14 alternativas y competidores líderes de Nvidia en 2026

NVIDIA domina el mercado de GPUs discretas para escritorio, con casi el 88 % de cuota de mercado en 2024, principalmente a través de su línea de productos GeForce, popular tanto entre gamers como usuarios profesionales.

También es líder en hardware de IA y machine learning, con casi el 98 % de cuota de mercado para GPUs y procesadores de IA usados en centros de datos. Según TechInsights, firma de análisis de semiconductores, Nvidia envió 3,76 millones de GPUs para centros de datos en 2023, frente a 2,64 millones en 2022. [1]

Este auge contribuyó a que los ingresos de NVIDIA alcanzaran 96.300 millones de dólares para el año fiscal finalizado en julio de 2024, un aumento interanual asombroso del 194,6 %. Aproximadamente el 78 % de estos ingresos provinieron de su negocio de centros de datos, con un 17,1 % del segmento de GPUs de escritorio.

En FY 2025, los ingresos de Nvidia alcanzaron 165.210 millones, un 71,55 % más que el año anterior. Su beneficio bruto subió a 115.390 millones, un aumento interanual del 57,71 %.

Aunque los ingresos de Nvidia crecen rápidamente, también enfrenta fuerte competencia en varios mercados clave. Aquí destacamos a los principales competidores que desafían el dominio de NVIDIA en áreas como chips de IA, centros de datos, GPUs gaming y tecnologías de conducción autónoma.

¿Sabías que?

La adquisición más cara de NVIDIA hasta la fecha fue la compra de Mellanox Technologies por 6.900 millones en 2019. Esta adquisición ayudó a Nvidia a fortalecer su posición en el mercado de centros de datos ofreciendo soluciones de computación end-to-end combinando GPUs y networking. [2]

Los 14 principales competidores de Nvidia

14. IBM

Fundada: 1911
Ingresos anuales: 64.030 millones+
Competencia: IA y HPC

IBM compite con NVIDIA principalmente en IA, computación de alto rendimiento (HPC) y soluciones de centros de datos. Más específicamente, su Watson AI y Power Systems compiten contra las GPUs aceleradas para IA de NVIDIA usadas para cargas de trabajo de machine learning.

IBM tiene fuerte presencia en servicios de cloud híbrido —proporciona soluciones de IA y automatización adaptadas para industrias como finanzas, salud y logística. Su división de consultoría ayuda a empresas a integrar profundamente tecnologías IA y cloud, ofreciendo un enfoque más integral que la estrategia centrada en hardware de Nvidia.

Según un informe de investigación de mercado, el mercado global de servicios IBM Watson se valoró en 5.500 millones en 2023 y se proyecta alcanzar 76.470 millones para 2033, expandiéndose a una CAGR del 30,1 %. [3]

IBM también invierte fuertemente en computación cuántica. En 2023, presentó el potente procesador Condor con 1.121 qubits superconductores, que podría competir con futuras incursiones de NVIDIA en este dominio. [4]

En el lado de la investigación, el hardware cuántico de IBM se usa para experimentos más complejos, incluyendo simulaciones de teoría de gauge en red y estudios de fases topológicas. Estos experimentos destacan la madurez creciente de dispositivos cuánticos "ruidosos de escala intermedia".

13. Marvell Technology

Fundada: 1995
Ingresos anuales: 6.500 millones+
Competencia: Infraestructura de datos

Marvell Technology es una empresa de semiconductores que compite con NVIDIA en ciertos segmentos, particularmente en mercados de centros de datos, cloud e infraestructura 5G. Mientras NVIDIA se centra en GPUs, Marvell se enfoca en tecnologías de networking, almacenamiento y procesadores para centros de datos.

Marvell desarrolla Ethernet, switches de centros de datos, unidades de procesamiento de datos y controladores de almacenamiento, que vende a OEMs, proveedores de servicios cloud y empresas de telecomunicaciones. Tiene fuerte presencia en el mercado de infraestructura 5G —trabaja con grandes proveedores telecom y ofrece productos diseñados específicamente para optimizar estaciones base 5G.

En 2025, la compañía presentó la solución UALink Scale-up, destinada a maximizar la utilización de computación entre aceleradores y switches. Sus características clave incluyen baja latencia, soporte para estándares abiertos y opciones de empaquetado flexibles como cobre u óptica co-empaquetada.

