En los últimos dos años, Nvidia ha protagonizado uno de los ascensos empresariales más rápidos de la historia de la tecnología. Pero más allá del beneficio récord y de las cotizaciones astronómicas, hay una lectura mucho más inquietante que está ganando terreno entre analistas: Nvidia podría haber ensamblado, pieza a pieza, todos los elementos que definen a un gigante del cloud computing, sin necesidad de ser propietaria de un solo centro de datos. El detonante de esta teoría es el acuerdo de financiación que la compañía ha firmado con BlackRock, Goldman Sachs y otros cuatro grandes nombres de Wall Street, orientado a canalizar más de 500.000 millones de dólares de capital externo hacia infraestructura de inteligencia artificial. Para muchos medios, fue una noticia más del interminable flujo de dinero hacia la IA. Para otros, fue la última pieza de un puzzle que lleva años tomando forma.

El concepto de "hipercalculador sintético" que redefine el negocio de la IA

La teoría la articula Clark Tang, socio de Altimeter Capital y uno de los analistas que más temprano apostó por Nvidia cuando todavía nadie la consideraba una empresa estratégica más allá del gaming. Tang acuña el término synthetic hyperscaler —hipercalculador sintético— para describir lo que Nvidia habría construido: la réplica funcional de un Amazon AWS, un Microsoft Azure o un Google Cloud, pero distribuida entre otras empresas, sin poseer los edificios y sin acumular la deuda que conlleva construirlos. Para entender por qué esto es relevante, primero hay que entender qué hace que un hipercalculador sea lo que es.

Un hipercalculador clásico combina dos negocios en uno. El primero es financiero: agrupa el gasto en hardware de miles de clientes y lo convierte en un servicio por suscripción, transformando una inversión de capital en un gasto operativo. El segundo es operativo: desarrolla software que abstrae el hardware hasta hacerlo invisible para el usuario final. La combinación de ambos ha producido durante los últimos 15 años márgenes operativos de entre el 35% y el 40%. Es un negocio extraordinariamente rentable. Pero la inteligencia artificial llegó para romper esa fórmula.

Por qué la IA rompió el modelo de negocio del cloud tradicional

El entrenamiento de modelos de inteligencia artificial exige clústeres enormes y perfectamente sincronizados: un solo nodo rezagado detiene todo el proceso. La inferencia, por su parte, prioriza la eficiencia energética y la velocidad de respuesta. Ninguna de estas dos necesidades encaja con la optimización histórica del cloud, que consistía en empaquetar el mayor número posible de máquinas virtuales en un mismo servidor físico barato. Una nave llena de CPUs redundantes y baratas es un negocio brillante hasta que el trabajo que hay que ejecutar requiere sincronización absoluta y una GPU de última generación en cada nodo.

Los grandes hipercalculadores lo vieron venir. Y ahí reside la paradoja que Tang señala: les interesaba eliminar la dependencia de Nvidia, cuyas GPU tienen márgenes brutos de aproximadamente el 75%, desarrollando sus propios chips aceleradores. Google tiene las TPU, Amazon desarrolló Trainium e Inferentia, Microsoft tiene Maia y Meta cuenta con MTIA. Con esas alternativas propias, podían marcar su propio ritmo de adopción de nuevo hardware, lo que limitaba la capacidad de Nvidia para empujar sus generaciones más recientes. Esto creó una grieta que Nvidia decidió aprovechar con inteligencia.

Especificaciones del ecosistema que Nvidia ha desplegado

Tang enumera las capas tecnológicas que Nvidia ha ido colocando metódicamente para replicar las capacidades de un hipercalculador:

  • DSX OS y Mission Control: sistemas operativos y herramientas de gestión para flotas de GPU a escala de centro de datos
  • DSX Reference Designs y Omniverse Digital Twins: plantillas y gemelos digitales para diseñar y construir las instalaciones físicas
  • Dynamo: plataforma para servicio de inferencia optimizado
  • Acuerdo de financiación con BlackRock, Goldman Sachs y cuatro socios más: más de 500.000 millones de dólares orientados a infraestructura de IA
  • Asociaciones con "neoclouds" como CoreWeave, Nebius, Lambda, Crusoe y Nscale: operadores dispuestos a trabajar con márgenes de alrededor del 20%
Nvidia habría entregado a cualquier equipo con un solar y suministro eléctrico el equivalente al software secreto que antes era el foso infranqueable de los gigantes del cloud.

