Durante años, la historia de Nvidia fue simple: sus GPUs eran el único camino hacia la inteligencia artificial de vanguardia, y eso se tradujo en una capitalización de mercado que creció 10 veces entre 2023 y mediados de 2025. Pero después de ese pico, las acciones se estabilizaron mientras gigantes como Amazon y Google comenzaron a diseñar sus propios chips. La pregunta que rondaba a los inversores era si la ventaja de Nvidia era sostenible.
Los resultados del último trimestre sugieren que sí, pero por una razón diferente a la que se esperaba. La ventaja ya no está en el procesador, sino en todo lo que lo rodea. A medida que los centros de datos crecen hasta la escala de gigawatts, dirigir el tráfico de información se ha vuelto tan crítico como generar capacidad de cómputo. Nvidia construyó gran parte del hardware especializado para esa tarea, y eso la coloca en una posición dominante incluso cuando la competencia en GPUs se intensifica.
El motor y la carrocería
La nueva arquitectura Vera Rubin de Nvidia no es solo una GPU. Incluye la CPU Vera, el acelerador de inferencia Groq 3 LPX, y racks dedicados a almacenamiento y redes. Son sistemas diseñados para que todo lo que rodea al chip funcione al máximo. Si la GPU es el motor, estos son la carrocería, la suspensión y el sistema de combustible.
El problema que resuelve la CPU Vera es técnico pero decisivo: la memoria disponible en un servidor individual es limitada, y llevar los datos al GPU en el momento exacto no es trivial. Jason Hardy, vicepresidente de almacenamiento de Nvidia, explicó a TechCrunch que "Vera es importante porque solo hay tanta memoria que puedes poner en un servidor o plataforma de cómputo". La solución de Nvidia acelera las operaciones de datos con mejoras de más de 3 veces, lo que permite usar la memoria flash a su máximo potencial sin cuellos de botella. El artículo original de TechCrunch detalla estas cifras.
OpenAI, por su parte, tomó un camino diferente con su chip Jalapeño: en lugar de orquestar el movimiento de datos, lo minimiza. Como escribió la empresa en su blog, "diseñamos Jalapeño para minimizar el movimiento de datos y los retrasos de comunicación". Su gran dominio permite que una carga de trabajo completa se quede dentro de un único sistema conectado. Son filosofías opuestas: Nvidia optimiza el tránsito, OpenAI lo evita. Pero ambas apuntan a la misma conclusión: la eficiencia del sistema completo, no la velocidad bruta del chip, es el nuevo campo de batalla.
Qué significa para Latinoamérica
Para las empresas y ejecutivos de la región, esta transición tiene implicaciones prácticas inmediatas. La mayoría de las organizaciones latinoamericanas no construyen sus propios centros de datos a gran escala; dependen de hyperscalers como AWS, Azure o Google Cloud. Esas plataformas están adoptando tecnologías de orquestación similares a las de Nvidia, lo que significa que el costo por operación de IA puede reducirse sin necesidad de adquirir hardware de última generación. En un entorno donde el acceso a GPUs avanzadas es limitado por costos y restricciones de exportación, la optimización del tráfico de datos permite extraer más rendimiento de la infraestructura existente.
Además, la competencia en esta nueva capa de orquestación —entre Nvidia, OpenAI, y los hyperscalers— tiende a abaratar los servicios en la nube a largo plazo. Las empresas latinoamericanas que ya están experimentando con modelos de IA pueden beneficiarse de esa presión competitiva, siempre que diseñen sus arquitecturas con foco en la eficiencia de datos y no solo en conseguir más capacidad de cómputo.
El próximo ciclo de la infraestructura
La idea de que el cómputo se está convirtiendo en un commodity ha circulado, especialmente ahora que los futuros de CME comenzaron a negociar capacidad de cómputo. Pero operar un centro de datos a escala masiva con eficiencia máxima sigue siendo difícil, y esas dificultades son las que crean valor. Nvidia ha demostrado que sabe resolverlas mejor que nadie en esta etapa temprana.
Para los líderes tecnológicos de América Latina, la lección es clara: la ventaja competitiva en IA ya no se define por quién tiene el chip más rápido, sino por quién sabe orquestar los datos, reducir la latencia y aprovechar al máximo cada vatio de energía. Las empresas que entiendan esto podrán implementar soluciones de IA más rentables, incluso sin acceso a los procesadores más avanzados. El próximo ciclo de la infraestructura no será sobre las GPUs, sino sobre los sistemas que las hacen funcionar.