Marvell posee más de 20.290 patentes mundiales, cubriendo tecnologías de semiconductores, networking y 5G. De estas, el 49,6 % están actualmente activas. La mayoría de patentes se han presentado en EE. UU., seguidas por China y países europeos. [5]

12. Synopsys

Fundada: 1986
Ingresos anuales: 6.430 millones+
Competencia: Herramientas de automatización de diseño impulsadas por IA

Synopsys proporciona software y propiedad intelectual (IP) para diseño, verificación y test de chips, que empresas de semiconductores como Nvidia usan para construir GPUs complejas, aceleradores de IA y SoCs (system-on-chip). Mientras Synopsys se centra en habilitar el proceso de diseño, Nvidia se centra en construir y comercializar los chips.

Synopsys también ofrece soluciones en seguridad de software y verificación de hardware. Ambas empresas se cruzan en asegurar la seguridad de sistemas impulsados por IA, aunque la primera se enfoca más en la fase de verificación y test.

Synopsys ha experimentado crecimiento consistente en herramientas de automatización de diseño electrónico (EDA) y licenciamiento de IP de semiconductores, con crecimiento anual de ingresos del 13-15 %. Este crecimiento está impulsado por la demanda creciente de IA y diseños de chips personalizados. [6]

En 2025, Synopsys adquirió Ansys, creando nuevas sinergias al combinar herramientas EDA de Synopsys con modelado basado en simulación y física de Ansys. El objetivo es ofrecer capacidades "silicon-to-systems" más fuertes across industrias.

11. Amazon (AWS Inferentia y chips Trainium)

Fundada: 1994
Ingresos anuales: 111.000 millones+ (de AWS)
Competencia: Procesadores Graviton e Inferentia

AWS ha desarrollado su propio silicio personalizado, incluyendo procesadores Graviton para cargas de trabajo de computación general y chips Inferentia optimizados para inferencia de machine learning. Con estos dos chips, Amazon busca reducir su dependencia de hardware de terceros. [7]

Los procesadores Inferentia de Amazon apuntan a los procesadores A100 y H100 de Nvidia, diseñados para cargas de trabajo de inferencia de machine learning. También ha introducido chips Trainium para entrenamiento de deep learning de modelos con más de 100.000 millones de parámetros. [8][9]

Amazon ofrece servicios de IA y machine learning, como SageMaker (servicio de ML totalmente gestionado), a través de AWS. En contraste, Nvidia impulsa sistemas de IA con sus GPUs y plataformas de software como CUDA.

La compañía también ha progresado significativamente en sistemas autónomos adquiriendo Zoox, una startup de conducción autónoma. Esta adquisición impulsó la posición de Amazon en patentes de tecnología de conducción autónoma y ayudó a mejorar la automatización en su red de distribución, particularmente para entrega de última milla.

Además, AWS busca reducir la dependencia de proveedores de GPU (principalmente Nvidia) para cargas de trabajo de entrenamiento e inferencia desarrollando y escalando sus propios chips. Esto reduce costes (el llamado "impuesto Nvidia") y da a AWS más control sobre rendimiento, energía y escalabilidad.

10. Alibaba Cloud

Fundada: 2009
Ingresos anuales: 15.000 millones+
Competencia: Infraestructura de hardware IA

Alibaba Cloud es uno de los mayores proveedores de servicios cloud, con casi el 4 % de cuota del mercado global de servicios cloud. Ofrece IaaS, PaaS y servicios de IA. Como AWS, Alibaba Cloud usa GPUs de Nvidia para cargas de trabajo de IA y ML, pero también ha desarrollado sus propios chips para competir con el hardware de Nvidia.

Por ejemplo, su Hanguang 800 (chip de inferencia IA) compite con las GPUs A100 y H100 de Nvidia para inferencia IA en la cloud. Optimizado para bajo consumo energético, Hanguang 800 puede completar tareas como análisis de imagen impulsado por IA (que normalmente tardaría una hora) en solo cinco minutos. [10]

En 2022, Alibaba Cloud presentó su plataforma de desarrollo de chips, Wujian 600. Puede ayudar a fabricantes a diseñar SoCs de alto rendimiento para edge-AI computing, aprovechando la arquitectura de conjunto de instrucciones RISC-V de forma rentable y eficiente. [11]

En 2023, el gasto anual en I+D de Alibaba alcanzó 7.600 millones, enfocado en chips de IA, infraestructura cloud y desarrollo de chips personalizados. Para el fiscal 2024, Alibaba Cloud Intelligence Group reportó ingresos anuales de 14.730 millones, un 3 % de aumento interanual, con EBITA de 848 millones.

