Cómo se diseñan y fabrican los chips de IA como las GPU de Nvidia

Las acciones de Nvidia cayeron más del 3% un miércoles en octubre de 2026 y cayeron aún más en las operaciones previas al mercado al día siguiente, después de que una lectura de inflación de EE.UU. más caliente de lo esperado impulsó el aumento de los rendimientos de bonos y desencadenó una venta masiva más amplia en acciones de chips, según Yahoo Finance. El mismo informe dijo que el proveedor de nube CoreWeave cayó más del 16% en preocupaciones sobre su carga de deuda, que Marvell Technology y SK Hynix también cayeron en medio de preocupaciones separadas sobre competencia china, e inversores esperaban los resultados trimestrales de TSMC, que se espera muestren un aumento del 60% en ganancias.

La venta masiva estaba vinculada a preocupaciones sobre tasas de interés y deuda en lugar de cualquier cambio en cómo se fabrican o venden los chips de IA. Pero ha atraído atención renovada a la industria detrás de los chips mismos — un proceso dividido entre dos negocios muy diferentes: diseñar un chip y fabricarlo.

Diseño: dibujar el circuito antes de que se construya nada

Empresas como Nvidia no operan sus propias fábricas de chips. Bajo el modelo "sin fábrica" ("fabless"), Nvidia diseña la arquitectura del chip y software — como su plataforma CUDA — y confía en fundiciones externas para la producción, según el Instituto para la Política y Estrategia de IA (IAPS). Motley Fool describe las GPU de Nvidia como el hardware que realiza el trabajo de entrenamiento e inferencia detrás de los modelos de IA.

El IAPS explica que el diseño de chips comienza con requisitos de alto nivel, que los arquitectos convierten en lógica de circuito detallada usando software de automatización de diseño electrónico (EDA). Los diseñadores construyen componentes desde cero o obtienen licencia de "núcleos IP" listos para usar, luego simulan y verifican formalmente el diseño antes de que se traduzca a archivos de fabricación ajustados al proceso específico de una fundición. El IAPS afirma que "el diseño de chips es un proceso difícil y laborioso", señalando que diseñadores como Nvidia y AMD emplean a decenas de miles de personas y que diseñar un chip de IA de vanguardia puede tomar un año o más.

Fabricación: cientos de pasos en una oblea de silicio

Una vez que se completa un diseño, se traslada a una fundición — más a menudo la TSMC de Taiwán para los chips de IA más avanzados. La fabricación comienza con obleas de silicio altamente purificadas de 300 mm y un conjunto de fotomáscaras que codifican el patrón del circuito, según el IAPS. Construir el chip en sí implica cientos de pasos repetidos: depositar capas de material, patronarlas con fotorresistencia sensible a la luz expuesta a través de las máscaras (fotolitografía), dopaje de secciones con implantación de iones para establecer sus propiedades eléctricas, pulido de la superficie plana y adición de capas metálicas para conectar los componentes.

El paso de litografía depende de máquinas de ultravioleta extremo (EUV) fabricadas exclusivamente por la empresa holandesa ASML. Al reportar sus resultados del tercer trimestre de 2026 el 14 de octubre, ASML dijo que las ventas alcanzaron €11,7 mil millones, un aumento del 55% año tras año, con ingresos netos más que duplicándose a €5 mil millones, según Euronews. A pesar de las ventas récord y una perspectiva de 2026 revisada al alza, ASML dijo que sus aumentos de capacidad planificados del 30% anual para 2027 y 2028 aún no serán suficientes para cumplir con los pedidos de los clientes. La directora ejecutiva de ASML, Christophe Fouquet, dijo que los clientes ahora están reservando máquinas años de anticipación.

El empaquetamiento se ha convertido en el nuevo cuello de botella

Después de que se fabrica una oblea, se corta en dados individuales, se prueba y se ensambla en un paquete terminado — una etapa que el IAPS llama Ensamblaje, Prueba y Empaquetamiento (ATP). Para chips de IA, este paso ahora importa tanto como la fabricación en sí. TSMC utiliza una técnica llamada Chip-on-Wafer-on-Substrate (CoWoS) para apilar un dado de procesador junto con varios apilamientos de memoria de alto ancho de banda en un interposer, que el IAPS dice que TSMC aplica a los chips H100 de Nvidia. El anuncio de TSMC de octubre de 2026 de su hoja de ruta, cubriendo un nodo de producción A13 de próxima generación y empaquetamiento CoWoS expandido, dijo que un futuro formato CoWoS de "tamaño de 14 retículos" integrará aproximadamente diez dados de computación grandes con aproximadamente 20 pilas de memoria HBM para 2028.

El anuncio de la hoja de ruta propia de TSMC describe el empaquetamiento avanzado CoWoS como expandiéndose para cumplir con la demanda impulsada por IA, avanzando hacia el formato de 14 retículos para 2028 y una expansión adicional en 2029. Esa trayectoria apunta a un cambio más amplio en toda la cadena de suministro de chips de IA — de la fabricación de silicio hacia el empaquetamiento como una restricción creciente — incluso cuando ASML, un fabricante de herramientas de litografía en lugar de equipos de empaquetamiento, continúa reportando demanda récord de sus máquinas.

La IA también se está usando para construir los chips

Nvidia y TSMC han comenzado a aplicar herramientas de IA dentro del mismo proceso de fabricación. Según el anuncio propio de Nvidia, TSMC utiliza el software cuLitho de Nvidia para acelerar la litografía computacional — los cálculos necesarios para diseñar fotomáscaras — ofreciendo lo que Nvidia describe como una mejora del 20-50% en efectividad de costo o tiempo de ciclo en comparación con métodos basados en CPU. Las empresas también describieron el uso de la biblioteca cuEST de Nvidia para simulaciones de química, herramientas de visión-IA para detección de defectos en la línea de producción, y un proyecto de fábrica virtual en etapa temprana llamado "FabTwin", construido en la plataforma Omniverse de Nvidia, para probar diseños de fab antes de que se construyan.

Diseños alternativos al GPU estándar

No todas las empresas siguen la arquitectura de Nvidia. Motley Fool reporta que Cerebras Systems construye un único chip gigante — su Wafer-Scale Engine — que describe como 58 veces más grande que la GPU B200 de Nvidia, combinando grandes cantidades de computación y memoria en un solo pedazo de silicio en lugar de vincular muchos chips más pequeños juntos. Cerebras dice que este diseño produce velocidades de inferencia hasta 15 veces más rápidas que sistemas basados en GPU para algunas cargas de trabajo, un enfoque que Fool enmarca como un desafío de diseño directo a la posición dominante de Nvidia en hardware de IA.