Esta es la noticia

El 22 y el 23 de septiembre de 2026, durante el AI Day de Singapur, Nvidia no presentó un rival de ChatGPT. Presentó clientes. Sea, el grupo tecnológico de Singapur propietario de la plataforma de comercio electrónico Shopee, la fintech Monee y la empresa de videojuegos Garena, será la primera compañía del sudeste asiático en adoptar Vera Rubin para desarrollar sus propios modelos y agentes.

Cinco días antes, AI Singapore había publicado Nemotron-SEA-LION-v4.8, una familia de modelos abiertos desarrollada con Nvidia y adaptada a las lenguas de la región. Aunque contienen decenas de miles de millones de parámetros, no los utilizan todos para responder cada consulta. Así necesitan menos capacidad y responden más rápido. La misma semana, xAI lanzó Grok 4.7 desde dos dólares por millón de tokens de entrada y seis por los de salida, y lo presentó como dos veces más rápido y a la mitad de precio que modelos comparables.

Lo que mi cabeza me dice

Nvidia enseña a utilizar menos cómputo al mismo tiempo que vende centros de datos cada vez mayores. Para entender por qué no es una contradicción hay que dejar de mirar únicamente lo que vende y fijarse en quién se lo compra.

Nvidia domina el mercado de los chips para IA, pero una parte enorme de sus ingresos depende de muy pocos compradores. Dos clientes representaron el 22 % y el 14 % de sus ventas del ejercicio fiscal de 2026; en la primera mitad del siguiente, solo tres concentraron el 44 %. Nvidia sabe quiénes son, naturalmente, pero no revela sus nombres. Tampoco podemos deducirlos de las cifras: un «cliente directo» puede ser una nube, pero también un distribuidor o un fabricante que compra los equipos para otra empresa. Lo que sí sabemos es que los ingresos están concentrados y que esa concentración concede poder de negociación a un grupo muy pequeño. La industria depende de Nvidia, pero Nvidia también depende de unos compradores que caben alrededor de una mesa.

También sabemos que las mayores empresas de IA están intentando aprender a vivir sin ella. Google desarrolla TPU; Amazon, Trainium e Inferentia; Microsoft ha construido Maia, y OpenAI prueba Jalapeño, diseñado con Broadcom. Quienes hoy compran las GPU de Nvidia están fabricando las máquinas con las que esperan necesitarla menos mañana. Ese es el problema que explica sus movimientos aparentemente dispersos en modelos, nubes y software.

Nvidia podría intentar convertirse en otra OpenAI o en otra Amazon, pero competir directamente con sus clientes aceleraría su huida. Ha elegido otra defensa: impedir que alguno acumule demasiado poder. Si un solo modelo dominara el mercado, su propietario podría decidir el precio, la nube y hasta los chips sobre los que funciona. Si una nube dominara el acceso, podría favorecer sus propios procesadores. Google intenta controlar ambas capas.

Por eso Nvidia ofrece Nemotron, su familia de modelos abiertos. No necesita superar a GPT, Claude, Gemini o Grok en todos los usos; le basta con que las empresas dispongan de otra opción que puedan adaptar. DGX Cloud Lepton hace algo parecido con la infraestructura: reúne capacidad de distintos proveedores para que estos compitan por ejecutar el trabajo sin que el cliente salga del entorno de Nvidia.

La estrategia cabe en tres frases:

Modelos intercambiables. Nubes intercambiables. Nvidia imprescindible.

El acuerdo para comprar Hugging Face por casi 13.000 millones coloca a Nvidia en el lugar donde dieciocho millones de desarrolladores eligen entre más de tres millones de modelos. Promete mantener la plataforma abierta porque su valor está precisamente en reunir alternativas. El 28 de septiembre, CNBC informó de que OpenAI había intentado invertir unos 100 millones de dólares y utilizar Hugging Face para distribuir Jalapeño. No fue una oferta de compra comparable ni demuestra el motivo de Nvidia, pero deja claro por qué importa la plataforma: fabricar un chip alternativo no basta si no existe un canal para que los desarrolladores lo adopten. OpenAI quiso entrar en ese canal. Nvidia acordó comprarlo.

xAI muestra el otro lado. Mientras abarata Grok, amplía Colossus con hardware Nvidia. Puede necesitar menos capacidad para producir cada respuesta y, al mismo tiempo, comprar más máquinas porque espera vender muchas más respuestas. Ahorrar cómputo perjudicaría a Nvidia si el uso no creciera. Pero si bajar el precio multiplica las consultas y los agentes, el consumo total puede aumentar. Es la vieja paradoja de Jevons: hacer más eficiente un recurso puede terminar haciendo que se utilice más.

Cada nueva generación de Nvidia deja una pregunta detrás: qué hacer con las GPU anteriores. Una H100 no deja de funcionar cuando aparece Rubin, pero solo conserva su valor si alguien sigue pagando por utilizarla. Los modelos más exigentes pueden reservarse para las máquinas nuevas; las consultas cotidianas y los modelos especializados, que necesitan menos potencia, pueden mantener ocupadas las anteriores.