En 2025, Alibaba se comprometió a invertir casi 52.000 millones en los próximos tres años para construir su infraestructura cloud y capacidades de IA. Esto es más de lo que afirma haber gastado en IA + cloud en la última década.

9. Google (Tensor Processing Units – TPUs)

Fundada: 2008 (plataforma Google Cloud)
Ingresos anuales: 36.000 millones+ (de Google Cloud)
Competencia: Unidades de Procesamiento Tensorial (TPUs)

Google ha desarrollado Unidades de Procesamiento Tensorial (TPUs) para acelerar cargas de trabajo de machine learning. Las TPUs están optimizadas para TensorFlow, el framework open-source de ML de Google que se integra con CUDA de NVIDIA.

Las TPUs ofrecen alta eficiencia para entrenamiento de modelos de IA. Por ejemplo, Google reportó que las TPUs podían entrenar modelos como ResNet-50 hasta 15x más rápido que GPUs convencionales (como Nvidia P100) cuando se introdujeron.

En 2024, Google anunció la sexta generación de su TPU, que entrega 4,7 veces más pico de cómputo por chip y es más del 67 % más eficiente energéticamente que la generación anterior. Esta nueva TPU está diseñada para acelerar la próxima ola de modelos de IA, ofreciendo rendimiento más rápido y eficiente con latencia reducida. [12]

Google también lidera en investigación e innovación en IA, con desarrollos pioneros en deep learning, procesamiento de lenguaje natural, cloud computing y hardware personalizado para IA. Para el FY 2024, la compañía gastó 47.130 millones en I+D, un aumento interanual del 10,65 %. [13]

En 2025, Google anunció Ironwood, su primera TPU diseñada específicamente para inferencia, entregando ~4.614 TFLOPs por chip y escalando hasta 9.216 chips por clúster para unclaimed ~42,5 exaflops.

8. Huawei

Fundada: 1987
Ingresos anuales: 99.370 millones
Competencia: IA e infraestructura 5G

Huawei desarrolla sus propios chips de IA, notablemente los procesadores Ascend. Los chips Ascend 910 y Ascend 310, por ejemplo, están diseñados para tareas de IA de alto rendimiento. Los chips de segunda generación Ascend 910B han aumentado el rendimiento teórico máximo en 80 TFLOPS (FP16) comparado con los chips Ascend 910 de primera generación. [14]

Estos chips impulsan los Servicios Cloud de Huawei, el segundo mayor proveedor cloud en China continental. NVIDIA compite aquí suministrando GPUs a otros grandes proveedores cloud y empresas para cargas de trabajo de IA y ML.

Huawei está preparando chips más nuevos, como el Ascend 910D, con ambiciones de igualar o superar algunas ofertas de Nvidia en capacidad de entrenamiento.

Huawei también es líder en telecomunicaciones 5G y edge computing, con casi el 30 % del mercado global de equipos de telecomunicaciones. Sus tecnologías de IA y 5G se solapan con las ambiciones de NVIDIA de dominar IA en el edge, particularmente para sistemas autónomos e IoT. [15]

7. Micron Technology

Fundada: 1978
Ingresos anuales: 21.370 millones
Competencia: Soluciones de memoria para cargas de trabajo IA

Micron desarrolla DRAM, memoria flash NAND y soluciones de almacenamiento SSD. Aunque la compañía no compite directamente en GPU o hardware de IA, sus productos son cruciales para el rendimiento de modelos de IA e infraestructuras cloud, donde NVIDIA también opera.

Las soluciones de memoria de Micron almacenan y gestionan datasets masivos (procesados por chips de IA), proporcionando acceso de alta velocidad requerido por algoritmos de IA. La empresa es proveedor clave de memoria GDDR6X, crítica para GPUs de alto rendimiento de NVIDIA usadas en IA y aplicaciones de centros de datos.

