Para obtener más información,  solicite una muestra gratuita 

 ¿Cuáles son las principales dinámicas del mercado que dan forma al mercado de infraestructura de inferencia de IA?

La "Era de la Inferencia" y la Economía de la IA de Producción
Un factor clave para la demanda de infraestructura de inferencia de IA en 2026 es el giro decisivo de la industria, que pasa del de modelos a su implementación. Si bien 2024 y 2025 se caracterizaron por un gasto masivo en clústeres de GPU centralizados para entrenar modelos base de gran tamaño, 2026 se define por el costo operativo continuo de su funcionamiento.

Según datos de 2026 de Deloitte y analistas del sector, las cargas de trabajo de inferencia representan ahora aproximadamente el 66 % de toda la computación global de IA, un aumento drástico desde apenas un tercio en 2023. Este cambio está poniendo de manifiesto una enorme brecha económica para las empresas: la inferencia ahora determina entre el 80 % y el 90 % del coste total de un sistema de IA en producción. Dado que la inferencia requiere potencia de cálculo continua, 24/7 (a diferencia de la naturaleza temporal y puntual del entrenamiento), las organizaciones se enfrentan a facturas de nube insostenibles. Esta fricción ha generado una demanda masiva de infraestructura de inferencia heterogénea y altamente especializada, incluyendo silicio (como las TPU de Google, que ofrecen una relación precio-rendimiento 4,7 veces superior para la inferencia, o arquitecturas especializadas como las RDU de SambaNova) que priorizan la eficiencia de tokens por vatio sobre la potencia bruta de entrenamiento.

La IA empresarial escapa del purgatorio piloto: las cargas de trabajo de agentes disparan la demanda de inferencia

La adopción de la producción se acelera

La transición de la IA empresarial de proyectos piloto experimentales a implementaciones en producción está intensificando rápidamente el consumo de inferencias. Una encuesta global realizada por Plug and Play en agosto de 2026 indica que el 74 % de las empresas más grandes del mundo ya cuentan con al menos una solución de IA en producción. Esto marca un paso decisivo para dejar atrás la fase de prueba de concepto y avanzar hacia implementaciones de IA a gran escala con impacto en los ingresos.

Evolución de la carga de trabajo: Más allá de las indicaciones puntuales

La demanda ya no se basa únicamente en tareas puntuales de generación de texto, como resumir un correo electrónico. En cambio, el auge de la IA agente—agentes autónomos que supervisan, razonan y ejecutan continuamente tareas complejas en segundo plano— ha generado una demanda constante de recursos computacionales. Para mediados de 2026, la generación de código y las tareas agente complejas habrán superado a la generación básica de texto como la carga de trabajo de inferencia dominante.

Respuesta de infraestructura: Centros de datos metropolitanos y cercanos al área metropolitana

Debido a que los agentes autónomos no esperan instrucciones humanas para iniciar operaciones, el volumen de llamadas a la API y la computación de inferencia en el backend se han disparado. Este aumento está obligando a los proveedores de servicios en la nube a separar físicamente sus centros de datos de. En consecuencia, según el informe de Astute Analytica, se prevé un aumento en 2026 en la construcción de centros de datos de inferencia en áreas metropolitanas y cercanas a ellas, ubicados más cerca de los usuarios finales empresariales para garantizar la latencia ultrabaja que exigen los flujos de trabajo basados ​​en agentes.

Los PC con IA impulsan una era de computación segura y de baja latencia en el mercado de infraestructura de inferencia de IA

La demanda de privacidad, procesamiento de latencia cero y menor dependencia de la nube por parte de consumidores y empresas ha impulsado la inferencia hacia el borde de la red. El evento clave en el ámbito del hardware en 2026 será la adopción masiva del "PC de IA" equipado con unidades de procesamiento neuronal (NPU) dedicadas, capaces de ejecutar inferencias locales complejas.

Impulsado por el fin del soporte para Windows 10 en octubre de 2025, el ciclo de renovación de hardware de 2026 ha visto cómo las capacidades de hardware finalmente satisfacen las demandas de software (como Microsoft Copilot+ y Apple Intelligence). Los datos de Astute Analytica de 2026 indican que se prevé que los "PC avanzados con IA" —definidos específicamente como máquinas con NPU que superan el umbral de 40 TOPS (Tera Operations Per Second)— acaparen aproximadamente el 59 % del total de envíos mundiales de PC este año, lo que representa un enorme aumento interanual del 52 % con respecto a 2025.

