IA: empresas arman su infraestructura y Nvidia crece 106%

El comprador de GPUs ya no es solo un gigante tecnológico

Nvidia reportó US$96.200 millones de ingresos en su segundo trimestre fiscal de 2027, un 106% más que un año antes, y US$89.000 millones de esa cifra —casi nueve de cada diez dólares— provinieron de su división de centros de datos, según los resultados que la compañía presentó en agosto. Ese es el termómetro de un cambio más profundo: quien compra capacidad de cómputo para inteligencia artificial dejó de ser un club exclusivo de Google, Amazon y Microsoft.

Para un founder, la señal no está en la facturación de Nvidia sino en quién la paga. Cada vez más empresas de sectores tradicionales compran GPUs —las unidades de procesamiento gráfico que ejecutan miles de operaciones en paralelo y que los modelos de IA necesitan para entrenar y responder— para correr sus propios modelos dentro de su infraestructura.

El motivo es concreto: cuando cargas información de tu empresa en una IA pública, pierdes el control sobre ella. "Todos empezamos usando ChatGPT o algún modelo similar, pero una vez que cargas información de tu empresa en una IA pública pierdes el control sobre ella. Por eso las compañías están empezando a armar sus modelos de IA dentro de su propia infraestructura", explica Christian Mendes Gouveia, director general de Park Place Technologies para Latinoamérica.

¿Cuánto dinero se está moviendo hacia la infraestructura de IA?

Gartner proyectó en mayo un gasto mundial en inteligencia artificial de US$2,59 billones para 2026, un 47% más que el año anterior, y estima que alrededor de US$1,5 billones de ese total se destinarán a infraestructura. La propia consultora anticipa que el próximo gran comprador no serán solo las tecnológicas, sino empresas de todos los sectores.

Del lado de la oferta, el capex combinado de los grandes proveedores de nube superaría los US$730.000 millones en 2026, según proyecciones citadas por Tech Times. Ese dinero fluye hacia los fabricantes de hardware: en julio de 2026 las acciones de semiconductores alcanzaron una capitalización conjunta de US$9,57 billones, el 13,9% del S&P 500, de acuerdo con el mismo medio.

La lectura para una startup es incómoda pero útil: si los gigantes comprometen ese volumen de capital en cómputo, el precio de la capacidad en la nube no va a bajar por arte de magia. Y el acceso prioritario al hardware más nuevo seguirá concentrado en quien firma contratos más grandes.

¿Por qué la soberanía de datos se volvió un argumento de compra?

Un estudio global del IBM Institute for Business Value titulado The Calculus of AI Sovereignty, con datos de 370 altos ejecutivos de EMEA, encontró que el 83% de los directores ejecutivos considera que la soberanía en IA es "esencial" para su estrategia. Pero solo el 10% sabe exactamente de qué proveedores, modelos e infraestructuras depende su empresa, y el 73% admite que le resultaría difícil cambiar de proveedor principal.

El dato más revelador para quien tiene que decidir: el 81% de los directivos reconoce que una caída de siete días o más de su proveedor principal de IA tendría un impacto "grave o crítico", y el 71% aceptaría un aumento del 20% en costos con tal de ganar flexibilidad estratégica.

Hay además una asimetría geográfica. Según Gregory Verlinden, vicepresidente de datos e IA en Cegeka, más del 75% de la infraestructura de IA está en Estados Unidos y Europa posee apenas un 5%, una afirmación que hizo durante una mesa redonda recogida por Europa Press.

De ahí que el modelo que se impone no sea "todo local" ni "todo nube", sino híbrido: nube pública para lo que no es sensible, infraestructura propia o privada para lo que sí lo es. Es la misma conclusión a la que llegan desde el lado empresarial español: Intensas, una compañía navarra, plantea un panel de control que centralice qué modelos usa cada departamento y anonimice datos sensibles antes de enviar una consulta a un modelo externo, según recogió Cadena SER.

¿Cuánto cuesta realmente montar infraestructura propia?

Aquí está el cuello de botella real: montar infraestructura de IA requiere capital, y buena parte del presupuesto de tecnología ya está comprometido en mantener los centros de datos tradicionales que siguen funcionando.

La oportunidad que aparece en ese hueco es menos glamorosa pero más accesible: extender la vida útil de servidores, almacenamiento y redes que ya están en producción, incluso después de que vence la garantía del fabricante. Según Park Place Technologies, el mantenimiento independiente permite ahorrar entre un 30% y un 40% frente al soporte del fabricante original, y ese ahorro puede reinvertirse en equipos para IA y en lo que esos equipos necesitan, como la refrigeración líquida.

El resultado es un esquema híbrido donde el centro de datos tradicional convive con la nueva infraestructura de IA y con la nube, y cada peso del presupuesto de inversión (CAPEX) se asigna donde genera más valor.

¿Qué tan atrás está Latinoamérica?

Bastante, y con un matiz importante. Cuatro de cada diez pymes argentinas ya usan alguna herramienta de IA, pero la mayoría se limita a redactar textos o resumir información, y siete de cada diez no tiene ninguna regla interna sobre cómo usarla, según una encuesta de nadIA, iniciativa del CEPE Di Tella y Fundar.

"Estados Unidos y Europa van por delante de los mercados emergentes, entre ellos Latinoamérica. Acá las empresas recién están empezando a comprar estos equipos", agrega Mendes Gouveia. Y suma un dato contraintuitivo: "Hace diez años se creía que los centros de datos iban a desaparecer porque la información se iba a trasladar a la nube. Con la inteligencia artificial volvieron, volvieron al centro de la escena".

¿Qué significa esto para tu startup?

La buena noticia es que no necesitas comprar GPUs para tomar buenas decisiones de infraestructura. Estas son las acciones que sí mueven la aguja:

• Clasifica tus datos antes de decidir dónde procesarlos. Divide tu información en tres niveles: pública, interna y sensible. Solo el tercer nivel justifica infraestructura propia o un modelo local. Sin esta clasificación, cualquier decisión de compra es una apuesta.
• Escribe una política de uso de IA, aunque sea de una página. Siete de cada diez pymes no la tienen. Definir qué herramientas están permitidas, qué información no puede salir de la empresa y quién aprueba excepciones cuesta cero y es el paso previo a cualquier inversión.
• Audita el ciclo de vida de lo que ya tienes. Antes de sumar hardware, revisa cuántos servidores, equipos de almacenamiento y redes siguen operativos fuera de garantía. Extender su vida útil con soporte independiente puede liberar entre un 30% y un 40% del presupuesto de mantenimiento para reinvertirlo en IA.
• Empieza híbrido, no soberano. No hace falta independencia total: hace falta decidir qué datos pueden salir y cuáles no. Un modelo externo para tareas no sensibles y uno local para lo crítico cubre la mayor parte del riesgo con una fracción del costo.

Conclusión

El giro hacia la infraestructura propia de IA no es una moda de los grandes: es una respuesta a un problema concreto de control, costo y continuidad. Los números acompañan —Gartner proyecta un crecimiento del gasto global cercano al 50% este año y Nvidia ya factura casi nueve de cada diez dólares desde centros de datos—, pero la decisión real para una startup no es si comprar GPUs, sino qué información no puede salir nunca de su perímetro.

Esa respuesta se puede construir hoy, sin CAPEX, con una política interna y una clasificación de datos. La infraestructura viene después.

Fuentes

• Totalmedios (fuente original)
• Tech Times
• Blockonomi
• Europa Press
• Cadena SER