La máquina de ingresos que no para de acelerar
Nvidia acaba de entregar un trimestre que dejó al mercado con la boca abierta. Los ingresos del cuarto trimestre fiscal alcanzaron los 68.130 millones de dólares, representando un salto impresionante del 73% en comparación con el mismo período del año anterior. Este tipo de crecimiento ya sería notable para cualquier empresa de tecnología, pero cuando miramos dónde se está generando ese dinero, el panorama se vuelve aún más interesante. La división de data center fue responsable de 62.130 millones de dólares de ese total, con un alza del 75% interanual. Estamos hablando de más del 91% de todos los ingresos de la compañía provenientes de un único segmento, lo que muestra una concentración estratégica que pocos pueden replicar en el mercado actual.
Esto significa que Nvidia dejó de ser simplemente la fabricante de las tarjetas gráficas más deseadas del planeta. Se transformó en la columna vertebral de toda la infraestructura que sostiene la economía de la inteligencia artificial. Cada nuevo modelo de lenguaje entrenado, cada aplicación de IA generativa puesta en producción y cada sistema autónomo que entra en operación depende, en algún grado, del hardware y del ecosistema de software que la empresa construyó a lo largo de los últimos años. Y lo más relevante es que esa dependencia no muestra señales de desaceleración — al contrario, la demanda sigue creciendo a un ritmo que sorprende hasta a los analistas más optimistas.
El CEO Jensen Huang ha repetido en prácticamente todas las presentaciones públicas que estamos viviendo el inicio de una nueva era computacional. Y los números parecen darle la razón. La empresa no está simplemente surfeando una ola pasajera de hype en torno a la inteligencia artificial. Está construyendo, capa por capa, una plataforma completa que va desde los chips hasta los frameworks de software, pasando por redes de interconexión y soluciones de refrigeración para data centers de próxima generación. Es una apuesta a largo plazo que, hasta ahora, ha demostrado ser extremadamente acertada.
GB300 NVL72 y la revolución en rendimiento por vatio
Uno de los aspectos más destacados de los resultados recientes de Nvidia es el sistema GB300 NVL72. Este rack integrado, compuesto por 72 GPUs Blackwell interconectadas, entrega hasta 50 veces más rendimiento por vatio en comparación con la generación anterior basada en la arquitectura Hopper. En términos prácticos, esto significa que la misma cantidad de energía eléctrica logra procesar un volumen drásticamente superior de tareas de inferencia, algo fundamental para data centers que enfrentan restricciones crecientes de capacidad energética y de refrigeración alrededor del mundo.
Pero el número que realmente llama la atención es la reducción de hasta 35 veces en el costo por token de inferencia en relación con Hopper. Para quienes trabajan con modelos de lenguaje en producción, esto cambia completamente la ecuación económica. Servicios que antes eran inviables por el costo computacional ahora se vuelven accesibles. Imagina una empresa que ejecuta millones de consultas diarias en un modelo de IA generativa — con el GB300, el costo por consulta se desploma, abriendo puertas a aplicaciones a escala que simplemente no tenían sentido financiero en la generación anterior de hardware.
Este avance no es solo un ejercicio de ingeniería por el simple placer de la innovación. Responde a una demanda real del mercado. Los grandes proveedores de nube y las empresas que operan sus propios data centers necesitan cada vez más capacidad de procesamiento sin necesariamente poder expandir su infraestructura física o energética en la misma proporción. La eficiencia del GB300 NVL72 resuelve esa ecuación de forma elegante y es uno de los principales motivos por los cuales la demanda de sistemas Blackwell sigue al rojo vivo meses después de su lanzamiento.
AI Agents y la nueva frontera de demanda computacional
Si el entrenamiento de grandes modelos de lenguaje fue el primer gran motor de demanda por GPUs, los AI Agents representan la próxima ola — y posiblemente una aún mayor. Estos agentes autónomos de inteligencia artificial son sistemas capaces de ejecutar tareas complejas de forma independiente, tomando decisiones, interactuando con herramientas externas y adaptándose a contextos dinámicos sin intervención humana constante. La diferencia fundamental respecto a los chatbots tradicionales es que los AI Agents no solo responden preguntas, sino que planifican, ejecutan e iteran sobre resultados. Y cada una de esas etapas consume una cantidad significativa de poder computacional, tanto en la fase de inferencia como en el procesamiento en tiempo real.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Para Nvidia, esto representa una oportunidad colosal. Mientras el entrenamiento de modelos es un proceso que ocurre de forma periódica y concentrada, la inferencia con agentes autónomos es continua y escalable. Imagina millones de AI Agents corriendo simultáneamente en empresas alrededor del mundo, cada uno de ellos consumiendo ciclos de GPU para procesar lenguaje natural, analizar datos, generar código y tomar decisiones en tiempo real. La demanda de rendimiento de inferencia explota en ese escenario, y es exactamente ahí donde las nuevas arquitecturas de la empresa entran en juego.
