La verdadera ventaja de Nvidia en IA no es el chip. Es todo lo demás.
Tras un año de precios de acciones estancados y creciente competencia en GPU, los últimos resultados de Nvidia han cambiado la percepción de los inversores sobre la empresa. La ventaja nunca fue solo fabricar el mejor procesador.
Puntos clave
- La capitalización de mercado de Nvidia creció aproximadamente 10 veces entre enero de 2023 y mediados de 2025, luego se estabilizó cuando los rivales desarrollaron chips competidores.
- Nvidia está lanzando su arquitectura Vera Rubin, un sistema completo que empareja la GPU Rubin con la CPU Vera, el acelerador de inferencia Groq 3 LPX, y hardware de almacenamiento y redes compatible.
- La CPU Vera, el gestor del tráfico de datos del sistema, proporcionó mejoras de velocidad de hasta 3x en pruebas internas, según Jason Hardy, vicepresidente de tecnología de almacenamiento de Nvidia.
- El chip personalizado de OpenAI, llamado Jalapeño, adopta un enfoque diferente pero relacionado: reducir la cantidad de datos que necesitan moverse en primer lugar.
- El nuevo campo de batalla competitivo es la orquestación de datos, hacer que cada parte de un gigantesco sistema de IA funcione conjuntamente de forma eficiente, no solo fabricar procesadores más rápidos.
Durante el último año, la historia sobre Nvidia era directa: los rivales estaban alcanzando. Amazon, Google y una lista creciente de hiperscalers habían comenzado a diseñar sus propios chips, GPU (los procesadores especializados, sigla de unidades de procesamiento gráfico, que realizan los cálculos intensivos que la IA requiere), y de repente la empresa que había hecho fortuna siendo el único proveedor serio parecía mortal. Sus acciones habían estado derivando lateralmente durante meses.
Entonces llegó la conferencia de resultados del miércoles, e inversores comenzaron a prestar atención a una pregunta diferente. ¿Qué está vendiendo realmente Nvidia, más allá del chip?
¿Qué vende realmente Nvidia ahora?
Nvidia ahora envía sistemas completos, no solo procesadores. Su nueva arquitectura Vera Rubin agrupa la GPU Rubin con la CPU Vera (un chip que gestiona cómo fluyen los datos alrededor del sistema), el acelerador de inferencia Groq 3 LPX (hardware que acelera el momento en que un modelo de IA produce una respuesta), más equipos de almacenamiento y redes compatible. Nuestra noticia del 27 de agosto sobre la eficiencia energética de Vera Rubin encontró que la configuración NVL72 entrega 30 veces más trabajo de IA por vatio que su predecesora.
Una GPU es el motor en un coche. Nvidia ahora vende el coche completo: caja de cambios, sistema de refrigeración, tuberías de combustible.
La razón por la que esto importa es la escala. Los actuales centros de datos de IA consumen energía medida en gigavatios, aproximadamente la producción de una pequeña central eléctrica. A esa escala, mantener cada componente alimentado con los datos correctos en el momento exacto es un problema de ingeniería genuino, y la ineficiencia es cara.
"Vera es importante porque solo hay una cierta cantidad de memoria que puedes poner en un servidor único o en cualquier tipo de plataforma de cómputo", dijo Jason Hardy, vicepresidente de tecnología de almacenamiento de Nvidia, a TechCrunch AI. "Vimos mejoras superiores al 3x en estas operaciones, donde la CPU Vera permite la aceleración".
Una entrega de datos tres veces más rápida significa que la GPU permanece inactiva menos. Las GPU inactivas cuestan dinero, y ese costo está aumentando: informamos el 25 de agosto que Nvidia está aumentando los precios de servidores de IA en más del 15% para clientes principales.
¿Está alguien más resolviendo esto de forma diferente?
Sí. El chip personalizado de OpenAI, llamado Jalapeño, elude el problema del tráfico diseñando un único sistema grande conectado donde los datos apenas necesitan moverse en absoluto. "Diseñamos Jalapeño para minimizar el movimiento de datos y los retrasos de comunicación", escribió la empresa en una entrada reciente del blog. Mismo objetivo, ruta diferente.
| Enfoque | Quién | Idea central |
|---|---|---|
| Orquestación de sistema completo | Nvidia Vera Rubin | Una CPU dedicada enruta datos a la GPU de forma más eficiente |
| Movimiento de datos mínimo | OpenAI Jalapeño | Un chip integrado mantiene toda la carga de trabajo en un solo lugar |
| Silicio personalizado de hiperscalers | Amazon, Google | Chips internos reducen la dependencia de GPUs de Nvidia |
¿Qué significa esto para la gente común?
Respuestas de IA más rápidas y baratas, eventualmente. Cada mejora en la eficiencia de centros de datos tiende a filtrarse como costos más bajos o mejor rendimiento en las aplicaciones que la gente usa todos los días, ya sea un chatbot respondiendo una pregunta o una herramienta redactando un correo electrónico.
Nvidia todavía enfrenta competencia real. Construir un rival del sistema Vera Rubin no es más simple que construir una GPU rival. La empresa ha movido la contienda a un terreno donde actualmente tiene una ventaja dominante, sin embargo, y donde ganar requiere más que un único chip impresionante. Observa si Amazon y Google alcanzan la integración a nivel de sistema antes de que Nvidia asegure otra generación de contratos.