Por eso importa durante cuántos años se espera que estos equipos sean útiles. Microsoft reparte el coste de algunos servidores y equipos de red a lo largo de hasta seis años. Amazon también amplió ese plazo, aunque después lo volvió a acortar para una parte de sus máquinas ante la velocidad con la que avanzaba la IA. Al cambiar ese cálculo, la empresa distribuye el mismo coste entre más o menos años y modifica el beneficio que declara cada ejercicio. La máquina no cambia; cambia la estimación de cuánto tiempo seguirá produciendo dinero.

Esa estimación puede ser razonable: una GPU antigua todavía puede hacer trabajo rentable. El verdadero riesgo aparece si continúa funcionando pero ya no existe suficiente demanda dispuesta a pagar por ella. Nvidia no necesita que cada generación anterior siga siendo la mejor. Necesita un mercado con tareas de distintos tamaños y precios para que cada máquina, nueva o antigua, encuentre trabajo.

Nvidia tampoco observa ese riesgo desde la distancia de quien ya vendió la máquina. Declara 36.000 millones de dólares en compromisos futuros con nubes de IA y 3.300 millones invertidos en empresas que financian infraestructura. El mecanismo funciona así: una nube compra equipos Nvidia y construye capacidad para alquilarla; Nvidia promete utilizar una parte si no aparecen otros clientes. Cuando sí aparecen, su compromiso disminuye y, en algunos acuerdos, participa en los ingresos. Primero vende la máquina. Después ayuda a garantizar que alguien la use.

En agosto fue más lejos: concedió garantías de hasta 105.000 millones de dólares para respaldar un enorme proyecto de centros de datos en Ohio destinado a OpenAI. Si OpenAI incumpliera determinadas obligaciones, Nvidia podría terminar respondiendo por parte de los arrendamientos. No demuestra una demanda artificial ni fraude. Demuestra que Nvidia ayuda a construir el mercado y acepta parte del riesgo de que la capacidad no encuentre quien la pague.

También así se entiende la postura regulatoria de Jensen Huang. Defiende que se apliquen las normas existentes sobre responsabilidad y competencia, sin crear privilegios ni excepciones para la IA. Un régimen especial y muy costoso podría dejar dentro solo a OpenAI, Anthropic, Google y unas pocas empresas capaces de pagarlo. Eso reforzaría precisamente a los grandes compradores de los que Nvidia intenta depender menos. Nvidia necesita muchos modelos, muchas empresas y muchos compradores compitiendo por capacidad.

La neutralidad también tiene una cuenta de resultados. Cuanto más compitan los modelos y las nubes, menos margen retendrá cada proveedor y menos poder tendrá para imponer sus condiciones a Nvidia. Los modelos y el acceso al cómputo se abaratan, aumenta su uso y crece la demanda de la infraestructura común que los sostiene. El dinero no desaparece: se desplaza hacia la infraestructura que sigue siendo difícil de sustituir. Nvidia no entra en el negocio de sus clientes para reemplazarlos, sino para impedir que ellos se vuelvan imprescindibles y se queden con el margen.

Quienes hoy compran las GPU de Nvidia fabrican chips para escapar de ella. Nvidia responde construyendo un mercado para escapar de sus compradores, antes de que aprendan a vivir sin sus procesadores o el mundo descubra que compró más capacidad de la que puede utilizar.

Ya lo dijimos en Tokens: Nvidia es el Sinaloa de esta historia. Guárdalo.

Lo que los datos dicen

  • La concentración. Dos clientes directos representaron el 22 % y el 14 % de los ingresos del ejercicio fiscal de 2026. En la primera mitad del siguiente, tres concentraron el 44 %. «Directo» identifica a quien compra a Nvidia, no necesariamente al usuario final. Fuente: Nvidia ante la SEC.
  • El punto de distribución. Nvidia acordó adquirir Hugging Face por 12.930 millones de dólares. Según Nvidia, reúne 18 millones de desarrolladores y tres millones de modelos. CNBC informó que OpenAI había considerado invertir unos 100 millones y utilizarla como canal para Jalapeño; las empresas no han confirmado todos los detalles. Fuentes: Nvidia; CNBC, 28 de septiembre de 2026.
  • El precio y el comprador. Grok 4.7 cuesta desde dos dólares por millón de tokens de entrada y seis de salida. La comparación de velocidad procede de xAI. Sea será la primera empresa de la región ASEAN en adoptar Vera Rubin. Fuentes: xAI; Nvidia.
  • La vida contable. Microsoft pasó de cuatro a seis años y calculó 3.700 millones de dólares más de beneficio operativo. Amazon redujo después parte de sus servidores de seis a cinco años; elevó en 1.400 millones la depreciación de 2025. Fuentes: Microsoft ante la SEC; Amazon ante la SEC.
  • Nvidia ya compromete capital. Declaraba 36.000 millones de dólares en compromisos con nubes de IA, 3.300 millones invertidos en financiadores de infraestructura y garantías de hasta 105.000 millones para un proyecto destinado a OpenAI. Puede tener que comprar capacidad no vendida o asumir obligaciones si se activan las garantías. Fuente: Nvidia ante la SEC.
  • La regulación. Huang rechaza exenciones frente a las leyes de responsabilidad o competencia. Que una regulación específica reforzaría a los grandes laboratorios es la interpretación económica del artículo, no una afirmación suya. Fuentes: entrevista del 20 de septiembre de 2026; Reuters.