Micron es el tercer mayor productor de chips DRAM, con aproximadamente 21,5 % del mercado global de DRAM, detrás de Samsung y SK Hynix. También posee 9,9 % del mercado de memoria flash NAND. [16]

En 2025, la compañía lanzó su nodo DRAM 1-gamma, que usa litografía EUV (ultravioleta extremo). También introdujeron nuevos módulos de factor de forma DDR5 que incluyen un driver de reloj en el módulo de memoria (en lugar de depender totalmente del reloj de CPU). Estos módulos pueden alcanzar velocidades de hasta 6.400 MT/s.

6. Cisco Systems

Fundada: 1984
Ingresos anuales: 56.600 millones+
Competencia: IA, infraestructura de centros de datos y networking

La fortaleza principal de Cisco radica en hardware (switches y routers) y soluciones de software para centros de datos. También proporciona herramientas de cloud networking y software-defined networking (SDN), representando casi el 40 % del mercado de infraestructura de red empresarial. [17]

Sus switches Nexus de alta gama, especialmente los diseñados para centros de datos, entregan alto ancho de banda y networking de baja latencia, esenciales para cargas de trabajo de IA y cloud. La arquitectura ACI de Cisco soporta automatización de red y optimización de cargas, enfocándose en el mercado de computación de alto rendimiento (HPC).

Cisco también invierte en edge computing integrando networking con poder de procesamiento en tiempo real en el edge, un mercado donde la plataforma Jetson de NVIDIA también es dominante. Ambas empresas abordan procesamiento de IA en el edge para aplicaciones como IoT y sistemas autónomos.

En FY 2024, Cisco gastó más de 7.900 millones en avanzar tecnologías de networking, automatización de red impulsada por IA, edge computing y soluciones de ciberseguridad. [18]

Cisco ha anunciado varias iniciativas de IA en Oriente Medio, incluyendo colaboraciones con G42 y la alianza HUMAIN en Arabia Saudita para construir infraestructura de IA. Estos esfuerzos muestran el objetivo de Cisco de jugar un papel central en el crecimiento de IA en la región.

En 2025, Cisco expandió su alianza con NVIDIA para proporcionar infraestructura de networking de centros de datos lista para IA. Un resultado clave es una "arquitectura unificada cross-portfolio" que combina el silicio Silicon One de Cisco con el Ethernet Spectrum-X de NVIDIA, permitiendo que switches de Cisco se integren directamente en la plataforma Spectrum-X.

5. Apple

Fundada: 1976
Ingresos anuales: 29.360 millones (de Mac)
Competencia: Chips serie A y serie M

El silicio personalizado de Apple, incluyendo chips M1, M2 y M3 para su línea Mac, compite directamente con Nvidia en computación de alto rendimiento y cargas de trabajo de IA. En 2024, Apple presentó el chip M4, con el Neural Engine más rápido hasta la fecha, capaz de ejecutar 38 billones de operaciones por segundo. [19]

Apple también desarrolla chips Bionic serie A, que integran aceleradores de machine learning y neural engines en iPhones, permitiendo potente procesamiento de IA on-device. Su chip más avanzado, el A18 Pro, presume de un neural engine de 16 núcleos que maneja 35 billones de operaciones por segundo.

En 2023, Apple vendió unos 231 millones de iPhones, representando el 52 % de sus ingresos totales. En 2024, invirtió 31.370 millones en I+D, frente a 29.900 millones en 2023 y 26.200 millones en 2022, con fuerte foco en IA, machine learning, silicio personalizado y tecnologías de realidad aumentada.

Apple se ha unido al Consorcio Ultra Accelerator Link (UALink), que desarrolla interconexiones estándar para aceleradores y chips de IA en clústeres de centros de datos. El objetivo de UALink es superar cuellos de botella de conectividad entre aceleradores como GPUs, TPUs y chips de IA personalizados, permitiendo grandes grupos de chips trabajar juntos en pods con alto ancho de banda y baja latencia.

4. AMD (Advanced Micro Devices)

Fundada: 1969
Ingresos anuales: 23.700 millones
Competencia: GPUs Radeon y procesadores EPYC en centros de datos

AMD (Advanced Micro Devices) es el competidor directo de Nvidia en el mercado de GPUs, centros de datos y hardware de IA. También diseña silicio personalizado para consolas como Xbox y PlayStation.

La serie Radeon de AMD compite con la serie GeForce de NVIDIA en GPUs gaming y profesionales. Su serie MI, incluyendo aceleradores MI100 y MI200, apunta a cargas de trabajo de deep learning e IA, compitiendo con GPUs Tensor Core de Nvidia.