Este modelo de infraestructura descentralizada resulta muy atractivo para los líderes de TI:

• Al trasladar la inferencia de la nube a los dispositivos locales periféricos, las empresas están reduciendo drásticamente sus costes variables de API en la nube.
• Los requisitos de soberanía de datos corporativos y las estrictas leyes de cumplimiento europeas y mundiales están impulsando a las empresas a garantizar que los datos confidenciales nunca salgan del dispositivo local.
• La fuerza laboral actual exige una capacidad de respuesta en tiempo real para las tareas locales de IA (como la renderización dinámica de vídeo, la codificación predictiva y la traducción en directo) que simplemente no pueden tolerar un viaje de ida y vuelta a un servidor centralizado en la nube.

¿Cómo están las arquitecturas de próxima generación transformando los límites computacionales en el mercado de infraestructura de inferencia de IA?

Las limitaciones físicas del hardware antiguo han impulsado una brillante evolución en el diseño de chips modernos. Durante años, el principal cuello de botella fue el temido "muro de memoria", un estado en el que los motores de procesamiento increíblemente rápidos permanecían inactivos a la espera de transferencias de datos. 

Actualmente, el mercado está solucionando este problema mediante avances arquitectónicos significativos. Los aceleradores de última generación, como el NVIDIA Blackwell B200, ofrecen mejoras de rendimiento impresionantes, alcanzando hasta 30 veces la capacidad de inferencia de los modelos anteriores con un consumo energético comparable por token. Al aumentar el ancho de banda de la memoria a la impresionante cifra de 8 TB/s, estos sistemas modernos conservan más del 50 % del rendimiento máximo incluso bajo cargas pesadas de 16K con contextos largos, lo que demuestra directamente el retorno de la inversión de las actualizaciones de memoria.

La rentable transformación de la infraestructura de inferencia de IA: silicio especializado, FP4 y arquitecturas con alta VRAM

Se está produciendo una importante bifurcación en el mercado de la infraestructura de inferencia de IA. El auge de chips altamente especializados, como las Unidades de Procesamiento del Lenguaje (LPU), alcanza una latencia inferior a 100 ms en el primer token, superando con creces a las GPU de propósito general para cargas de trabajo de decodificación pura. A medida que los modelos migran a la precisión FP4 nativa, el hardware moderno puede procesar arquitecturas mucho más grandes con menos chips, lo que permite una escalabilidad sin precedentes. Los responsables de la infraestructura deben reconocer que el mercado de la infraestructura de inferencia de IA está pasando rápidamente de entornos con limitaciones de precarga basadas en la capacidad de cómputo a entornos con limitaciones de capacidad. 

Este cambio requiere arquitecturas con alta VRAM, como los aceleradores de 288 GB de AMD, que eliminan por completo la sobrecarga de comunicación entre chips. El aprovechamiento de tecnologías como la partición de GPU de instancia múltiple (MIG) permite que una fracción de silicio moderno supere el rendimiento de servidores heredados completos, transformando la asignación de capital y reduciendo las barreras de entrada para la implementación empresarial.

¿Pueden los líderes en infraestructura equilibrar las demandas de energía a hiperescala con operaciones sostenibles?

La huella física de la IA está creciendo, y su impacto se mide en megavatios. Implementar un clúster estándar de 1000 GPU garantiza ahora una demanda de energía continua superior a un megavatio, lo que genera facturas de electricidad mensuales astronómicas. 

Sin embargo, se está gestando un panorama de sostenibilidad muy prometedor. Gracias a una optimización radical, el consumo energético por consulta se ha reducido drásticamente. Los modelos de vanguardia ahora consumen tan solo 0,3 vatios-hora por consulta, una cifra mucho menor y más eficiente que las primeras estimaciones de los medios, que superaban los 3 vatios-hora.

Inferencia de IA a hiperescala: eficiencia energética, refrigeración líquida, liderazgo sostenible

La escalabilidad genera eficiencia de forma inherente. Los entornos de hiperescala en el mercado de infraestructura de inferencia de IA reportan una ventaja de eficiencia energética de 8 a 20 veces superior a la de los clústeres empresariales más pequeños y no optimizados. Alcanzan índices de Eficiencia en el Uso de Energía (PUE) cercanos a la perfección (de 1,09 a 1,17) y reducen el consumo de agua a apenas una fracción de mililitro por consulta de IA. Dado que las operaciones continuas representan más del 80 % del consumo energético total de la IA, la métrica de "Tokens por vatio" se ha convertido en el estándar de oro para el diseño de instalaciones. 

