Carlos Vega
La compra que cambia el juego de la IA
Imagina que tienes el coche mas rapido del mundo. Ganas todas las carreras, dominas el mercado, y de repente aparece una startup con un motor que va 10 veces mas rapido. ¿Que haces? Lo compras.
Eso es exactamente lo que acaba de hacer NVIDIA. El 24 de diciembre de 2025, Jensen Huang firmo un cheque de $20 mil millones de dolares para adquirir Groq, una empresa de apenas 300 empleados que habia desarrollado algo que NVIDIA no tenia: un chip disenado exclusivamente para ejecutar modelos de IA a velocidades que las GPUs tradicionales no pueden alcanzar.
Te lo explico facil: mientras las GPUs de NVIDIA son como atletas completos que hacen de todo bien, el LPU de Groq es como un velocista especializado que solo hace una cosa, pero la hace mejor que nadie.
Y esa cosa es inferencia, el proceso de ejecutar modelos de IA ya entrenados. Es lo que pasa cada vez que le preguntas algo a ChatGPT, cada vez que Copilot te sugiere codigo, cada vez que un coche autonomo decide frenar.
Que es un LPU y por que importa
Antes de entrar en los numeros del acuerdo, necesitas entender que hace especial a Groq. Porque sin esto, la historia no tiene sentido.
El problema que Groq resolvio
Las GPUs de NVIDIA fueron disenadas originalmente para videojuegos. Con el tiempo, resultaron ser excelentes para entrenar modelos de IA porque pueden hacer muchos calculos en paralelo. Pero tienen un problema cuando se trata de inferencia en tiempo real: necesitan mover datos constantemente entre el chip y la memoria externa.
Imagina que eres un chef cocinando. Si tu nevera esta en la cocina (memoria en el chip), puedes cocinar rapido. Pero si tu nevera esta en el garaje (memoria externa), cada vez que necesitas un ingrediente tienes que caminar hasta alla. Eso es lo que les pasa a las GPUs con la inferencia.
La solucion de Groq: todo en el chip
Jonathan Ross, el fundador de Groq, decidio crear un chip donde toda la memoria esta dentro del procesador. Nada de viajes al garaje. Todo queda en la cocina.
El resultado es un chip llamado LPU (Language Processing Unit) con estas caracteristicas:
| Especificacion | Groq LPU | NVIDIA H100 |
|---|---|---|
| Memoria | 230MB SRAM (en el chip) | 80-96GB HBM (externa) |
| Ancho de banda interno | 80 TB/s | 3.35 TB/s |
| Velocidad ventaja | 24x mas rapido internamente | Base de comparacion |
| Consumo energia | 240-375W | ~700W |
El truco esta en ese ancho de banda interno. Los datos se mueven 24 veces mas rapido dentro de un LPU que dentro de una GPU. Eso se traduce directamente en velocidad de respuesta.
Los numeros que convencieron a NVIDIA
Cuando ejecutas el modelo Llama 70B (el que usa Meta para muchas cosas), esto es lo que pasa:
| Metrica | Groq LPU | NVIDIA H100 |
|---|---|---|
| Tokens por segundo | 280-300 | 60-100 |
| Con tecnicas avanzadas | 1,660+ | ~200 |
| Tiempo primera respuesta | 0.2 segundos | 0.5-1.0 segundos |
| Energia por token | 1-3 Joules | 10-30 Joules |
Lo que nadie te cuenta es que esa diferencia de velocidad no es solo "bonita". Es la diferencia entre un chatbot que responde instantaneamente y uno que te hace esperar. Es la diferencia entre un robot que reacciona en tiempo real y uno que llega tarde a la fiesta.
La historia de Groq: de Google a NVIDIA
Jonathan Ross: el desertor escolar que creo los TPUs
La historia de Groq empieza con su fundador, y es una historia que parece sacada de una pelicula.
Jonathan Ross abandono la preparatoria porque se aburria. Se convirtio en el primer estudiante de licenciatura en su universidad autorizado a tomar cursos de doctorado. Luego "se graduo exitosamente abandonando".
