Jensen Huang volvió a defender el potencial de crecimiento de Nvidia en la conferencia Communacopia + Technology de Goldman Sachs. Según recogió TechCrunch, el fundador y consejero delegado aseguró que la compañía podría crecer un 70% interanual el próximo año, una previsión que ya había planteado tras sus últimos resultados. El argumento de Huang se apoya en una idea sencilla: Nvidia no vende solo chips, vende sistemas completos para una industria que sigue construyendo capacidad de IA a gran velocidad.
El directivo puso como ejemplo los sistemas que combinan CPUs Grace y GPUs Blackwell, con una demanda mensual muy elevada según sus declaraciones. También insistió en que Nvidia está presente en prácticamente todas las capas del ecosistema: laboratorios de modelos, proveedores cloud, fabricantes, centros de datos, startups de IA y compañías que levantan capital para comprar cómputo. Esa capilaridad le permite afirmar que ve la demanda antes que muchos inversores.
La tesis de Nvidia es que el cuello de botella de la IA sigue siendo físico: chips, memoria, energía, edificios, refrigeración y cadenas de suministro capaces de montar sistemas completos. Mientras las empresas quieran entrenar y desplegar modelos más grandes, la infraestructura mantiene poder de negociación.
La conversación llega en un momento incómodo para el mercado. Hay dudas sobre competencia de Amazon, Microsoft y Google con chips propios, sobre startups especializadas como Cerebras o Etched, y sobre acuerdos en los que Nvidia invierte en clientes que luego compran sus productos. Huang rechazó que esas operaciones sean circulares en sentido problemático y aseguró que la empresa revisa contratos reales antes de invertir.
El debate no es menor. Parte del auge de la IA se financia con capital riesgo y deuda para construir centros de datos. Si los ingresos finales de aplicaciones de IA no crecen al ritmo esperado, el gasto en infraestructura podría frenarse. Si crecen, Nvidia seguirá capturando una parte enorme del valor, aunque con más presión de clientes que quieren reducir dependencia y costes.
Para empresas españolas, la lectura práctica es que la IA seguirá encarecida por la infraestructura, incluso cuando los modelos parezcan más accesibles desde una interfaz. Usar un asistente cuesta poco por usuario, pero entrenar modelos, desplegar agentes a escala o analizar grandes volúmenes de datos exige cómputo que alguien paga.
Nvidia ha logrado convertir su GPU en una plataforma. CUDA, redes, servidores, software y acuerdos con fabricantes crean una barrera que no se replica de un trimestre a otro. Esa posición explica los márgenes y también el escrutinio. Cuanto más central se vuelve una compañía para la economía digital, más preguntas aparecen sobre precios, acceso y dependencia estratégica.
Europa observa la situación desde una posición delicada. Quiere soberanía tecnológica, pero necesita hardware estadounidense y asiático para entrenar y ejecutar modelos. Los planes de gigafactorías de IA, nubes soberanas y supercomputación pública dependen en gran medida de componentes que siguen teniendo cadenas globales muy tensas.
La confianza de Huang confirma que el ciclo de inversión en IA no ha terminado, aunque el mercado empieza a exigir pruebas de retorno. Nvidia todavía vende palas en la fiebre del oro digital. La pregunta para 2027 será cuántos clientes logran convertir ese cómputo en negocio rentable.