A medida que los racks de servidores superan agresivamente los umbrales térmicos de 100 kW, el mercado de infraestructura de inferencia de IA está abandonando rápidamente la refrigeración por aire tradicional en favor de la refrigeración líquida directa al chip (DLC) para evitar una reducción drástica del rendimiento. Al adoptar arquitecturas de mezcla de expertos (MoE) intrínsecamente sostenibles y aplicar dinámicamente la limitación de potencia de la GPU durante las distintas fases de generación, los operadores modernos están recuperando un amplio margen térmico sin sacrificar la latencia.

¿Por qué la descentralización se está volviendo fundamental para la latencia y la soberanía de los datos en el mercado de infraestructura de inferencia de IA?

Si bien las instalaciones de hiperescala dominan el rendimiento bruto, el mercado global se está expandiendo agresivamente hacia el borde de la red. Para operaciones de misión crítica en los sectores de salud, finanzas o fabricación industrial, el enrutamiento de datos confidenciales a una nube introduce latencia inaceptable y riesgos de cumplimiento normativo. 

Al trasladar la capacidad de procesamiento a dispositivos locales equipados con unidades de procesamiento neuronal (NPU) integradas o arquitecturas de memoria unificadas, las empresas están logrando una reducción de hasta el 83 % en la latencia en tiempo real sin provocar un agotamiento de la batería ni una limitación térmica.

Inferencia de IA descentralizada: inteligencia en el borde, soberanía de los datos, resiliencia, crecimiento rentable

El segmento descentralizado del mercado de infraestructura de inferencia de IA evita por completo los picos de congestión en la nube, garantizando una experiencia de usuario instantánea y altamente predecible. Además, prácticamente elimina los costos de transmisión de datos a la nube al filtrar el ruido e inferir los datos sin procesar directamente en la fuente. Fundamentalmente, este enfoque garantiza la soberanía de los datos con latencia cero, evitando los de ciberseguridad asociados con la transmisión a través de API externas. 

Las implementaciones más sofisticadas del mercado utilizan enrutamiento inteligente híbrido: procesan instantáneamente tareas sencillas mediante modelos de lenguaje pequeños (SLM) en el dispositivo (siempre que el dispositivo perimetral cumpla con el requisito mínimo de 4 GB a 8 GB de RAM) y, al mismo tiempo, conmutan automáticamente a las GPU en la nube para las generaciones con mayor carga matemática. Esta estrategia de doble arquitectura reduce el tiempo de inactividad operativa en un 30 % durante las inevitables interrupciones de la red, lo que garantiza una continuidad empresarial resiliente.

Mercado de infraestructura de inferencia de IA: Restricciones y análisis de impacto (2026-2035)

Análisis competitivo: Los 5 principales actores que dominan el mercado de infraestructura de inferencia de IA

1. NVIDIA: El líder indiscutible. Domina el mercado del hardware con sus GPU H100 y Blackwell, además de su software CUDA y TensorRT. Sus microservicios NIM la convierten en el referente del sector para la inferencia de IA optimizada y de alto rendimiento.
2. AWS (Amazon): Pionero en silicio personalizado. Los chips AWS Inferentia ofrecen un coste por inferencia altamente competitivo. Junto con Amazon Bedrock, AWS integra a la perfección hardware optimizado en el ecosistema de nube más grande del mundo.
3. Google: El innovador de TPU. Las unidades de procesamiento tensorial (TPU) personalizadas y altamente eficientes de Google (como la TPU v5e) y la plataforma Vertex AI están diseñadas específicamente para cargas de trabajo de IA empresariales escalables y de baja latencia.
4. Microsoft: El gigante de la nube empresarial. Mediante la implementación de aceleradores de IA personalizados Azure Maia y aprovechando su sólida y exclusiva colaboración con OpenAI, Microsoft capta una demanda masiva y constante de inferencia empresarial en toda su nube Azure.
5. AMD: El principal competidor en hardware. Sus aceleradores de IA Instinct MI300X ofrecen un ancho de banda y una capacidad de memoria enormes. Esto convierte a AMD en una alternativa muy rentable y escalable a NVIDIA para ejecutar modelos de lenguaje masivos (LLM).