En 2011 entro a Google como ingeniero de software. Dos anos despues, en su 20% de tiempo libre (el programa famoso de Google donde puedes trabajar en proyectos personales), empezo a disenar un chip especializado para machine learning.
Ese proyecto se convirtio en el TPU (Tensor Processing Unit), el chip que hoy alimenta mas del 50% de la infraestructura de computo de Google. Cada vez que usas Google Search, Google Photos, o YouTube, estas usando algo que empezo como proyecto de fin de semana de Jonathan Ross.
En 2016, Ross dejo Google para fundar Groq con la idea de hacer algo aun mas especializado: un chip disenado desde cero para inferencia de IA, sin los compromisos de un chip de proposito general.
De startup a unicornio a adquisicion
La trayectoria de Groq fue rapida:
| Ano | Evento | Valoracion |
|---|---|---|
| 2016 | Fundacion | - |
| 2017 | Seed ($10M de Chamath Palihapitiya) | - |
| 2021 | Serie C ($300M) | $1B+ (unicornio) |
| 2024 | Serie D ($640M) | $2.8B |
| 2025 | Serie E ($750M) | $6.9B |
| 2025 | Adquisicion NVIDIA | $20B |
En total, Groq levanto $1.75 mil millones de inversores como BlackRock, Samsung, Cisco y Tiger Global antes de ser adquirida.
Los clientes que validaron la tecnologia
Groq no era solo promesas. Ya tenia clientes de peso:
- Meta: Proveedor oficial de inferencia para Llama API
- IBM: Partnership con watsonx
- Dropbox, Volkswagen, Riot Games, Canva, Robinhood
- Arabia Saudita: Contrato de $1.5 mil millones para un data center en Dammam
- 1.9 millones de desarrolladores usando GroqCloud
Cuando tienes a Meta usando tu chip para su API de IA, claramente hiciste algo bien.
Anatomia del acuerdo: $20 mil millones
La estructura que evita reguladores
Aqui viene la parte interesante. NVIDIA no compro Groq de manera tradicional. El acuerdo esta estructurado de una forma muy especifica:
| Aspecto | Detalle |
|---|---|
| Tipo de acuerdo | Licencia no exclusiva + acqui-hire |
| Pagos | 85% upfront, 10% mediados 2026, 5% fin 2026 |
| Empleados | ~90% se van a NVIDIA |
| Groq como empresa | Sigue existiendo tecnicamente |
| GroqCloud | Continua operando "independiente" |
Jensen Huang fue muy cuidadoso con las palabras:
"Aunque estamos agregando empleados talentosos a nuestras filas y licenciando la propiedad intelectual de Groq, no estamos adquiriendo Groq como empresa."
El truco esta en esa frase. Al estructurarlo como "licencia + contratacion" en lugar de "adquisicion", NVIDIA intenta evitar el escrutinio antimonopolio que mato su intento de comprar ARM por $40 mil millones en 2022.
Por que $20 mil millones tiene sentido
Puede parecer mucho pagar $20B por una empresa de 300 personas, pero hagamos las cuentas:
- Ingresos de Groq 2025: ~$500 millones proyectados
- Multiplo: ~40x ingresos (alto pero no absurdo para IA)
- Adquisicion anterior mas grande de NVIDIA: Mellanox por $7B en 2019
- Lo que gana NVIDIA: Tecnologia de inferencia que no tiene, talento, clientes
Para contexto, NVIDIA genera $35+ mil millones por trimestre. $20 mil millones es lo que ganan en menos de 2 meses. Y con esto compran el liderazgo en un mercado que va a explotar.
El mercado de inferencia: por que NVIDIA tenia que actuar
El cambio de paradigma
Hasta ahora, el negocio de chips de IA era principalmente entrenamiento: crear los modelos. NVIDIA domina ese mercado con ~90% de participacion.
