Nvidia se enfrenta a una señal incómoda en el tramo más exigente de la carrera por la infraestructura de inteligencia artificial. Su sistema de rack Kyber, vinculado a la generación Rubin Ultra y pensado para mantener el ritmo anual de salto en capacidad, se retrasaría hasta 2028 por obstáculos de fabricación, según un análisis de SemiAnalysis recogido por CNBC y otros medios especializados.
El punto crítico estaría en el midplane de PCB, una pieza menos visible que los chips pero decisiva para conectar, alimentar y coordinar sistemas cada vez más densos. La noticia recuerda que la ventaja de Nvidia ya no depende solo de diseñar el mejor acelerador, sino de fabricar plataformas completas que soporten energía, refrigeración, redes y ensamblaje a escala industrial.
Durante los últimos años, Nvidia ha vendido al mercado una cadencia casi militar: Hopper, Blackwell, Rubin y después nuevas configuraciones de rack que convierten la GPU en parte de una fábrica de IA. Esa narrativa ha permitido a grandes proveedores cloud, laboratorios de modelos y clientes corporativos planificar compras con una expectativa de mejora continua. Un retraso en Kyber no rompe esa posición, pero sí introduce fricción en la planificación de capacidad.
La presión llega por varios frentes. Los modelos de IA consumen más cómputo, las empresas quieren reducir tiempos de entrenamiento e inferencia, y los operadores de centros de datos compiten por instalar sistemas que no saturen sus límites eléctricos. En ese contexto, cada año de demora puede mover pedidos, renegociar calendarios o abrir huecos para alternativas de AMD, Google, proveedores propios de hyperscalers y arquitecturas más especializadas.
CNBC subraya que Nvidia no ha confirmado públicamente el retraso. Esa cautela importa porque la hoja de ruta de la compañía se observa como un indicador de todo el sector. Aun así, el informe de SemiAnalysis apunta a una dificultad concreta: el salto desde servidores potentes a racks completos con distribución eléctrica más sofisticada no es una simple extensión del negocio anterior.
Para los clientes europeos y españoles, el mensaje práctico es que comprar capacidad de IA será cada vez más una decisión de cadena de suministro, no solo de presupuesto tecnológico. Una empresa que dependa de modelos propios tendrá que vigilar disponibilidad de GPU, contratos cloud, eficiencia energética, ubicación del dato y costes de inferencia. El proveedor que prometa capacidad sin explicar el calendario real de entrega estará vendiendo una ilusión operativa.
El retraso también pone el foco en proveedores que acompañan a Nvidia: fabricantes de placas, conectores, equipos de refrigeración líquida, cableado óptico, fuentes de alimentación y racks de alta densidad. La infraestructura de IA se parece cada vez menos a una compra de servidores y más a una obra industrial con múltiples dependencias. Esa complejidad puede favorecer a compañías con músculo de integración y dejar fuera a actores con menor acceso a componentes críticos.
En bolsa, cualquier cambio de ritmo en Nvidia se interpreta con lupa porque la compañía se ha convertido en termómetro del apetito por la IA. Pero el impacto real se verá en los contratos: si los grandes clientes aceptan esperar, la posición de Nvidia seguirá intacta; si buscan diversificar con más decisión, 2027 puede convertirse en un año de negociación más abierto de lo previsto.
La carrera no se detiene. Lo que cambia es el margen de error. Kyber muestra que la IA empresarial ya no avanza solo por modelos más grandes o chips más rápidos. Avanza cuando toda la cadena física puede acompañar. Y esa cadena, por primera vez en mucho tiempo, está recordando al mercado que incluso el líder puede encontrarse con límites de fábrica.