El impacto práctico de esto es que empresas de todos los sectores están repensando sus estrategias de infraestructura. Ya no basta con tener algunos servidores con GPUs para correr modelos puntuales. La adopción a gran escala de AI Agents exige una base de data center robusta, con baja latencia, alto ancho de banda y capacidad de escalar rápidamente conforme la demanda crece. Y Nvidia no está ofreciendo solo el chip — entrega el rack completo, el software de orquestación, las bibliotecas optimizadas e incluso la consultoría de arquitectura para que sus clientes logren extraer el máximo rendimiento de cada dólar invertido. Este modelo de negocio verticalizado es uno de los grandes diferenciales competitivos de la empresa y explica por qué los ingresos de data center siguen en trayectoria de crecimiento acelerado.
Plataforma Rubin y la hoja de ruta que asegura el futuro
Uno de los aspectos más impresionantes de la estrategia de Nvidia es la velocidad con la que renueva su portafolio de productos. La arquitectura Blackwell apenas comenzó a entregarse en volumen y la empresa ya anunció la plataforma Rubin, prevista para lanzarse en el segundo semestre de 2026. Esta cadencia agresiva de lanzamientos no es casualidad. Jensen Huang declaró públicamente que la empresa pretende mantener un ciclo anual de nuevas arquitecturas, algo prácticamente inédito en la industria de semiconductores, que históricamente trabaja con ciclos de dos a tres años entre generaciones.
Lo que hace a Rubin especialmente relevante es la promesa de reducir los costos de inferencia de IA hasta 10 veces en comparación con los sistemas Blackwell. Si Blackwell ya representa un salto monumental respecto a Hopper, Rubin promete llevar la eficiencia a un nivel donde la inferencia a gran escala se vuelva accesible para un universo aún mayor de empresas y aplicaciones. Esto es particularmente importante en el contexto de los AI Agents, donde la inferencia continua y masiva es el factor determinante del costo operativo.
La plataforma Rubin debe incorporar avances tanto en el diseño de los chips como en las tecnologías de empaquetado e de interconexión. Indicaciones del mercado apuntan a que utilizará memoria HBM de próxima generación y un bus NVLink aún más rápido, permitiendo que cientos de GPUs trabajen juntas como si fueran un único procesador gigante. Para cargas de trabajo que involucran AI Agents, esto es transformador, porque permite que modelos más grandes y sofisticados se ejecuten con latencias menores, haciendo viables interacciones en tiempo real que antes habrían sido imposibles.
La combinación de hardware de punta con el ecosistema CUDA, que ya cuenta con millones de desarrolladores alrededor del mundo, crea una barrera de entrada que competidores como AMD e Intel todavía luchan por superar. Cada nueva generación de GPU de Nvidia llega al mercado ya con soporte completo de bibliotecas, frameworks y herramientas de desarrollo, algo que toma años construir y que no puede simplemente copiarse de la noche a la mañana.
Sovereign AI y la demanda que viene de los gobiernos
Un vector de crecimiento que mucha gente todavía subestima es la llamada Sovereign AI, o inteligencia artificial soberana. Se trata del movimiento de países que están invirtiendo en la construcción de infraestructura doméstica de IA, fuera de los ecosistemas de los grandes hyperscalers estadounidenses como AWS, Azure y Google Cloud. La idea es garantizar soberanía tecnológica, proteger datos sensibles y desarrollar capacidades de inteligencia artificial alineadas con las necesidades y regulaciones locales.
Nvidia reportó que la demanda por Sovereign AI superó los 30.000 millones de dólares en el año fiscal 2026, triplicándose respecto al año anterior. Esta cifra es impresionante y refleja un movimiento global que va mucho más allá de Estados Unidos y China. Países de Europa, Oriente Medio, el Sudeste Asiático y América Latina están destinando recursos significativos para construir sus propios data centers de IA, y Nvidia está posicionada como la proveedora preferente de hardware y software para estos proyectos.
Este mercado es particularmente interesante porque representa una fuente de ingresos menos dependiente de los ciclos de inversión de las big techs. Mientras los gastos de los hyperscalers pueden fluctuar de trimestre en trimestre según sus propias prioridades estratégicas, las inversiones gubernamentales en infraestructura de IA tienden a ser más estables y de largo plazo, impulsadas por políticas públicas y estrategias nacionales de competitividad tecnológica. Para Nvidia, esto funciona como un colchón de ingresos adicional que diversifica y fortalece el portafolio de clientes de la compañía.
