NVIDIA invertira US$3.000M en Thinking Machines de Murati

La jugada triple de NVIDIA: chips, inferencia y capital riesgo

NVIDIA movió tres piezas en una sola semana que reconfiguran su relación con el ecosistema de inteligencia artificial. Por un lado, selló con Amazon Web Services un despliegue adicional de 2 millones de GPU entre 2027 y 2028, incluyendo modelos Blackwell Ultra, Rubin y Rubin Ultra. Por otro, lanzó Equinix Inference Exchange junto a Equinix y Together AI, un mercado distribuido de inferencia cuya disponibilidad está prevista para el primer trimestre de 2027. Y, en paralelo, está en conversaciones para aportar entre US$2.500 millones y US$3.000 millones a la ronda de Thinking Machines Lab, la startup fundada por la ex-CTO de OpenAI Mira Murati, valorada en torno a US$40.000 millones según reportes de Yahoo Finance y CryptoBriefing.

La pregunta para cualquier founder es por qué estas tres decisiones están conectadas. La respuesta corta: NVIDIA dejó de ser un vendedor de chips para convertirse en el asignador de capital que decide qué modelos de IA sobreviven y en qué condiciones.

Por qué NVIDIA apuesta US$3.000M en Thinking Machines Lab

Thinking Machines Lab nació en febrero de 2025, cuando Murati reunió a un equipo de ex colegas de OpenAI bajo una estructura de public benefit corporation. En julio de 2025 levantó una ronda semilla de US$2.000 millones valorando la compañía en US$12.000 millones, con Andreessen Horowitz como inversor líder y la participación de NVIDIA, AMD, Cisco, ServiceNow, Accel y Jane Street, según reconstruyó CryptoBriefing.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Un año después, la empresa está negociando una ronda de entre US$5.000 millones y US$6.000 millones a una valoración pre-money de al menos US$40.000 millones, con Accel en conversaciones para liderarla, reportó Yahoo Finance. NVIDIA participaría con aproximadamente US$2.500 millones; el rango de US$2.500M a US$3.000M que maneja la fuente original probablemente recoge márgenes de negociación o reportes discrepantes.

La valoración triplica con creces la de la semilla, aunque queda por debajo de los US$50.000M-US$60.000M que la startup intentó colocar a fines de 2025 y que se cayeron a principios de 2026, cuando tres co-fundadores regresaron a OpenAI. Aún así, Digital Market Reports añadió un dato clave: la compañía superó un run-rate de ingresos anual de US$100 millones, lo que deja la valoración en aproximadamente 400 veces ingresos.

El producto que sostiene esa tesis es Inkling, un modelo open-weights lanzado el 15 de julio de 2026 que alcanza 80,2 % en SWE-Bench Verified y 64,7 % en Terminal Bench 2.1, junto con Tinker, una plataforma de fine-tuning como servicio que genera ingresos recurrentes por personalización empresarial.

La relación NVIDIA-Murati no empezó ahora

Lo que se publica como "inversión nueva" en realidad consolida una relación que ya tenía capas técnicas. En marzo de 2026, Thinking Machines y NVIDIA firmaron un acuerdo multianual por el cual el laboratorio desplegará al menos un gigavatio de sistemas Vera Rubin de próxima generación, con las primeras entregas previstas para principios de 2027, según reportó Yahoo Finance.

Para dimensionar el gigavatio: un centro de datos grande consume entre 50 y 100 megavatios, así que el compromiso equivale a entre 10 y 20 instalaciones hyperscale dedicadas casi en exclusiva a Thinking Machines. Cuando se suma a la inversión de capital, la separación tradicional entre "cliente" y "inversor" desaparece: NVIDIA financia la empresa y a la vez financia el hardware que la empresa consume.

Los 2 millones de GPU en AWS: qué cambia para los hyperscalers

El anuncio del 26 de agosto de 2026, replicado por Data Center Dynamics, Yahoo Finance y Digital Market Reports, contempla 2 millones de GPU adicionales distribuidas entre 2027 y 2028, sumadas al compromiso previo de más de 1 millón de GPU que AWS debía traer en línea durante 2026 y que ya fue superado por la demanda. La pila tecnológica del acuerdo cubre:

Blackwell Ultra, Rubin y Rubin Ultra como aceleradores principales.
NVIDIA Vera CPUs para cómputo general, algunas integradas con Rubin y otras desplegadas de forma independiente.
NVIDIA NVLink Fusion con memoria de alto ancho de banda custom.
Nemotron, los modelos abiertos de NVIDIA, disponibles vía Amazon Bedrock y SageMaker.
Una AI Factory para el gobierno de EE. UU. con 100.000 GPU sobre infraestructura segura de AWS.

