA es el codiseño. Mencionaste Jalapeno y OpenAI, y cómo la estrecha integración del desarrollo de modelos ayuda a definir la arquitectura del chip, y luego el rendimiento del chip se optimiza para la arquitectura del modelo. Esta estrecha integración de codesarrollo parece que solo es posible si tienes tu propia XPU.

Charlie Kawwas: Eso es absolutamente correcto. Hay dos porciones para ese enfoque de alta costura. Una es exactamente el codiseño profundo para la XPU que describiste. La segunda es a nivel de rack. No solo tenemos que hacerlo a nivel de XPU para sus Modelos de Lenguaje Extensos y sus casos de uso específicos, sino que también nos involucramos mucho en asegurar que todo el rack sea abierto y codiseñado para ellos. Parte de eso es donde aportamos nuestras capacidades de red y Ethernet, asegurándonos de que sea abierto. Comenzamos haciendo que las redes de front-end fueran basadas en Ethernet y abiertas. Luego pasamos al escalado horizontal (scale-out), y ahora todos son abiertos, incluida Nvidia. La próxima batalla es el escalado vertical (scale-up), donde muchos de estos chicos usan estos chips azules nuestros, estos pequeños chiplets que llamamos, que están todos basados en Ethernet. Cuando codiseñamos todo esto, es codiseño a nivel de rack, comenzando desde la XPU con cada uno de estos bloques, luego todo el rack, lo que les da una opción. Honestamente, si Broadcom no les da la mejor tecnología, tienen la opción de ir con alguien más. Pero esto ha sido multigeneracional y bastante exitoso para nosotros porque, como dijiste, comenzamos con menos de $1.000 millones hace dos años en este espacio, y el próximo año, en tres años, estaremos superando los $100.000 millones solo en este espacio.

Anfitrión: Mencionaste la apertura de los estándares de interconexión, y ustedes son full-stack. Hacen redes, empaquetado, diseño de XPU personalizado y bloques de IP. Ellos quieren ese estándar abierto. ¿Qué hay del código abierto? ¿Existe la idea de un laboratorio de modelos fundacionales de código abierto? ¿Ves un mercado para el desarrollo de XPU para laboratorios de modelos fundacionales de código abierto o modelos de código abierto, en lugar de solo los laboratorios de modelos fundacionales cerrados?

Charlie Kawwas: Sí, de hecho, tienes toda la razón. Un buen ejemplo que discutimos hoy temprano es SambaNova. ¿Cuántos de ustedes han oído hablar de una empresa llamada SambaNova? Solo levanten la mano. Eso es bueno, un grupo de personas aquí, quizás el 15% de ustedes. SambaNova Systems ha sido codesarrollado a través de una ingeniería profunda con Rodrigo Liang y su equipo. Hemos hecho tres generaciones de esto. Lo que hace Rodrigo es usar su XPU para ejecutar un modelo de frontera cerrado, que es de última generación, pero también trae un modelo de código abierto como Mixtral o DeepSeek y lo ejecuta en el mismo chip. Por lo tanto, habilita una solución híbrida. Si necesitas usar Claude o ChatGPT para casos de uso específicos, puedes ejecutar eso en esa XPU, pero si de repente necesitas usar algo que no requiere modelos cerrados de última generación y quieres usar una pila de código abierto, la usas y pagas cero por esos tokens. Ese modelo ya existe hoy, y lo hemos probado con algunas startups. Creo que comenzaremos a ver eso más en las XPUs a medida que avancemos.

Perspectiva futura: Demandas de energía, IA en el borde y las 16 franquicias de Broadcom

Anfitrión: En los últimos minutos, ¿cómo ves los próximos años y el camino a seguir? Estás mostrando el chip de 2028 y mostrando algo que parece masivo. ¿Qué anticipas que serán los temas principales para los próximos años y más allá?

Charlie Kawwas: Esa es la pregunta de los $2 billones.

Anfitrión: Hay más que solo Jalapeno, ¿verdad?

Charlie Kawwas: Sí, hay más que Jalapeno. Definitivamente hay más chips picantes y muchas más XPUs que saldrán, tanto de los grandes laboratorios como de muchas startups. Pero lo que veo es una demanda insaciable en gigavatios. Por ejemplo, hemos anunciado para uno de los cinco principales clientes que este año estamos instalando alrededor de 1,5 gigavatios con uno de los chips que les mostré. El próximo año, vamos a instalar más de 5 gigavatios, lo cual ya hemos contratado con ese mismo cliente. Así que vamos a pasar de 1,5 gigavatios a 6,5 gigavatios en total. El año siguiente a ese, estoy bastante seguro de que serán más de 10 gigavatios incrementales. Si observan los próximos tres años para cada uno de estos jugadores de laboratorio, pasarán de 1 a 2 gigavatios este año, a 5 gigavatios, a más de 10 gigavatios incrementales. Durante ese viaje de tres años, pasarán de 2 a 5 a 10 gigavatios, lo que suma 17 gigavatios en total, comenzando desde solo 1 gigavatio hoy.

Charlie Kawwas: Esto significa que hay un desafío masivo en términos de la cantidad de energía que se necesita, la cantidad de obleas de silicio que se necesitan y la cantidad de memoria que se necesita. En realidad, va a plantear un desafío para el resto de los negocios que no son de IA, que también hacemos en Broadcom. Recuerden, tengo 16 franquicias. Cinco de ellas están en IA y 11 están en áreas ajenas a la IA. Parte del desafío que creo que todos tenemos que vivir mientras experimentamos la emocionante vida de la IA escalando hacia la AGI es asegurarnos de que el resto de los negocios sobrevivan. La IA no solo vivirá en los centros de datos; la IA tiene que llegar al borde (edge), y estos otros negocios tienen que habilitar esta IA en el borde. Tenemos un viaje excelente y emocionante en la pista de la IA con la energía y todas estas cosas. Incluso estamos construyendo nuestras propias fábricas en Singapur para construir estas grandes bestias y grandes chips porque las tecnologías existentes no pueden habilitarlos. Pero a medida que hacemos esto, el desafío para todos nosotros es que la IA tiene que migrar, al igual que Internet comenzó en los centros de datos y llegó hasta los dispositivos inteligentes hoy. Lo mismo tiene que suceder con la IA. Creo que para nosotros en Broadcom, será emocionante porque jugaremos en ambas partes como la casa de alta costura del silicio.

Anfitrión: Gracias, Charlie.

Charlie Kawwas: Gracias. Gracias.