Eficiencia de capital que impresiona a Wall Street
Además del crecimiento acelerado de los ingresos, los indicadores de eficiencia financiera de Nvidia están en niveles que harían que cualquier CFO del planeta se muriera de envidia. La empresa generó 97.000 millones de dólares en flujo de caja libre en el año fiscal 2026, manteniendo márgenes brutos del 75,2%. Estos números son extraordinarios para una empresa que opera en la industria de semiconductores, tradicionalmente intensiva en capital.
Pero el dato que realmente salta a la vista es el retorno sobre el capital empleado, o ROCE, que superó el 101%. Esto significa que Nvidia está generando más de un dólar de beneficio operativo por cada dólar de capital invertido en el negocio. En términos simples, la máquina de generar valor de la empresa está funcionando con una eficiencia que pocos negocios en la historia reciente del mercado tecnológico han logrado alcanzar. Este rendimiento financiero robusto le da a la compañía una flexibilidad enorme para invertir en investigación y desarrollo, realizar adquisiciones estratégicas y devolver valor a los accionistas sin comprometer su balance.
Esta combinación de crecimiento acelerado con márgenes elevados y generación de caja abundante es lo que sostiene la valoración premium de las acciones de Nvidia en el mercado. Incluso tras la caída del 4% registrada desde la última cobertura de analistas, la tesis de inversión permanece sólida, anclada en fundamentos que van mucho más allá de proyecciones optimistas — son números reales, entregados trimestre tras trimestre 📈
El panorama competitivo y los desafíos por delante
A pesar de todos los números positivos, sería ingenuo ignorar los desafíos que enfrenta Nvidia. La concentración de ingresos en el segmento de data center es, al mismo tiempo, una fortaleza y un punto de atención. Cualquier desaceleración en las inversiones en infraestructura de IA por parte de las big techs — como Google, Microsoft, Amazon y Meta — tendría un impacto directo en los resultados de la empresa. Además, el escenario geopolítico sigue siendo una variable impredecible. Las restricciones de exportación hacia China, que ya afectaron las ventas de chips de alto rendimiento, podrían intensificarse dependiendo de las decisiones regulatorias de los próximos meses.
Herramientas que usamos a diario
En el campo competitivo, AMD ha logrado avances significativos con su línea Instinct MI300, y empresas como Google y Amazon están desarrollando chips personalizados de IA para reducir la dependencia de Nvidia. Las TPU de Google, por ejemplo, ya se utilizan ampliamente a nivel interno y están disponibles como servicio en Google Cloud. Aun así, la ventaja acumulada de Nvidia en términos de ecosistema de software y base instalada es difícil de superar a corto y mediano plazo. CUDA se ha convertido prácticamente en un estándar de la industria para computación en GPU, y migrar cargas de trabajo complejas a plataformas alternativas implica costos significativos de tiempo e de ingeniería que muchas empresas simplemente no están dispuestas a asumir en este momento.
Más allá del hardware puro, Nvidia ha invertido fuerte en software y servicios. La plataforma NIM, que facilita el despliegue de modelos de IA en producción, y Omniverse, orientado a simulación y gemelos digitales, son ejemplos de cómo la empresa está ampliando sus fuentes de ingresos más allá de la venta de chips. Este ecosistema completo funciona como un flywheel: cuantas más empresas adoptan el hardware de Nvidia, más desarrolladores crean soluciones optimizadas para él, lo que atrae a aún más empresas. Es un ciclo virtuoso que sostiene la tesis de crecimiento continuo 🚀
Qué esperar de aquí en adelante
Otro punto que merece atención es la sostenibilidad del ritmo de crecimiento. Mantener tasas de expansión del 70% o más sobre una base de ingresos que ya supera las decenas de miles de millones de dólares por trimestre es matemáticamente desafiante. La buena noticia para Nvidia es que la adopción de AI Agents a escala empresarial todavía está en sus etapas iniciales. Sectores como salud, finanzas, manufactura y logística apenas están comenzando a explorar el potencial de estos agentes autónomos, y cada nueva implementación significa más demanda de GPUs e de infraestructura de data center.
Si la proyección de que la economía de AI Agents moverá billones de dólares en los próximos años se confirma, Nvidia está posicionada para capturar una porción generosa de ese mercado. La combinación de una hoja de ruta tecnológica agresiva con Blackwell y Rubin, una base creciente de Sovereign AI, eficiencia financiera de clase mundial y un ecosistema de software prácticamente imbatible forman una tesis difícil de rebatir.
Nvidia no está simplemente vendiendo GPUs. Está creando el sistema operativo de la economía de la inteligencia artificial — y cada trimestre que pasa, esa visión se vuelve más concreta en los números. Para quienes siguen el sector de tecnología e inteligencia artificial, esta es una historia que vale la pena seguir de cerca.