Pero algo esta cambiando:
| Ano | Entrenamiento | Inferencia |
|---|---|---|
| 2023 | 67% | 33% |
| 2026 (proyectado) | 34% | 66% |
El mercado de inferencia va a ser el doble que el de entrenamiento para fin de 2026. Y en inferencia, las GPUs de NVIDIA tienen competencia seria.
Los competidores que preocupaban a NVIDIA
Antes del acuerdo, NVIDIA enfrentaba amenazas reales en inferencia:
- Groq: LPUs 10x mas rapidos
- Cerebras: Chips del tamano de una oblea completa
- Sambanova: Arquitectura dataflow
- AMD: MI300X con 192GB de memoria
- Google: TPUs evolucionando constantemente
- AWS: Trainium e Inferentia
Al comprar Groq, NVIDIA elimina al competidor mas peligroso y adquiere su tecnologia. Es un movimiento defensivo y ofensivo al mismo tiempo.
La integracion: que viene despues
Rubin Platform (2026)
NVIDIA planea integrar la tecnologia de Groq en su proxima plataforma llamada Vera Rubin, que llega a finales de 2026:
| Componente | Detalle |
|---|---|
| Proceso | TSMC 3nm |
| CPU | Vera (88 nucleos ARM) |
| Memoria | HBM4 con 22 TB/s |
| Componente Groq | "LPU strips" / Rubin CPX |
| Velocidad inferencia | 500-800 tokens/segundo |
Los primeros racks con tecnologia Groq se esperan para Q3-Q4 de 2026.
El mensaje de Jensen Huang
"Planeamos integrar los procesadores de baja latencia de Groq en la arquitectura de fabrica de IA de NVIDIA, extendiendo la plataforma para servir una gama aun mas amplia de cargas de trabajo de inferencia de IA y tiempo real."
En otras palabras: NVIDIA quiere que puedas hacer todo con sus chips. Entrenamiento con GPUs, inferencia con LPUs, y todo integrado en un solo ecosistema.
Impacto en el mercado
AMD: el mas afectado
AMD habia pasado todo 2025 posicionando sus chips MI350 como alternativas para inferencia. Ahora enfrenta una NVIDIA con la mejor tecnologia de entrenamiento Y la mejor tecnologia de inferencia.
"Un golpe devastador", dijo un analista de Bernstein.
AMD todavia tiene su partnership con OpenAI para entregar 6GW de chips MI450, pero la propuesta de valor se complico significativamente.
Intel: mas problemas
La linea Gaudi de Intel, que se comercializaba como alternativa economica para inferencia, pierde atractivo cuando NVIDIA puede ofrecer una solucion integrada.
Startups de chips: consolidacion
El mensaje para el resto del ecosistema es claro: si creas algo que NVIDIA necesita, te compraran. Si no, buena suerte compitiendo contra un gigante que ahora tiene todo.
Reaccion de Wall Street
Las acciones de NVIDIA subieron 11% en los 6 dias posteriores al anuncio. Analistas de Bank of America subieron su precio objetivo a $245.
Stacy Rasgon de Bernstein lo resumio asi:
"Parece estrategico en naturaleza para NVIDIA mientras aprovechan su cada vez mas poderoso balance para mantener dominio en areas clave."
El elefante regulatorio
La sombra de ARM
En 2022, la FTC demando para bloquear la adquisicion de ARM por NVIDIA. El caso termino con NVIDIA abandonando el intento.
Las razones citadas entonces:
- NVIDIA obtendria informacion competitivamente sensible
- Socavaria incentivos para innovacion
- Demasiada concentracion de poder
Por que este acuerdo es diferente (segun NVIDIA)
| Aspecto | ARM (fallido) | Groq (actual) |
|---|---|---|
| Estructura | Adquisicion directa | Licencia + acqui-hire |
| Groq sigue existiendo | N/A | Si (tecnicamente) |
| Exclusividad | Total | "No exclusiva" |
El argumento de NVIDIA: no estamos comprando la empresa, solo licenciando tecnologia y contratando gente. Groq sigue existiendo. No hay monopolio.