Además, sus procesadores EPYC y GPUs Instinct ofrecen una combinación potente para centros de datos, particularmente en entornos de computación de alto rendimiento y cloud computing. La serie EPYC Milan, en particular, ha mostrado mejoras sustanciales de rendimiento, desafiando tanto a Nvidia como a Intel. [20]

La cuota de mercado de AMD ha aumentado en trimestres recientes. En el mercado de escritorio, la cuota de unidades de AMD es 23,9 % y cuota de ingresos 19,2 %. En portátiles, la cuota de unidades de AMD es aproximadamente 19 %. Sin embargo, controla solo el 12 % del mercado de GPUs discretas, con NVIDIA manteniendo la cuota dominante. [21]

En 2025, AMD presentó sus aceleradores Instinct MI350 Series (MI350X y MI355X), marcando un salto generacional mayor. La serie entrega aproximadamente cuatro veces el rendimiento de cómputo IA para entrenamiento y HPC comparado con la generación anterior.

Es parte de la estrategia más amplia de infraestructura IA de AMD, ofreciendo mayor rendimiento por vatio, memoria mayor y escalabilidad mejorada.

3. Qualcomm

Fundada: 1985
Ingresos anuales: 37.340 millones
Competencia: IA móvil y sistemas de conducción autónoma

Aunque Qualcomm es conocida por su liderazgo en procesadores móviles y tecnología 5G, se ha expandido a plataformas de IA y automotrices, donde desafía directamente a Nvidia. Sus populares chips Snapdragon impulsan procesamiento de IA en dispositivos móviles e IoT, con motores de IA integrados para inferencia on-device.

Qualcomm también ha desarrollado la plataforma Snapdragon Ride que entrega soluciones impulsadas por IA para asistencia al conductor y conducción autónoma. Tiene alianzas con fabricantes como General Motors, compitiendo directamente con el ecosistema Drive de Nvidia. [22]

Actualmente, Qualcomm es la tercera mayor empresa de semiconductores, con cuota de mercado global del 5,4 %. Además, controla casi el 30 % del mercado de chips para smartphones. [23]

Además de chips y tecnologías inalámbricas como 5G, Qualcomm genera ingresos licenciando porciones de su extenso portafolio de propiedad intelectual. Esto incluye ciertos derechos de patente cruciales para fabricar productos inalámbricos específicos.

En 2025, la compañía presentó una solución AI On-Prem Appliance + AI Inference Suite, permitiendo a empresas/fabricantes ejecutar cargas de trabajo de IA generativa y visión por computadora localmente (on-premise) en lugar de en la cloud.

2. Intel

Fundada: 1968
Ingresos anuales: 53.070 millones
Competencia: CPUs, GPUs y plataforma de conducción autónoma

Intel tanto diseña como fabrica chips, mientras que la mayoría de sus rivales (incluyendo Nvidia) solo hacen uno u otro. Desarrolla CPUs, GPUs, aceleradores de IA para centros de datos y tecnología de vehículos autónomos.

Más específicamente, Intel compite a través de sus procesadores Xeon y aceleradores de IA como Habana Gaudi2 y procesadores de Red Neuronal Nervana. Su plataforma oneAPI proporciona un modelo de programación unificado across CPUs y GPUs, compitiendo con el ecosistema CUDA de NVIDIA.

Intel tiene una cuota significativa en el mercado global de GPUs. Mientras Nvidia controla más del 90 % del mercado de GPUs para centros de datos, Intel domina el mercado de gráficos integrados con 68 % de cuota. [24]

Intel también compite con Nvidia en conducción autónoma a través de su subsidiaria Mobileye. Los chips EyeQ de Mobileye se usan en sistemas avanzados de asistencia al conductor (ADAS). Estos chips usan un sensor de cámara único para proporcionar funciones ADAS como control de crucero adaptativo, asistencia en atascos, mantenimiento de carril, aviso de colisión frontal y frenado de emergencia automático. Más de 50 fabricantes incorporan chips EyeQ en sus tecnologías de asistencia a la conducción. [25]

Según resultados de benchmarks, los procesadores de Intel impulsan casi el 71 % de CPUs de portátiles, mientras que procesadores AMD representan el 21 % de CPUs de portátiles detectadas via tests.

