La ventaja de Nvidia en IA ya no vive solo en la GPU
Tras sus últimos resultados, Nvidia deja claro que su fortaleza no se limita al chip: la orquestación de datos y los sistemas que rodean a la GPU son la nueva frontera de la competencia en IA.
Antes de esta semana, la historia dominante sobre Nvidia era más o menos esta: en los primeros años del auge de la IA, la compañía era la única fuente de GPUs de última generación y eso se convirtió en un negocio enorme a medida que la industria escalaba. En los últimos años, hiperscaladores como Amazon y Google han empezado a diseñar sus propios chips, así que Nvidia ya no es la única opción. Ese es el argumento que ha hecho que muchos inversores se pregunten si su ventaja era duradera, y que explica por qué la acción, después de multiplicar su capitalización por 10 entre principios de 2023 y mediados de 2025, ha tenido una trayectoria más modesta en el último año.
La narrativa ha cambiado con los resultados del miércoles. Cuando un centro de datos crece hasta la escala de gigavatios, coordinar todos los componentes es una tarea cada vez más compleja, y Nvidia ha construido mucho del hardware más avanzado para resolverla. De hecho, en el despliegue de su arquiitectura Vera Rubin, la compañía no vende solo el chip Rubin: lo acompaña la CPU Vera, el acelerador de inferencia Groq 3 LPX y bastidores para almacenamiento y redes. Si el GPU es el motor, estos componentes son el resto del coche.
El problema que resuelve la CPU Vera es, fundamentalmente, el movimiento de datos. Como explica Jason Hardy, vicepresidente de tecnología de almacenamiento de Nvidia, hay un límite a la memoria que cabe en un servidor; el reto está en llevarla al GPU en el momento exacto. Cuanto más se quiere bajar el número de tokens por vatio, más importa esa dirección del tráfico. Hardy asegura que con Vera han visto mejoras de hasta 3 veces en estas operaciones, lo que permite usar la memoria flash a su máximo potencial sin que se convierta en un cuello de botella.
El mismo fenómeno se ve fuera de Nvidia. OpenAI, por ejemplo, diseñó su chip Jalapeño para minimizar el movimiento de datos y las comunicaciones, intentando que toda la carga de trabajo se quede dentro de un mismo sistema conectado. Es una estrategia distinta: evitar el problema del transporte de datos en lugar de resolverlo con hardware de orquestación. Pero la lógica de fondo es la misma: ganar eficiencia con un control del tráfico más inteligente, no solo con más potencia de procesamiento. Eso abre una nueva capa de competición en la infraestructura de IA. Nvidia tendrá que pelearla con otros fabricantes y con los hiperscaladores, pero al menos en esta fase inicial la compañía parece llevar una ventaja clara.
El análisis de Salseo
- El debate sobre si Nvidia perderá la partida con sus GPUs oculta algo: la competencia se está moviendo a la capa de orquestación. Aunque Amazon o Google fabriquen sus propios chips, montar un centro de datos a escala de gigavatios y lograr que todos los componentes trabajen juntos es otro nivel, y ahí Nvidia lleva años construyendo hardware específico como la CPU Vera, las redes y el almacenamiento.
- El dato concreto que confirma la tesis es la mejora de hasta 3x en operaciones de datos con la CPU Vera: el cuello de botella ya no es solo la potencia de cálculo, sino mover la memoria y los datos a tiempo. Cuanto más importa la eficiencia en forma de tokens por vatio, más valor tiene esa orquestación, y ahí Nvidia puede mantener márgenes aunque sus GPUs tengan rivales.
- La jugada de OpenAI con el chip Jalapeño es la lectura contraria: algunos rivales intentan evitar el problema del movimiento de datos en lugar de resolverlo con sistemas alrededor del GPU. Si esa vía de integrar toda la carga de trabajo en un solo chip funciona, la ventaja de Nvidia en sistemas podría ser menos decisiva; habrá que vigilar si los diseños integrados ganan cuota frente a los racks modulares.
- Para el inversor, la señal a seguir no es solo el rendimiento de la GPU Rubin, sino cuánto del crecimiento de Nvidia viene del sistema completo (CPUs, networking y almacenamiento) frente a las GPUs sueltas. Si el mercado empieza a valorar esa capa, el temor a que Amazon y Google fabriquen sus chips pierde fuerza; si los hiperscaladores replican también la orquestación, la historia vuelve a complicarse.