Nvidia: precios de GPU altos por financiación circular

Qué reveló el informe del Wall Street Journal sobre Nvidia

Una investigación del Wall Street Journal sobre Colette Kress, la CEO interina de Nvidia, puso sobre la mesa una acusación que la compañía venía esquivando desde hacía más de un año: que financió a sus propios clientes para sostener la demanda —y los precios— de sus chips. Según el reporte, Nvidia empujó más acuerdos entre mediados y fines de 2026 para absorber un excedente de obleas de TSMC y mantener los precios de las GPU altos.

Para un founder que compra cómputo, esto no es un chisme corporativo. Es una de las explicaciones de por qué su factura de GPU subió mientras el discurso oficial hablaba de escasez.

El contexto importa: Jensen Huang, cofundador y CEO durante 33 años, dejó el cargo el 12 de noviembre, según GameRant, tras revelaciones sobre relaciones extramatrimoniales. Una de ellas con Alice Huang (sin parentesco), cuya empresa Megaspeed era sospechada por la inteligencia estadounidense de desviar chips de Nvidia a China violando las regulaciones de exportación. El presidente Trump y el Departamento de Justicia señalaron que eso no está determinado.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Financiación circular: cómo Nvidia financiaba a sus propios clientes

La mecánica, según la investigación del WSJ reseñada por GameRant: Nvidia exploró entregar miles de millones de dólares en garantías financieras a startups que de otro modo no podían pagar sus chips. Los acuerdos apuntaban a proveedores de nube y desarrolladores de data centers, con la idea de convertir en clientes de largo plazo a empresas con poca capacidad de compra.

Dos vicepresidentes, Nico Caprez —yerno de Huang, que entró a la compañía a comienzos de 2024 como gerente de desarrollo corporativo— y Raj Mirpuri, empezaron a promover estos esquemas de soporte crediticio en la primavera de 2026 y atrajeron el interés de decenas de empresas. El respaldo de Nvidia permitía a esos clientes conseguir préstamos a tasas favorables, y la fabricante de chips proponía quedarse con una parte de sus ingresos futuros.

Ese es el corazón de la «financiación circular»: un proveedor que financia la demanda de su propio producto. NBC Bay Area recuerda que Nvidia tiene casi el 13% de CoreWeave, la neocloud que compra chips de Nvidia y alquila capacidad de cómputo; también mantiene acuerdos de financiación con OpenAI y Nebius. Cuando las acciones de Nvidia cayeron el jueves, las de CoreWeave se desplomaron 7%.

La práctica no es nueva en la compañía. La fuente original recuerda que desde al menos el año anterior Nvidia era acusada de prolongar el boom de la IA apoyando a las empresas que compran sus chips, y que Huang y Kress salieron a defender a la empresa de las comparaciones con Enron, que usó tácticas similares para ocultar deuda antes de su colapso en 2001.

La «avalancha» de chips y el freno interno

Dentro de Nvidia, el esquema generó resistencia. Kress cuestionó cómo se seleccionaban los prestatarios, cómo se valuaban las garantías y cómo se calculaban los retornos. En una reunión de agosto de 2026 con ejecutivos de finanzas, Huang describió como una «avalancha» el volumen de obleas y memoria que la compañía se había comprometido a comprar, en su mayoría a TSMC, justo cuando los grandes proveedores de nube exploraban procesadores alternativos. En esa misma reunión, según el WSJ, llamó a Kress «un ciervo frente a los faros».

Kress ayudó a reducir un respaldo financiero propuesto para un proyecto de data center de OpenAI en Ohio, y Nvidia terminó divulgando un tope de US$105.000 millones a su exposición en garantías, según GameRant. Hacia fines de agosto, la empresa pausó algunas propuestas de financiación e introdujo mayor supervisión del directorio. El acuerdo con OpenAI que menciona la fuente original incluía en su versión inicial un respaldo de US$250.000 millones para el mayor data center del mundo.

