El relato dominante sobre Nvidia era este: durante los primeros años del auge de la IA fue la única fuente de GPU punteras, algo enormemente rentable a medida que el sector crecía. En los últimos años, gigantes de la nube como Amazon y Google empezaron a fabricar sus propios chips, de modo que Nvidia ya no es la única opción, y los inversores empezaron a preguntarse cuán duradera es su ventaja.
Es un relato convincente y en buena medida cierto. Tras multiplicar por diez su capitalización entre principios de 2023 y mediados de 2025, las acciones de Nvidia llevan un año con una trayectoria más contenida por la preocupación ante la competencia en GPU.
Desde la última presentación de resultados ha tomado forma un relato nuevo: la ventaja de Nvidia va mucho más allá de las GPU. A medida que el cómputo de la IA crece hasta la escala de gigavatios, orquestarlo se ha vuelto una tarea cada vez más compleja, y Nvidia ya ha construido buena parte del hardware necesario para ello.
El sistema, vendido armario a armario
Se aprecia mirando lo que la compañía vende en realidad. Nvidia está desplegando su arquitectura Vera Rubin, que combina la GPU Rubin con una CPU Vera, un acelerador de inferencia y armarios equivalentes para almacenamiento y red.
Lo que incluye el paquete Vera Rubin:
- Rubin: la propia GPU
- CPU Vera: el procesador encargado de orquestar los datos
- Acelerador de inferencia: una unidad aparte para generar tokens
- Armarios de almacenamiento y red: los caminos por los que llegan y salen los datos
Esos sistemas están tan especializados como la propia GPU, pero su función no es generar tokens: es lograr que todo lo que hay fuera de la GPU funcione con la mayor eficiencia posible. Si la GPU es el motor, esto es el resto del coche.
El verdadero cuello de botella: el dato en el momento justo
La CPU Vera se centra precisamente en orquestar los datos. En palabras de Jason Hardy, vicepresidente de tecnología de almacenamiento de Nvidia: "Vera es importante porque hay un límite a la memoria que puedes meter en un solo servidor o en cualquier plataforma de cómputo".
A medida que los centros de datos ampliaron su potencia, también creció la capacidad de memoria, y por eso los fabricantes de memoria se enriquecieron en la segunda ola del auge. Pero llevar esos datos a la GPU en el momento adecuado no es sencillo. Conforme las empresas bajan el coste por token y vatio, descubren lo importante que resulta esa dirección del tráfico.
La cifra de Hardy: "Vimos mejoras de más de tres veces en estas operaciones, allí donde la CPU Vera permite acelerar. Ahora podemos usar nuestra memoria flash a pleno potencial, porque obtenemos todo su rendimiento sin cuellos de botella".
El mismo problema, otra solución
Variantes del mismo problema aparecen fuera de Nvidia. Cuando OpenAI desarrolló su chip Jalapeño, un objetivo central fue evitar estas dificultades por completo, reduciendo al mínimo la cantidad de datos que hay que mover.
Según la entrada del blog de la compañía: "Diseñamos Jalapeño para minimizar el movimiento de datos y los retrasos de comunicación. Su amplio dominio permite que toda la carga de trabajo permanezca dentro de un único sistema conectado".
Es un enfoque distinto —evitar el movimiento manteniendo la carga dentro de un chip integrado— pero la lógica es la misma: ganar eficiencia con un control del tráfico más inteligente en lugar de con más ciclos de proceso.
Qué cambia
Este nuevo foco no es una victoria automática para Nvidia. La compañía tendrá que competir con otros fabricantes de chips y con los grandes de la nube, igual que ha hecho en las GPU. Pero la competencia se ha trasladado a una capa nueva, donde fabricar una GPU rival importa menos que ser capaz de hacer funcionar todo el sistema con eficiencia.
Y al menos en estas fases iniciales, Nvidia parece llevar una ventaja considerable.