Los escepticos
Expertos legales no estan convencidos:
"Pagar $20 mil millones se parece sospechosamente a un precio de adquisicion. Si la FTC determina que el acuerdo fue estructurado especificamente para evitar revision antimonopolio, podrian buscar deshacerlo o imponer penalidades severas."
El hecho de que el 90% de los empleados de Groq se vayan a NVIDIA hace que la "independencia" de Groq parezca una ficcion legal.
Lo que esto significa para ti
Si usas herramientas de IA
Buenas noticias: la inferencia va a ser mas rapida y mas barata. Cuando ChatGPT, Claude o cualquier otro modelo use infraestructura NVIDIA-Groq, las respuestas seran practicamente instantaneas.
Si desarrollas con IA
GroqCloud seguira existiendo (por ahora), pero la integracion con el ecosistema CUDA de NVIDIA hara que sea mas facil construir aplicaciones de IA en tiempo real.
Si inviertes en tecnologia
NVIDIA acaba de eliminar a su competidor mas peligroso en inferencia. Su dominio del mercado de chips de IA es ahora aun mas completo.
Si te preocupa la concentracion del mercado
Este es el tercer intento de NVIDIA de consolidar poder (despues de Mellanox y ARM). Solo ARM fallo. El patron es claro: NVIDIA usa su posicion dominante para comprar cualquier amenaza.
Conclusion: el fin del principio
La adquisicion de Groq marca el inicio de una nueva era. Ya no es suficiente con entrenar modelos de IA. Ahora la batalla es por quien puede ejecutarlos mas rapido, mas eficientemente, mas barato.
NVIDIA, que ya dominaba el entrenamiento, ahora tiene la mejor tecnologia de inferencia tambien. AMD, Intel y las startups tienen que responder o quedarse atras.
Jonathan Ross, el chico que abandono la secundaria y creo los TPUs de Google en su tiempo libre, ahora trabaja para Jensen Huang. Su creacion, el LPU, sera parte de cada chip NVIDIA en el futuro.
El truco esta en lo que viene despues. Si NVIDIA logra integrar la velocidad de Groq con la escala de sus GPUs, el resultado sera una plataforma de IA que nadie puede tocar.
Y eso, para bien o para mal, significa que el futuro de la IA pasa por una sola empresa.
Preguntas frecuentes
Que es exactamente un LPU?
Un Language Processing Unit (LPU) es un chip disenado especificamente para ejecutar modelos de lenguaje de IA. A diferencia de las GPUs que son de proposito general, el LPU tiene toda su memoria dentro del chip (SRAM en lugar de HBM externa), lo que elimina el cuello de botella de mover datos y permite velocidades 10x mayores en inferencia.
Por que NVIDIA pago $20 mil millones por una startup?
El mercado de inferencia de IA va a ser el doble que el de entrenamiento para 2026. NVIDIA dominaba entrenamiento pero tenia competencia seria en inferencia. Al comprar Groq, eliminan al competidor mas avanzado y adquieren tecnologia que no tenian. Para una empresa que genera $35B+ por trimestre, $20B es una inversion estrategica.
Que pasa con GroqCloud y los clientes actuales?
Segun el acuerdo, GroqCloud seguira operando de forma "independiente" con Simon Edwards como nuevo CEO. Los clientes existentes como Meta, IBM y Dropbox deberian poder seguir usando el servicio, aunque la integracion con NVIDIA probablemente cambiara las cosas a mediano plazo.
Puede la FTC bloquear este acuerdo?
Es posible pero dificil. NVIDIA estructuro el acuerdo como "licencia no exclusiva + contratacion de empleados" en lugar de una adquisicion tradicional. Esto complica cualquier intento regulatorio, aunque expertos legales advierten que la FTC podria argumentar que es una adquisicion disfrazada.
Cuando veremos productos con tecnologia Groq de NVIDIA?
Los primeros racks con tecnologia Groq integrada se esperan para Q3-Q4 de 2026 como parte de la plataforma Vera Rubin. La integracion completa probablemente tome 2-3 anos.