En octubre, ya sin las garantías en marcha, Huang seguía defendiendo el poder de fijación de precios: advirtió a clientes de nube contra concentrar demasiado inventario en pocos compradores. En una conferencia en Berlín contó la historia de un vendedor japonés de sopa que se negó a darle una segunda porción tras una larga fila, porque tenía demasiados clientes y poca sopa. El mensaje era claro: base de clientes diversa y precios altos. La lectura de la fuente original es que la financiación circular inflaba los precios al crear la percepción de demanda alta.

El costo en mercado también fue visible. NBC Bay Area señala que las acciones cayeron más de 30% desde el máximo histórico de octubre y otro 5% el jueves. Huang, según la fuente original, estaba preocupado por la valuación: el múltiplo promedio mensual de la acción quedaba muy por detrás del de otras grandes tecnológicas.

Cuánto subieron las GPU en 2026

El impacto en el bolsillo es medible. El análisis de precios de TechSpot de noviembre, replicado por TweakTown, encontró que las tarjetas gráficas se venden en promedio 44% por encima de su MSRP, con un alza del 11% en el último mes y de alrededor del 35% en tres meses, sobre una muestra de 10 países.

La RTX 5090 promedia 262% por encima de su MSRP de US$1.999; el modelo más barato disponible en EE. UU. llegó a US$9.400, un 370% sobre el precio de lista.
La RTX 5080 más barata en EE. UU. se listó en US$2.200, contra un MSRP de lanzamiento de US$999.
La RTX 5070 Ti cotiza en US$1.250 (67% sobre su MSRP de US$749) y la Radeon RX 9070 XT de AMD en US$870, 45% sobre los US$599 de lista.

El motivo de fondo es la memoria. Los data centers de IA absorben la capacidad de fabricación de DRAM y NAND que antes iba a RAM y almacenamiento de consumo. IGN señala que el die GB202 que alimenta la RTX 5090 también mueve nueve GPU de estación de trabajo y data center, y que la RTX Pro 6000 Blackwell ronda los US$18.000, casi el doble que la 5090. Con ese diferencial, priorizar el chip para el segmento empresarial es una decisión de margen, no de cariño por el gaming.

Qué significa esto para tu startup

Tres lecturas prácticas.

1. Tu costo de cómputo no va a bajar por esperar. Si tu roadmap depende de comprar GPU propias, el escenario de 2026 sugiere lo contrario: la fuente original describe precios de GeForce superando el 160% de su MSRP y una RTX 5090 prácticamente inobtenible. Antes de presupuestar hardware, modela un escenario con precios muy por encima de lista y compara si el capex se justifica frente a alquilar capacidad por hora.

2. Diversifica proveedores, y no solo por precio. Cuando un proveedor financia a sus clientes, la relación deja de ser puramente comercial: hay incentivos cruzados. Si tu proveedor de nube tiene a la vez deuda o equity del fabricante de chips, su continuidad depende de la salud de toda la cadena. Pregunta explícitamente por la estructura de financiación de tus proveedores críticos y evalúa el riesgo de concentración.

3. La gobernanza es un riesgo de negocio, no un tema de compliance. El caso muestra cómo un esquema agresivo de financiación a clientes puede terminar en topes de exposición de miles de millones, supervisión del directorio y la salida abrupta del CEO. Si tu startup hace revenue financing, venture debt o garantías a clientes, define desde el inicio un límite de exposición y un comité que lo revise. Lo que en Nvidia requirió un directorio, en tu empresa lo puede resolver una política escrita de una página.

Conclusión

La historia de Nvidia en 2026 es menos sobre chips y más sobre incentivos. Financiar a tus clientes para sostener la demanda funciona hasta que deja de funcionar: cuando el inventario comprometido llega, los compradores buscan alternativas y el costo del capital se ajusta. Para un founder hispanohablante que construye con IA, la lección es doble: presupuesta el cómputo con margen para un mercado que no se abarata, y trata la gobernanza financiera como una ventaja competitiva en lugar de burocracia. El proveedor más barato hoy puede ser el más caro mañana si su modelo depende de financiar a quien le compra.