Análisis segmentado del mercado de infraestructura de inferencia de IA

Por tipo de implementación: la infraestructura en la nube y a hiperescala domina el ecosistema

En 2026, el segmento de la nube y la hiperescala marcará indiscutiblemente la trayectoria del mercado. Este dominio se debe a las enormes necesidades de inversión de capital para el despliegue de aceleradores de última generación como NVIDIA Blackwell y chips como Google TPU v6. Las arquitecturas empresariales se alejan rápidamente de los cuellos de botella locales, priorizando la elasticidad de los hiperescaladores para gestionar cargas de trabajo fluctuantes y de alta exigencia computacional. 

En consecuencia, los entornos en la nube acaparan la inmensa mayoría de los ingresos del mercado de infraestructura de inferencia de IA, impulsados ​​por modelos especializados de inferencia como servicio. Esta centralización reduce drásticamente las barreras de entrada para la integración generalizada de la IA en las empresas. Los siguientes factores destacan la importancia absoluta de este segmento:

• Actualmente, las grandes empresas de servicios en la nube controlan más del 65% del presupuesto total mundial para la adquisición de hardware.
• Las arquitecturas de servidores multiusuario reducen el coste por inferencia en un 40 % en comparación con las implementaciones localizadas.
• Los principales proveedores ofrecen integración de API localizada de extremo a extremo, lo que reduce la latencia a menos de 15 milisegundos.
• Las inversiones soberanas en la nube están inyectando 12.000 millones de dólares en el desarrollo de infraestructuras regionales.

Por tipo de modelo: Los modelos de lenguaje grandes obtienen la mayor cuota de mercado

Los modelos de lenguaje a gran escala (LLM, por sus siglas en inglés) siguen dominando el mercado, acaparando la mayor parte de la infraestructura de inferencia de IA. A medida que la adopción empresarial pase de las fases piloto a la producción a gran escala en 2026, las exigencias arquitectónicas de parámetros que superan el billón requerirán soluciones de hardware robustas. Este cambio obliga a las organizaciones a invertir fuertemente en arquitecturas con gran capacidad de memoria, específicamente en configuraciones HBM3e, para evitar la latencia en la generación de tokens. 

En consecuencia, la agresiva comercialización de aplicaciones de IA generativa posiciona a los LLM como el principal motor de ingresos para el ecosistema más amplio del mercado de infraestructura de inferencia de IA. El enorme volumen de consultas de usuarios concurrentes exige una densidad de computación sin precedentes. Su prominencia queda demostrada por realidades clave:

• Las cargas de trabajo basadas en LLM representan el 58% de todas las instancias de inferencia empresarial a nivel mundial.
• El hardware optimizado para arquitecturas de transformadores ofrece un retorno de la inversión 3,5 veces mayor.
• Las implementaciones de Generación Aumentada por Recuperación (RAG, por sus siglas en inglés) están consumiendo 8 mil millones de dólares en infraestructura de servidores dedicados.
• Los costes medios de procesamiento de tokens se redujeron en un 60%, lo que estimuló un crecimiento exponencial del volumen de consultas.

Por Serving Pattern: El procesamiento interactivo y en tiempo real lidera el segmento

Partiendo de la base establecida en 2025, el modelo de servicio interactivo y en tiempo real mantiene firmemente el liderazgo del mercado en 2026. Las expectativas de consumidores y empresas respecto a respuestas de IA con latencia cero han transformado radicalmente la topología del mercado de infraestructura de inferencia de IA. El procesamiento por lotes se relega cada vez más al análisis en segundo plano, mientras que los bots de atención al cliente en vivo, los algoritmos financieros dinámicos y la navegación autónoma exigen una ejecución instantánea. 

Para cumplir con estos estrictos acuerdos de nivel de servicio, se requieren arquitecturas de microservicios de alto rendimiento y baja latencia. En consecuencia, los actores clave en el mercado de infraestructura de inferencia de IA priorizan el almacenamiento en caché en el borde y las implementaciones de nodos descentralizados sobre los hubs centralizados. El predominio del servicio en tiempo real se evidencia a través de indicadores clave:

• Las exigencias de inferencia en tiempo real impulsan el 70% de las ventas de nuevos equipos de redes especializados.
• Los requisitos de latencia ultrabaja están acelerando las inversiones globales en centros de datos perimetrales en 15.000 millones de dólares.
• El consumo de API de transmisión supera la utilización de los puntos finales de procesamiento por lotes tradicionales en una proporción de 4 a 1.
• Los agentes de IA interactivos representan el 45% de los ciclos de computación diarios de las empresas a nivel mundial.

