Nvidia moviliza US$500.000 millones para centros de datos de IA
Nvidia anunció esta semana que Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs y KKR están dispuestos a comprometer hasta US$500.000 millones para construir centros de datos de inteligencia artificial. Esta cifra astronómica captó la atención mediática, pero la historia más importante es el esfuerzo de Nvidia por crear un mercado secundario para GPUs envejecidas.
Para convencer a estas grandes firmas financieras, Nvidia ha acordado garantizar, con su propio dinero, que sus chips utilizados como garantía en estos acuerdos mantendrán su valor. La compañía promete que si las GPUs utilizadas como garantía no retienen su valor como se esperaba, cubrirá hasta el 25% de la diferencia.
El riesgo de «dirección equivocada» que enfrenta Nvidia
La parte peligrosa para Nvidia es que esto crea lo que los financieros llaman riesgo de «dirección equivocada». Es decir, las obligaciones de Nvidia aumentarán a medida que la demanda se debilite. Si eso ocurre, sus ingresos probablemente también se verán presionados.
🤖 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 comunidadSin embargo, el esquema es deliberadamente diferente a la comparación con Lucent Technologies que algunos han estado haciendo. Lucent fue el proveedor de equipos de telecomunicaciones que subió y cayó con la burbuja de las puntocom después de prestar dinero a sus clientes para que compraran sus productos.
Nvidia definitivamente ha comprometido miles de millones hacia quienes compran sus chips, incluyendo laboratorios de IA frontera como OpenAI y Anthropic, neoclouds como CoreWeave (el originador del uso de chips Nvidia como garantía) así como Nebius, Firmus y Lambda. Y ha estado trabajando en otros US$750.000 millones en acuerdos circulares este verano, según cálculos de Bloomberg.
¿Por qué Nvidia necesita este plan ahora?
Si este plan funciona, Nvidia habrá encontrado nuevas fuentes de dinero para construir centros de datos de IA, después de que muchos de los métodos tradicionales han comenzado a agotarse. Por ejemplo, algunos de los hyperscalers ya han asumido mucha deuda (como Oracle), emitido nuevos tramos de capital (como Google) y quemado mucho efectivo (como Meta).
La situación se ha vuelto tan delicada que el CEO de Microsoft, Satya Nadella, recientemente recomendó el libro «1873» durante su última llamada de resultados. El libro trata sobre la ingeniería financiera de la era ferroviaria que colapsó la economía de la nación.
El riesgo es que el actual boom de IA, donde la demanda supera con creces la capacidad, no continúe por mucho más tiempo. En lugar de estar en las primeras etapas, ¿qué pasa si las empresas y los consumidores moderan el uso de IA? ¿O si surgen nuevas tecnologías que hagan que la infraestructura existente sea más efectiva y/o que toda la infraestructura de IA actual quede obsoleta?
La visión de Jensen Huang: IA como infraestructura de inversión a largo plazo
Sin embargo, Huang argumenta que eso no sucederá vendiendo una visión de la IA como una «infraestructura invertible a largo plazo», como él la describe. Esto hace que sus servidores de IA, que él llama «fábricas de IA», sean similares a ferrocarriles o aerolíneas en lugar de activos que se deprecian rápidamente como las PC.
«Cuando las necesidades cambian, la fábrica puede ser utilizada por otro cliente, otra nube u otro operador. Este amplio ecosistema le da al cómputo de NVIDIA un mercado profundo de usuarios potenciales y compradores, ayudando a proteger el valor residual», prometió.
En ese futuro, a Nvidia le importa tanto la arquitectura envejecida como los nuevos chips. Y quizás las startups, empresas e incluso investigadores aprovecharán una variedad más amplia de hardware, cada uno ajustado a diferentes necesidades de IA, tal como están comenzando a elegir modelos de pesos abiertos asequibles junto con las opciones frontera.
¿Qué significa esto para tu startup?
Como fundador, el plan de US$500.000 millones de Nvidia tiene implicaciones directas para tu estrategia de infraestructura de IA:
1. Acceso a hardware más asequible en el futuro cercano
El esfuerzo de Nvidia por crear un mercado secundario para GPUs envejecidas significa que dentro de 2-3 años podrías acceder a hardware de IA de gama alta a precios significativamente reducidos. Esto es especialmente relevante para startups que hoy no pueden costear GPUs H100 o Blackwell de última generación.
2. Mayor estabilidad en los costos de infraestructura
Si el plan de Nvidia funciona y estabiliza el valor residual de las GPUs, los proveedores de nube podrán ofrecer precios más predecibles para el acceso a capacidad de IA. Esto te permite planificar mejor tus gastos operativos sin temor a fluctuaciones drásticas en los costos de cómputo.
3. Diversificación de opciones de hardware
La visión de Huang de un ecosistema donde diferentes generaciones de hardware coexistan significa que podrás elegir entre GPUs más antiguas pero aún potentes para ciertas cargas de trabajo, mientras reservas el hardware más nuevo para tareas críticas. Esta flexibilidad te permite optimizar costos sin sacrificar rendimiento.
4. Considera el riesgo de dependencia de un solo proveedor
Aunque el plan de Nvidia es innovador, también refuerza la dependencia del ecosistema en un solo proveedor de hardware. Como fundador, evalúa estrategias de diversificación tecnológica y considera soluciones alternativas como chips personalizados o arquitecturas de software que no dependan exclusivamente de GPUs Nvidia.
Fuentes
🤖 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
