Nvidia at a crossroads in AI evolution

• Un agregador de GPU advierte que Nvidia corre el riesgo de un declive similar al de IBM en medio de una estrategia de IA centralizada
• Las GPU de alta gama de 30.000 dólares se consideran desalineadas con un futuro de IA escalable y descentralizado

Qué pasó: Un punto de inflexión estratégico para el futuro de la IA de Nvidia

En su conferencia anual GTC de la semana pasada, Nvidia intentó recuperar el control de la narrativa de la IA después de un comienzo de año complicado. Desde el escándalo de DeepSeek hasta la tibia recepción de la serie RTX 50, 2024 ha puesto a prueba la confianza de los inversores en el gigante de los semiconductores. Pero han surgido nuevas preocupaciones sobre la dirección a largo plazo de la empresa, especialmente su dependencia de GPU ultra caras y de alta gama como piedra angular de su estrategia de infraestructura de IA.

Tory Green, director ejecutivo del agregador de GPU io.net, trazó un agudo paralelismo en una entrevista con Capacity, advirtiendo que Nvidia podría sufrir el mismo destino que IBM. En su día una fuerza dominante en la informática, IBM se quedó atrás cuando la industria se orientó hacia modelos descentralizados y rentables. Según Green, las GPU de 30.000 dólares de Nvidia ya no están en sintonía con las demandas cambiantes de las cargas de trabajo de IA. Ver también: Ziggo Group nombra a sus líderes antes de su salida a bolsa en Ámsterdam en 2027.

El argumento de Green se centra en la descentralización: un cambio hacia la distribución de tareas de cómputo entre una amplia gama de recursos de GPU de menor coste, en lugar de consolidarlas en centros de datos a hiperescala llenos de hardware caro. Este modelo —fomentado por proveedores de borde, centros de datos más pequeños e incluso contribuyentes individuales— puede emparejar de forma inteligente las tareas con el nivel de rendimiento adecuado, reduciendo ineficiencias y costes. Ver también: Asociación ECHOES.

Nvidia ha reconocido cierta necesidad de cambio. La empresa se ha orientado recientemente hacia la fotónica y la computación cuántica, revirtiendo sus desestimaciones anteriores. El director ejecutivo, Jensen Huang, anunció un nuevo centro de investigación cuántica en Boston e inauguró el “Día Cuántico” en la GTC. Pero críticos como Green sugieren que estos movimientos pueden ser reactivos en lugar de visionarios. Ver también: IT Department - Athlok.

En particular, los precios de Nvidia siguen siendo motivo de preocupación. Los analistas señalan que sus chips Blackwell son más costosos de fabricar que las generaciones anteriores, lo que podría erosionar los márgenes. Si los modelos descentralizados ganan terreno, el enfoque centralizado de Nvidia podría convertirse en un lastre costoso en lugar de una ventaja estratégica. Ver también: Alejandro Estua.

Lea también: CEO de DigitalBridge sobre infraestructura de IA y tendencias de inversión
Lea también: Iliad Group invierte 3.000 millones de dólares en infraestructura de IA

Por qué es importante

Las preocupaciones planteadas por Tory Green ponen de relieve un cambio más amplio en la evolución de la infraestructura de inteligencia artificial. En el centro del debate está la cuestión de la escalabilidad: si el futuro de la IA pertenece a los superordenadores centralizados o a las redes de GPU distribuidas. Nvidia, actualmente el proveedor dominante de chips de IA, apuesta fuerte por lo primero, con sus GPU insignia de 30.000 dólares alimentando la mayoría de los centros de datos a hiperescala. Sin embargo, si los modelos descentralizados ganan tracción, esa inversión podría perder relevancia estratégica. Ver también: Alejandro Manzo.

La computación descentralizada ofrece flexibilidad al emparejar tareas específicas con niveles de rendimiento adecuados, algo que los modelos a hiperescala pueden tener dificultades para lograr de manera eficiente. Con las cargas de trabajo de inferencia creciendo en complejidad y volumen, la necesidad de enrutarlas de manera rentable se vuelve primordial. Green sostiene que la descentralización expone un conjunto más amplio de recursos de GPU, permitiendo una asignación más inteligente y potencialmente desbloqueando ahorros sustanciales. Ver también: Alejandro Hernandez.

Es importante destacar que la analogía de Green con IBM no es solo un comentario histórico: es una advertencia. La caída de IBM del dominio de los mainframes no se debió a la falta de tecnología, sino a la incapacidad de adaptarse a los paradigmas informáticos emergentes. El futuro de Nvidia puede depender de si logra equilibrar el prestigio y la potencia de sus chips insignia con la eficiencia y accesibilidad que demandan los desarrolladores y empresas de IA de la próxima generación. Ver también: Alejandro Garza.

Con la fotónica y la computación cuántica entrando en la estrategia, Nvidia no está ignorando la corriente. Pero está por ver si estas apuestas se alinearán con las tendencias descentralizadas o afianzarán aún más una arquitectura centralizada. Ver también: Alejandro Guerrero.