Por sector de uso final: Tecnología e Internet se erige como el motor principal

El sector de la tecnología e internet sigue siendo el principal motor de crecimiento, constituyendo la fuerza motriz del mercado de infraestructura de inferencia de IA. La agilidad inherente de este sector permite la rápida asimilación de silicio de vanguardia, desde ASIC personalizados hasta redes avanzadas. Los gigantes de internet y los proveedores de software como servicio integran la IA de forma nativa en sus plataformas, generando una demanda constante y masiva de capacidad de inferencia escalable. 

Esta profunda integración implica que el sector tecnológico dicta la hoja de ruta arquitectónica para toda la cadena de suministro del mercado de infraestructura de inferencia de IA. Su agresiva búsqueda de eficiencia operativa obliga a los proveedores a innovar rápidamente. Este dominio absoluto del sector se caracteriza por las siguientes métricas:

• Más del 55% de todo el silicio optimizado para inferencias es adquirido directamente por conglomerados tecnológicos de primer nivel.
• La integración de aplicaciones genera un flujo de ingresos recurrentes por inferencias que supera los 25 mil millones de dólares anuales.
• Las plataformas de internet para consumidores procesan más de 100 mil millones de solicitudes de inferencia únicas cada 24 horas.
• El gasto en I+D de las empresas de internet en algoritmos de inferencia personalizados alcanzó los 18.000 millones de dólares a nivel mundial.

 Para saber más sobre esta investigación:  Solicite una muestra gratuita 

Análisis regional del mercado de infraestructura de inferencia de IA

América del Norte: Capturando la mayor cuota de mercado mundial

América del Norte domina el mercado global de infraestructura de inferencia de IA, impulsada principalmente por una concentración sin precedentes de proveedores de servicios en la nube a gran escala y arquitectos de silicio pioneros. La supremacía de la región se consolida mediante enormes inversiones de capital destinadas a la modernización de centros de datos y clústeres de computación de alta densidad. Estados Unidos actúa como el principal motor de este dominio, aportando más del 85 % de los ingresos regionales, que superarán los 25 mil millones de dólares en 2026. El ecosistema de Silicon Valley fomenta la rápida comercialización de la IA empresarial, mientras que los principales proveedores de servicios en la nube invierten continuamente miles de millones en aceleradores de IA personalizados. 

En consecuencia, las empresas estadounidenses poseen una clara ventaja competitiva al ser pioneras en el despliegue a gran escala de cargas de trabajo de inferencia complejas. Canadá refuerza aún más su posición regional gracias a sus centros de investigación en IA de renombre mundial en Toronto y Montreal, que atraen una importante inversión extranjera directa para instalaciones de alojamiento especializadas. 

Este entorno sinérgico garantiza que la región siga siendo el epicentro de las implementaciones de vanguardia. Al priorizar cadenas de suministro sólidas y capacidad de cómputo propia, Norteamérica establece de forma inherente los estándares arquitectónicos para el mercado global de infraestructura de inferencia de IA, manteniendo así su liderazgo comercial indiscutible.

Asia Pacífico: La potencia regional de más rápido crecimiento

La región de Asia-Pacífico presenta la mayor tasa de crecimiento anual compuesto en el mercado de infraestructura de inferencia de IA, con una sólida expansión interanual del 32%. Esta rápida trayectoria se ve impulsada por las ambiciosas iniciativas gubernamentales de digitalización y una enorme población conectada a internet que demanda aplicaciones de latencia cero. 

China lidera este acelerado crecimiento regional, impulsado por gigantes tecnológicos nacionales que expanden agresivamente sus ecosistemas de nube propios e invierten fuertemente en alternativas de silicio localizadas para sortear las restricciones a la importación. Taiwán, por su parte, apoya intrínsecamente este ecosistema regional y global gracias a su dominio absoluto en la fabricación de semiconductores avanzados, lo que garantiza un suministro constante de chips lógicos de alto rendimiento. 

