Nvidia roza los US$100B trimestrales con US$96B en Q2 FY27

Nvidia entra en territorio de los US$100.000M trimestrales

Nvidia reportó US$96.221M en ingresos durante el segundo trimestre fiscal 2027 (cerrado el 26 de julio de 2026), un salto del 106% interanual y del 18% frente al trimestre anterior. El segmento de centros de datos aportó US$89.020M, con crecimiento del 117% interanual, según el comunicado oficial que la compañía publicó el 26 de agosto de 2026 (recogido por Business Insider Markets). Para el siguiente trimestre, Nvidia guió a US$108.000M ±2% en ingresos, lo que la convertiría, según The Verge, en la cuarta empresa en alcanzar la barrera de los cien mil millones de dólares en un solo trimestre —junto a Amazon, Apple y Alphabet, que ya lo hicieron en repetidas ocasiones.

El beneficio neto GAAP del trimestre fue de US$59.688M (+126% YoY) y el margen bruto se mantuvo en 75,0%. La acción subió alrededor de un 5% tras la publicación del guidance, según CNBC, y la compañía devolvió US$26.000M a los accionistas entre recompras y dividendos.

Los centros de datos ya son casi todo Nvidia

El dato clave para cualquier founder que trabaje con infraestructura de IA es este: los centros de datos representan alrededor del 92% del negocio de Nvidia. El área de edge computing, que incluye el negocio histórico de consumo y gaming, apenas sumó US$7.200M en el trimestre (un +27% YoY), y la propia Nvidia reconoció «ventas más lentas de PC de consumo atemperadas por precios elevados de memoria y sistemas».

🤖 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

Dentro de la división de centros de datos, además, el negocio de redes creció 138% interanual, según el análisis de 247 Wall St. Esto confirma que el stack de Nvidia va mucho más allá del chip: switches, fabrics y software son ya una parte sustancial del valor capturado.

El motor del trimestre fue la plataforma Vera Rubin, que entró en producción completa durante el Q2 FY27, desplegada en hyperscalers como Google Cloud, Microsoft Azure y Oracle Cloud Infrastructure. El CEO Jensen Huang lo resumió así en la llamada con analistas: «La IA ha alcanzado su punto de inflexión. Está haciendo trabajo útil. Sus tokens son productivos y rentables. Ahora, el cómputo es ingreso».

Por qué la guía a US$108.000M importa más que el reporte

Más que el récord actual, lo que movió al mercado fue la guía para el Q3 FY27 y, sobre todo, para el ejercicio fiscal 2028 completo: la CFO Colette Kress apuntó a un crecimiento de ingresos del 70%, frente al 44% que esperaba el consenso de analistas según LSEG (recogido por CNBC). Nvidia enmarcó esa cifra como una proyección limitada por restricciones de oferta, no por demanda.

La magnitud del backlog respalda esa lectura: los compromisos de suministro de Nvidia ascienden a US$279.000M, gran parte vinculados a compras de memoria para Vera Rubin, según 247 Wall St. El guidance de US$108.000M para Q3, además, excluye explícitamente cualquier ingreso de cómputo a China, donde los envíos de chips Hopper representaron menos del 1% de los ingresos de centros de datos en Q2.

Otro punto relevante: la compañía aún tiene US$99.000M disponibles bajo su autorización de recompra de acciones, lo que la deja margen para seguir devolviendo capital mientras ejecuta su plan de capex.

El nuevo mapa competitivo: los clientes de Nvidia se vuelven rivales

El verdadero riesgo de largo plazo para Nvidia no es AMD ni Intel; son sus propios clientes. Como publicó Yahoo Finance, OpenAI, Google y Amazon —los tres mayores compradores de chips Nvidia— están desarrollando silicio propio para reducir su dependencia.

OpenAI presentó esta semana su chip Jalapeño, desarrollado con Broadcom, que según la compañía entrega 1,5 a 1,9 veces más trabajo de IA por vatio y 1,7 a 3,6 veces menor latencia end-to-end que los sistemas Nvidia GB200 y GB300 en benchmarks de inferencia con GPT-OSS 120B, DeepSeek R1 y Kimi K2.5 1T. OpenAI planea desplegarlo en su propia infraestructura a finales de 2026.
Alphabet ya va por la octava generación de sus TPUs, usadas internamente y ofrecidas vía Google Cloud.
Amazon mantiene su línea Trainium / Inferentia.
Anthropic anunció en agosto el desarrollo de chips propios para Claude, con un horizonte de 18 meses a 3 años según reportes recogidos por Geeky Gadgets.

En el campo x86, según The Motley Fool, Nvidia controla entre el 80% y el 90% del mercado de GPUs para centros de datos de IA, con un segmento de data center que en su último año fiscal movió alrededor de US$194.000M —más de 11 veces el negocio completo de AMD en data center. AMD, eso sí, está tomando impulso: sus ingresos de data center crecieron 57% interanual en la primera mitad de 2026 y cerró compromisos multianuales con OpenAI y Meta. Intel, mientras tanto, apenas aparece: sus aceleradores Gaudi no generaron tracción significativa y su próximo chip de IA para data center no llegará hasta bien entrado 2027.

Qué significa esto para tu startup

Si estás construyendo sobre infraestructura de IA, este trimestre de Nvidia no es una curiosidad financiera: es una señal de hacia dónde se mueven los costes, la oferta y la arquitectura del stack. Algunas implicaciones prácticas:

El cómputo se ha vuelto el cuello de botella del producto. La frase de Huang —»el cómputo es ingreso»— describe exactamente el mundo en el que operas como founder: tokens productivos equivalen a compute productivo, y el precio del compute define tu margen. Construye tu unit economics con esa mentalidad desde el día uno.
Los precios de la memoria y los GPUs seguirán al alza. Nvidia advirtió explícitamente sobre subidas de precios en sus chips de IA, y la escasez mundial de memoria no muestra señales de aflojar. Si tu roadmap depende de GPUs Nvidia, bloquea capacidad y precio con contratos anuales en vez de comprar spot; y modela tus costes con escenarios de precios al alza, no planos.
Diseña tu arquitectura para ser portable. Si hoy entrenas o sirves en Nvidia, asume que en 18-36 meses una parte creciente de la inferencia podrá correr en TPUs de Google, Trainium de AWS, MI400 de AMD o chips propios de OpenAI/Anthropic. Evita lock-in profundo con kernels, formatos o tooling propietario de un solo vendor. Modelos abiertos y frameworks中立 te dan opcionalidad real.
Piensa en «Vera Rubin-ready» desde el diseño. El ciclo de plataforma de Nvidia se acelera. Si estás eligiendo hardware hoy, optimiza para el roadmap de la próxima generación, no para la actual: la diferencia de TCO entre una plataforma en end-of-life y una recién salida puede ser de varios múltiplos.
El hedge ya no es opcional. Nvidia sigue reinando, pero la lista de alternativas crece trimestre a trimestre. Mantén un pequeño plan B que pueda ejecutarse en una noche si un proveedor cierra el grifo, sube precios o sufre un incidente de cadena de suministro. En 2026, esa flexibilidad es tan importante como el producto mismo.