Intel ha enfrentado recientemente grandes desafíos financieros por competencia creciente, cambios de mercado e issues internos. Sus ingresos anuales cayeron 20 % en 2022 y otro 14 % en 2023. En FY 2025, los ingresos cayeron further a 53.000 millones. Para recuperarse, Intel se enfoca en estrategias a largo plazo como aumentar inversión en I+D y expandir producción doméstica de chips.

1. TSMC (Taiwan Semiconductor Manufacturing Company)

Fundada: 1987
Ingresos anuales: 104.400 millones+
Competencia: Fabricante de chips que habilitan IA

TSMC opera en diferentes partes de la cadena de suministro de semiconductores. A diferencia de Nvidia, que diseña chips, TSMC los fabrica. Compite indirectamente con NVIDIA influyendo en el desarrollo y adopción de tecnología de semiconductores de vanguardia.

TSMC es la mayor fundición de semiconductores pure-play del mundo, fabricando chips para varios gigantes tecnológicos, incluyendo Apple, Qualcomm, AMD y la propia Nvidia. Se especializa en nodos avanzados como 5nm y 4nm, y ahora avanza hacia producción de 3nm y 2nm. Los clientes de TSMC usan sus nodos avanzados para competir directamente con productos de Nvidia.

La compañía posee casi el 53 % de cuota del mercado global de fabricación de semiconductores. Es el fabricante de referencia para chips avanzados, especialmente en 7nm y below. En 2023, TSMC envió 12 millones de wafers equivalentes de 12 pulgadas, con chips de 7nm y menores representando el 58 % de los ingresos totales de wafers. En 2024, entregaron 12,9 millones de wafers equivalentes de 12 pulgadas. [26]

TSMC está impulsando agresivamente su tecnología de proceso 2 nm ("N2") hacia producción en masa. La compañía ha revelado que la densidad de defectos de su nodo N2 (D0) es menor que nodos anteriores en etapa comparable de desarrollo, indicando ramp-up de rendimiento más rápido y mayor madurez del proceso a pesar del cambio a transistores nanosheet gate-all-around.

Leer más

• Top 13 competidores de Intel
• Análisis FODA de NVIDIA [Vista detallada]

Fuentes citadas y referencias adicionales

1. Agam Shah, Nvidia shipped 3.76 million data-center GPUs in 2023, HPCWire
2. Press Release, Nvidia to acquire Mellanox for $6.9 billion, Nvidia
3. Report, IBM Watson services market analysis, Facts.mr
4. Quantum Research, The hardware and software for the era of quantum utility, IBM
5. Key Insights, Marvell Technology has a total of 16347 patents globally, GreyB
6. Q3 2024 Report, Synopsys posts financial results for third quarter fiscal year 2024, Synopsys
7. Products, AWS Graviton processors, Amazon
8. Products, AWS Inferentia accelerators, Amazon
9. Products, AWS Trainium for deep learning and generative AI training, Amazon
10. Hanguang 800 NPU, AI inference solution for data centers, Alibaba Group
11. Blogs, Alibaba Cloud unveils chip development platform, Alibaba Cloud
12. Compute, Announcing Trillium, the sixth generation of Google Cloud TPU, Google Cloud
13. Company Overview, Alphabet R&D expenses, Macrotrends
14. Jacob Feldgoise, Huawei's AI chip tests US export controls, CSET
15. Barry Elad, Huawei statistics by revenue and business segment, Coolest-Gadgets
16. Technology & Telecommunications, DRAM manufacturers revenue share worldwide, Statista
17. Technology & Telecommunications, Enterprise network infrastructure vendor market share worldwide, Statista
18. Company Overview, Cisco R&D expenses, Macrotrends
19. Press Release, Apple introduces M4 chip, Apple
20. AMD Milan Processors, The Milan nodes are installed on the computer floor of the main NAS building, NASA
21. Anton Shilov, AMD takes CPU market share from Intel in desktops and servers, tom'sHardware
22. Press Notes, General Motors and Qualcomm extend long-standing relationship, Qualcomm
23. Technology & Telecommunications, Qualcomm semiconductor market revenue share worldwide, Statista
24. Timothy Fries, Can Intel and AMD compete with Nvidia?, Investing
25. EyeQ, The SoC for automotive applications, Mobileye
26. 2023 Annual Report, Letter to shareholders and financial highlights, TSMC