Al mismo tiempo, Corea del Sur desempeña un papel indispensable como principal proveedor de módulos de memoria avanzados, un componente fundamental para los servidores de inferencia a gran escala. 

Además, India contribuye significativamente al dinamismo regional mediante la adopción exponencial de la nube y la generación masiva de datos de consumo, lo que requiere importantes inversiones en centros de datos perimetrales localizados. Al integrar a la perfección en la fabricación de semiconductores con el rápido crecimiento de las aplicaciones de consumo, la región de Asia-Pacífico conforma un motor altamente dinámico y autosostenible que impulsa el futuro del mercado de infraestructura de inferencia de IA.

Los 5 principales avances recientes en el mercado de infraestructura de inferencia de IA

1. AMD acordó adquirir Taalas el 6 de agosto de 2026. El objetivo de esta transacción es fortalecer la posición de AMD en el mercado de chips especializados para inferencia de IA y ampliar su cartera de productos para cargas de trabajo de inferencia eficientes y de alto rendimiento.
2. Samsung presentó tecnologías de memoria para IA de próxima generación , incluyendo modelos conceptuales para zHBM, zNAND-O, V10 BV-NAND con más de 400 capas, HBM4E, HBM5 y LPDDR5X-PIM, todas ellas integradas verticalmente. Estas soluciones buscan mayor ancho de banda, eficiencia de memoria y menor transferencia de datos en la infraestructura de IA.
3. Marvell amplió su cartera de memoria y almacenamiento para IA , presentando las innovaciones Bravera y Photonic Fabric para almacenamiento PCIe 6.0, expansión de memoria CXL y memoria óptica compartida. Su arquitectura está diseñada para admitir hasta 32 TB de descarga de caché KV en caliente para inferencia de IA agente.
4. AMD y Cerebras anunciaron el 23 de julio una alianza para la inferencia desagregada , que combina los sistemas AMD Helios a escala de rack con la tecnología Cerebras Wafer-Scale Engine. Las compañías prevén un rendimiento hasta cinco veces superior en tokens por segundo por vatio.
5. Microsoft y AMD ampliaron su colaboración en Azure , con el despliegue por parte de Microsoft de la infraestructura AMD Helios para la inferencia de modelos de vanguardia, los servicios de IA de Azure y las aplicaciones de los clientes.

Principales empresas en el mercado de infraestructura de inferencia de IA

• NVIDIA
• AMD
• Broadcom
• Google
• Servicios web de Amazon
• Microsoft
• Groq
• Sistemas Cerebras
• Sistemas SambaNova
• Matriz d
• Qualcomm
• Intel
• Juntos IA
• IA de fuegos artificiales
• Baseten
• Otros jugadores destacados

Descripción general de la segmentación del mercado

Por componente

• Silicio de inferencia (GPU, ASIC/NPU de inferencia, CPU)
• Memoria y caché (HBM, niveles de caché DRAM/KV, caché basada en memoria flash)
• Software y entornos de ejecución de servicio
• Redes de contactos

Por Despliegue

• Nube/Hiperescala
• Neocloud
• Empresa en las instalaciones
• Edge y en el dispositivo

Por tipo de modelo

• Grandes modelos de lenguaje
• Multimodal y visión
• Recomendación
• Contexto agéntico/a largo plazo

Por patrón de servicio

• Tiempo real/Interactivo
• Lote
• Transmisión

Por industria de uso final

• Tecnología e Internet
• BFSI
• Cuidado de la salud
• Comercio minorista y comercio electrónico
• Telecomunicaciones
• Sector público

Por región

• América del norte
  • Estados Unidos.
  • Canadá
  • México
• Europa
  • Europa Occidental
    • El Reino Unido
    • Alemania
    • Francia
    • Italia
    • España
    • Resto de Europa Occidental
  • Europa Oriental
    • Polonia
    • Rusia
    • Resto de Europa del Este
• Asia Pacífico
  • Porcelana
  • India
  • Japón
  • Australia y Nueva Zelanda
  • Corea del Sur
  • ASEAN
  • Resto de Asia Pacífico
• Oriente Medio y África (MEA)
  • Arabia Saudita
  • Sudáfrica
  • Emiratos Árabes Unidos
  • Resto de MEA
• Sudamerica
  • Argentina
  • Brasil
  • Resto de Sudamérica