Los neoclouds: el brazo operativo de la estrategia de Nvidia

Los grandes hipercalculadores ganaban dinero con hardware de Nvidia vendido como servicio, con una capa de software encima. Un grupo de emprendedores decidió que podían ofrecer lo mismo con menos margen y más rendimiento bruto. Nacieron así los llamados neoclouds: operadores que co-desarrollaron software específicamente con Nvidia para cargas de trabajo de IA, priorizando el metal desnudo —sin capas de virtualización que degraden el rendimiento— e incorporando funciones como reemplazo en caliente de nodos fallidos, mantenimiento predictivo y almacenamiento diseñado para pipelines de entrenamiento, con costes de entrada y salida de datos más bajos porque el objetivo era capturar cargas de trabajo, no retener datos de los clientes.

El punto débil de los neoclouds era evidente: no tenían el balance financiero necesario para construir infraestructura por adelantado. Los prestamistas solo financiaban GPUs con un cliente ya firmado, lo que impedía construir capacidad antes de que existiera la demanda. Esa restricción es exactamente la que el acuerdo de financiación con BlackRock y Goldman Sachs parece diseñado para resolver. Y si incluso Google registró su primer trimestre con flujo de caja libre negativo, o Microsoft acumula 329.000 millones de dólares en compromisos de arrendamiento firmados pero aún no iniciados, la idea de que el dinero para la expansión tiene que venir de fuera ya no suena a excusa de startup: suena a diagnóstico de sector.

¿Qué supone para el comprador hispanohablante?

Esta noticia no tiene un precio de venta al público ni una fecha de lanzamiento en una tienda online. Su impacto para el usuario final en España o en Latinoamérica es más difuso pero no menos real. Si la teoría de Tang es correcta, Nvidia está consolidando un poder de mercado que va mucho más allá de vender las mejores tarjetas gráficas del momento: estaría dictando las condiciones en las que se entrena y sirve la inteligencia artificial que usamos a diario, desde los asistentes de texto hasta las herramientas de generación de imagen. Para las empresas y desarrolladores hispanohablantes que consumen servicios de cloud con aceleradores de IA, el ecosistema que Nvidia está construyendo podría significar precios más competitivos gracias a los neoclouds, pero también una dependencia tecnológica aún mayor de una sola compañía. No hay precios oficiales que comunicar, porque no es un producto: es una reconfiguración del mercado.

Nuestra valoración

La teoría del hipercalculador sintético es sugerente y está bien argumentada, pero conviene leerla con matices. Clark Tang trabaja para Altimeter Capital, un fondo que casi con certeza tiene posiciones en Nvidia, y el análisis más optimista de una empresa en la que tienes dinero es siempre sospechoso de parcialidad. Dicho esto, los hechos que enumera son reales: el software existe, los acuerdos están firmados, el dinero está comprometido y los neoclouds están operativos. Que Nvidia haya llegado ahí de forma deliberada o simplemente aprovechando cada oportunidad que se le presentaba es una distinción filosófica, no práctica.

Lo que sí parece claro es que Nvidia ha dejado de ser una empresa de chips de gaming que tuvo suerte con la IA. Es una empresa de infraestructura con ambiciones sistémicas, y cualquiera que construya, compre o gestione tecnología debería tenerlo en cuenta. Si los grandes hipercalculadores están estresando sus balances y el dinero institucional fluye hacia la arquitectura que Nvidia define, la pregunta ya no es si Nvidia domina el presente de la IA. La pregunta es si alguien puede desafiar su dominio del futuro, y por ahora la respuesta honesta es que no se ve quién.