El propio CEO de AWS, Matt Garman, justificó la ampliación señalando que los clientes quieren libertad de elección de herramientas y la garantía de que el stack completo funcione de forma integrada. Jensen Huang, fundador y CEO de NVIDIA, añadió que la demanda corre por delante de cualquier forecast.

El contexto financiero importa: NVIDIA reportó en su Q2 fiscal 2027 ingresos por US$96.200 millones (+106 % interanual), con data center en US$89.000 millones (+117 %) y márgenes brutos del 75 %, según Digital Market Reports. Para el Q3 proyecta aproximadamente US$108.000 millones a medida que entren en producción los primeros Rubin. Y para garantizar capacidad, NVIDIA ya se comprometió a US$279.000 millones en compromisos de supply y manufactura, frente a los US$119.000 millones del trimestre anterior.

Equinix Inference Exchange: el tercer frente

El 2 de septiembre de 2026, Equinix presentó Inference Exchange, un programa conjunto con NVIDIA y Together AI que convierte los 281 centros de datos de Equinix en 77 áreas metropolitanas y 36 países en una capa distribuida para correr inferencia, según CryptoBriefing y eWeek.

El modelo combina:

Las Enterprise Reference Architectures validadas de NVIDIA, que son configuraciones de hardware y software pre-testeadas para reducir el tiempo de despliegue.
La plataforma de inferencia de Together AI, que soporta más de 200 modelos open-source en despliegues multitenant o single-tenant dedicado.
Equinix Fabric como red de interconexión para conectar cargas de inferencia con nubes, redes y proveedores en cada metro.

La lectura estratégica es que Equinix no compite con los hyperscalers: ofrece neutralidad de vendor y baja latencia geográfica para empresas con estrategias multi-cloud o restricciones de soberanía de datos. Para NVIDIA, es la manera de empujar sus arquitecturas validadas al segmento enterprise sin tener que vender cada cluster directamente.

La fecha objetivo de disponibilidad es Q1 2027, aunque eWeek subraya que Equinix aún no publicó precios, ubicaciones iniciales, capacidad ni compromisos de performance.

¿Qué significa esto para tu startup?

La coincidencia de los tres anuncios en una semana no es ruido: es una señal de hacia dónde se reordena el stack de IA. Si estás construyendo un producto de IA, conviene ajustar tres cosas en tu hoja de ruta:

Piensa en inferencia, no solo en entrenamiento. El dinero se está moviendo hacia la fase donde la IA produce valor (responder, ejecutar, integrarse con sistemas internos). Pregúntate qué parte de tu latencia, costo por token y SLA puedes externalizar a Equinix + Together + NVIDIA versus correr en hyperscaler. El programa abre la puerta a negociar multi-cloud sin atarte a un único proveedor.
Evalúa qué te da la nueva generación de GPU. Si tu producto depende de inferencia multimodal, agentes o razonamiento largo, los Blackwell Ultra y los Rubin/Rubin Ultra que entran en producción en 2027 van a redefinir el ratio precio/rendimiento. Empieza a mapear con tu proveedor de nube cuándo podrás acceder a instancias Rubin para hacer benchmarking interno, aunque sea con cupos limitados.
Capital y partnership de NVIDIA ahora pesan más. La tesis de "inversor + cliente + proveedor de hardware" se consolida. Si tu startup depende de GPU NVIDIA para entrenar o servir, tener a NVIDIA en la mesa puede ser más estratégico que un fondo中立. Y si trabajas en open-weights o en inferencia distribuida, la camada Equinix + Together AI puede convertirse en el canal enterprise por defecto.

La pregunta abierta para el mercado

Los 2 millones de GPU adicionales y la posible inversión de US$3.000 millones en Thinking Machines Lab comparten un patrón: prometen visibilidad de demanda para NVIDIA, pero no garantizan retornos automáticos. Una mayor capacidad instalada necesita usuarios, cargas de trabajo y modelos de negocio que la aprovechen. Y una valoración de US$40.000 millones para un laboratorio con un run-rate de US$100 millones exige que Inkling y Tinker escalen mucho más rápido de lo que cualquier startup ha hecho hasta ahora.

El mercado seguirá mirando tres indicadores: la velocidad real de despliegue de GPU en AWS, la tasa de adopción enterprise del Equinix Inference Exchange en 2027, y los hitos de producto que Thinking Machines Lab pueda anunciar antes de cerrar la ronda. Si NVIDIA acierta en los tres, su rol de "asignador de capital del stack de IA" se vuelve estructural; si falla en alguno, la siguiente ronda de preguntas será sobre el costo de capital comprometido.