Nvidia ya tiene unos US$800 millones invertidos en Reflection AI, una startup de modelos de pesos abiertos valorada en torno a US$25.000 millones. Ahora, según una investigación del Financial Times que recoge Bloomberg, el fabricante de chips negocia quedarse con ella: comprarla entera, ampliar su participación, garantizarle más capacidad de cómputo o firmar un acqui-hire. Ninguna de esas opciones está cerrada y las conversaciones siguen en fase temprana.
Para cualquier founder que construye con IA, el movimiento importa por una razón concreta: quien controla el modelo de referencia también influye en dónde y cómo se ejecuta. Y eso, tarde o temprano, aparece en la factura de cómputo.
¿Qué negocia Nvidia con Reflection AI?
Reflection AI nació en 2024 de la mano de Misha Laskin e Ioannis Antonoglou, dos exinvestigadores de Google DeepMind. Su foco son los modelos de pesos abiertos: sistemas cuyos parámetros se pueden descargar y ejecutar en infraestructura propia, sujetos a las condiciones de cada licencia.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasSegún Reuters, sobre la mesa hay cuatro escenarios:
- Adquisición total de la compañía.
- Ampliación de la participación accionarial que Nvidia ya tiene.
- Suministro garantizado de chips y capacidad de procesamiento.
- Un acqui-hire: contratar al equipo y licenciar la tecnología sin comprar la empresa.
Esa última vía es la que más se está usando en la industria para esquivar revisiones de competencia largas. Nvidia ya la utilizó antes: según Hindustan Times, su mayor operación hasta la fecha fue la compra de activos de la startup de chips de inferencia Groq por US$20.000 millones, cerrada en diciembre de 2025.
El producto estrella de Reflection es Beam, su primer modelo de pesos abiertos, presentado a comienzos de octubre de 2026. Según CryptoBriefing, tiene 501.000 millones de parámetros, fue entrenado con 23,8 billones de tokens y usa una arquitectura de mezcla de expertos (MoE). La compañía lo posiciona para tareas de programación y agentes, y afirma que su rendimiento en benchmarks de razonamiento avanzado está a la par de GLM-5.2, el modelo abierto de la china Z.AI.
La startup también se aseguró cómputo a lo grande: según Bloomberg, firmó acuerdos multimillonarios con SpaceX y con el proveedor de nube Nebius Group. Entre sus inversores figuran Sequoia y Lightspeed, de acuerdo con CryptoBriefing.
¿Por qué Nvidia quiere tener su propio modelo de IA?
El negocio de Nvidia es vender los chips que entrenan y ejecutan modelos. Cuando una empresa corre un modelo de pesos abiertos, necesita su propio cómputo, y ese cómputo, en la mayoría de los casos, son GPU Nvidia. Controlar un laboratorio de referencia le permite influir en el software y en la infraestructura al mismo tiempo.
No parte de cero: ya desarrolla su familia Nemotron y participa en la Nemotron Coalition, la iniciativa de modelos abiertos donde también está Reflection, según CryptoBriefing. Pero le falta un modelo de frontera propio, y eso es justo lo que le aportaría la startup.
Hay además un componente geopolítico. Los laboratorios chinos, como DeepSeek y Moonshot, se volvieron dominantes en modelos abiertos. Según TechCrunch, sistemas como Kimi K3 de Moonshot igualaron a los mejores modelos estadounidenses en benchmarks con un costo de ejecución mucho menor. El CEO de Nvidia, Jensen Huang, sostiene públicamente que Estados Unidos necesita liderar los modelos abiertos para no depender de alternativas chinas más baratas. En julio de 2025, el plan de acción en IA del gobierno de Donald Trump ya pedía mantener el liderazgo en modelos abiertos, según Bloomberg.
Hugging Face: la pieza que ya está en camino
Las conversaciones con Reflection no son un movimiento aislado. En septiembre de 2026, Nvidia anunció la compra de Hugging Face por aproximadamente US$12.930 millones, operación que según su documentación ante la SEC sigue pendiente de cierre, previsto para la primera mitad de 2027.
Hugging Face aloja unos 3 millones de modelos abiertos y más de 200.000 empresas la usan para desplegar IA, según el anuncio de Nvidia recogido por Gizmodo. Su CEO, Clément Delangue, dijo a CNBC que fue la propia Hugging Face la que buscó a Nvidia durante el verano.
El precio llama la atención frente a su historia reciente. Según TechCrunch, Hugging Face levantó US$235 millones en 2023 con una valoración de US$4.500 millones y rechazó una oferta de inversión de US$500 millones de Nvidia que la habría valorado en US$7.000 millones. Su facturación rondaba los US$150 millones anuales, frente a unos US$100 millones dos meses antes.
Sumando las piezas: Nvidia diseña los chips, construye las herramientas para aprovecharlos, compra la plataforma donde se distribuyen los modelos y ahora estudia quedarse con quien los crea.
El riesgo de competir con los propios clientes
El movimiento tiene una tensión evidente. Google lleva años desarrollando sus TPU, Amazon empuja Trainium y los principales laboratorios cerrados están diseñando aceleradores propios para depender menos de Nvidia. Si Nvidia además se convierte en dueño de un laboratorio de modelos, pasa a competir con algunos de sus mejores clientes.
Diseñar un chip competitivo exige años de investigación, inversión y capacidad industrial, así que la dependencia no se rompe de un día para otro. Pero la dirección es clara: Nvidia se prepara para un escenario donde vender procesadores ya no alcance para conservar toda su influencia.
¿Qué significa esto para tu startup?
Para un equipo que construye producto con IA, este tipo de operaciones se traduce en decisiones muy concretas.
- Revisa tu dependencia de un solo proveedor de modelos. Si hoy todo tu producto corre sobre una API cerrada, ten un plan B probado con un modelo de pesos abiertos. No hace falta migrar: hace falta saber cuánto tardarías y cuánto costaría.
- Mira el costo total, no solo el precio por token. Los modelos abiertos te dan control, pero trasladan el gasto a cómputo propio. Compara el costo de inferencia en la nube contra el de mantener GPU reservadas antes de decidir.
- Vigila la neutralidad de las plataformas que usas. Si tu pipeline depende de un hub de modelos que está siendo absorbido por un fabricante de chips, documenta rutas alternativas de descarga y despliegue.
- Aprovecha la ventana de los modelos abiertos. La competencia entre laboratorios chinos, estadounidenses y europeos está bajando el costo de los modelos de calidad. Un equipo pequeño hoy accede a capacidades que hace dos años exigían un presupuesto de laboratorio.
Conclusión
Nvidia está haciendo algo más que comprar startups: intenta asegurarse de que, si sus clientes dejan de necesitar sus chips para entrenar modelos, igual necesiten su ecosistema para ejecutarlos. La operación con Reflection AI todavía puede caerse —las conversaciones están en fase temprana y ninguna de las partes confirmó términos—, pero la estrategia ya es visible.
Para los founders, la lección no es seguir el rumor, sino entender hacia dónde va la infraestructura. Cuanto antes tengas tu arquitectura preparada para cambiar de modelo sin reescribir el producto, menos te va a costar la próxima jugada de cualquiera de los grandes.
Fuentes
- Gizmodo en Español (fuente original)
- Yahoo Finance / Bloomberg
- CryptoBriefing
- TechCrunch
- Gizmodo
- Hindustan Times
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
