Opinión Nvidia y Stripe compran la distribución abierta para vender cómputo propio
Las adquisiciones millonarias de plataformas de modelos abiertos por Nvidia y Stripe revelan que la 'apertura' es un canal para vender cómputo propietario. Latinoamérica debe leer la factura de inferencia antes de comprometer su roadmap.
Agosto de 2026 quedará como el mes en que Silicon Valley dejó de disimular. En cuestión de días, Nvidia desembolsó 13.000 millones por Hugging Face —el GitHub de los modelos abiertos—, 6.000 millones por Poolside y Stripe pagó 7.000 millones por OpenRouter, una valoración que sextuplicaba la de tres meses antes. La coincidencia no es casualidad: quien controla la distribución de modelos abiertos controla hacia dónde fluyen los tokens y, por ende, la demanda de chips y nube.
La narrativa vende apertura. La contabilidad compra cautividad. Nvidia necesita este flanco porque sus grandes clientes —OpenAI, Google, Microsoft— ya fabrican su propio silicio de inferencia. Stripe lo resume en términos financieros: "los tokens son la moneda central" y la rentabilidad dependerá de usar bien el cómputo escaso. La apertura, en manos de estos actores, se convierte en canal de distribución de infraestructura propietaria.
Los números de adopción enfrían la euforia. Solo el 6 % de las empresas usa modelos de pesos abiertos según datos de gasto de Ramp, y apenas el 2 % de los ingenieros de software los emplea según Jellyfish. Nik Albarran lo resume sin adornos: hoy sirven para cargas de inferencia repetitivas —chats de atención al cliente— donde un modelo ajustado responde barato. Para razonamiento variable o agentes de código, los modelos frontera siguen ganando, en parte por subsidios en el precio del token.
Mientras tanto, Fireworks procesa 40 billones de tokens al día, más que las APIs de Gemini o OpenAI. Su apuesta: cada empresa debería tener su propio modelo por caso de uso, entrenado con sus datos. El mercado de fusiones creció 75 % en 2025 con la IA como motor, pero los expertos advierten: son operaciones estructurales, no comerciales. Se compran capacidades de nube, seguridad y datos para "industrializar la IA" a medio plazo. El dato académico lo confirma: el 82 % de los productos de IA adquiridos por Alphabet, Amazon, Apple, Meta y Microsoft entre 2015 y 2021 fueron discontinuados, frente al 61 % en otros sectores. Se compra talento y tecnología, no roadmap.
Para un ejecutivo latinoamericano, la lección es incómoda. El candado no está en los pesos, sino en quién provee la infraestructura para servirlos. Nvidia compra Hugging Face para dirigir tráfico a sus chips; Stripe compra OpenRouter para hacer eficiente el gasto en tokens. La región no tiene la escala para competir en esa capa, pero sí para elegir.
Aquí emerge LatamGPT: más de 40 instituciones latinoamericanas construyendo un modelo de 70.000 millones de parámetros con datos propios. Luciana Benotti, investigadora del Conicet y parte del proyecto, lo enmarca con precisión: "Los países deben considerar la IA como una prioridad estratégica igual que lo es la energía". La iniciativa no busca replicar la escala de los gigantes, sino crear capacidad técnica, colaboraciones estratégicas y un modelo que entienda la idiosincrasia regional —algo que ChatGPT y Gemini fallan al reconocer estereotipos de Córdoba con mucha mayor frecuencia que los de zonas de Estados Unidos y Europa.
El costo ambiental y geopolítico de los centros de datos masivos que Big Tech instala en el sur global no es una externalidad: es el modelo de negocio. Esos centros no son controlados por la región; son propiedad y territorio de las grandes tecnológicas. Para construir modelos propios no se necesitan decenas de miles de GPUs; se necesitan cientos de computadoras especializadas y mucho talento local para crear modelos más eficientes que los que nos venden.
La inversión estratégica real es financiar la formación de nuestra gente y la compra de infraestructura propia que responda a nuestros intereses cuando los modelos comerciales dejen de ser subsidiados. Antes de comprometer roadmap técnico con un modelo "abierto" alojado en una plataforma que mañana puede cambiar de dueño, conviene preguntarse: ¿cuánto cuesta mover esa carga a otra nube? ¿El ahorro en tokens justifica la dependencia de un proveedor de hardware que acaba de comprar el mercado? La respuesta no está en el comunicado de prensa. Está en la factura de inferencia del próximo trimestre.
