SANTA CLARA, California — Esta semana, Nvidia ofreció una de las señales financieras más claras hasta la fecha de que el auge de la inteligencia artificial generativa se está convirtiendo en un ciclo de infraestructura a gran escala. El fabricante de chips reportó ingresos de 7190 millones de dólares en el primer trimestre fiscal y proyectó aproximadamente 11 000 millones de dólares para el trimestre actual, muy por encima del ritmo que sugerían sus resultados recientes, ya que la demanda de computación acelerada y entrenamiento de modelos a gran escala impulsa a los clientes hacia sus procesadores para centros de datos.
El informe de resultados de Nvidia del 24 de mayo mostró unos ingresos récord en el sector de centros de datos de 4280 millones de dólares, un 18 % más que en el trimestre anterior y un 14 % más que hace un año. Los ingresos totales aún se situaron un 13 % por debajo de los del mismo periodo del año anterior, debido a que los videojuegos y otros mercados no se han recuperado del todo, pero la previsión de la compañía para el segundo trimestre, de 11 000 millones de dólares (con un margen de error del 2 %), modificó las expectativas sobre la rapidez con la que la demanda de IA podría cambiar su trayectoria de crecimiento.
La IA pasa de ser una historia de software a un ciclo de gasto de capital
El informe trimestral presentado por la compañía ante la SEC deja claro que Nvidia ya no depende principalmente de los gráficos para el consumidor. El negocio de centros de datos se ha convertido en su principal área de negocio, con clientes que incluyen proveedores de servicios en la nube, empresas de internet, grandes corporaciones e instituciones de investigación. El director ejecutivo, Jensen Huang, afirmó que la industria informática está experimentando dos transiciones simultáneas: la computación acelerada y la IA generativa, y que Nvidia está aumentando la oferta para satisfacer la creciente demanda de sus plataformas H100, Grace Hopper, redes y software.
La demanda está ligada a una limitación técnica fundamental. El entrenamiento y la gestión de grandes modelos de lenguaje requieren una enorme capacidad de procesamiento paralelo y un ancho de banda de memoria de alta velocidad. Las CPU convencionales pueden realizar estas cargas de trabajo, pero con una eficiencia mucho menor que los aceleradores especializados. Nvidia ha dedicado años a desarrollar un ecosistema de software en torno a CUDA y una cartera cada vez mayor de GPU, interconexiones y productos de red, lo que le otorga una sólida posición ante la prisa de los desarrolladores por implementar modelos inspirados en sistemas como ChatGPT.
Las alianzas empresariales muestran hacia dónde se dirige el gasto
La semana anterior a la presentación de resultados, Nvidia y ServiceNow anunciaron una alianza en inteligencia artificial generativa para desarrollar modelos de lenguaje personalizados para flujos de trabajo empresariales. Este acuerdo es importante porque extiende la IA generativa más allá de los chatbots públicos, integrándola en procesos internos de negocio como la atención al cliente, el soporte técnico y la productividad de los empleados.
El 23 de mayo, Dell y Nvidia presentaron Project Helix, un modelo para empresas que desean crear y ejecutar sistemas de IA generativa en su propia infraestructura. Esta solución combina servidores y almacenamiento Dell con GPU Nvidia H100, redes y software AI Enterprise, dirigido a organizaciones que buscan acceder a capacidades de modelos complejos sin almacenar información propietaria exclusivamente en nubes públicas.
Nvidia también anunció una integración con Microsoft que incorporará el software Nvidia AI Enterprise a Azure Machine Learning. Esta colaboración ofrece a los desarrolladores una vía segura para entrenar, optimizar e implementar modelos utilizando la nube de Microsoft, aprovechando los marcos de trabajo y aceleradores de Nvidia.
La estrategia de plataforma va más allá de un solo chip
La ventaja de Nvidia no se limita al H100. En su conferencia GTC de marzo, la compañía presentó cuatro plataformas de inferencia orientadas a diferentes cargas de trabajo de IA generativa, incluyendo el H100 NVL para modelos de lenguaje complejos, L4 para vídeo con IA y Grace Hopper para sistemas de recomendación. La estrategia consiste en ofrecer una solución integral: procesadores, redes, sistemas y software que los desarrolladores pueden utilizar desde el entrenamiento hasta la inferencia.
Esto es importante porque la inferencia —el proceso de ejecutar un modelo entrenado para generar respuestas, imágenes o recomendaciones— puede llegar a consumir tanta o más capacidad de procesamiento que el propio entrenamiento. A medida que las aplicaciones de IA generativa pasan de ser experimentos a productos utilizados por millones de personas, la demanda puede variar, pasando de unas pocas ejecuciones masivas de entrenamiento a una infraestructura de servicio constante e ininterrumpida.
Un pronóstico extraordinario aún conlleva riesgo de ejecución
La previsión de ingresos de 11.000 millones de dólares implica un aumento secuencial drástico, y lograrlo dependerá de la oferta. Las GPU avanzadas dependen de la fabricación de semiconductores de vanguardia y de un empaquetado sofisticado, ambos con capacidad limitada. Nvidia ha declarado que está trabajando con sus proveedores para aumentar la producción, pero el ritmo de la demanda plantea la posibilidad de que los clientes se enfrenten a largos plazos de entrega.
La competencia también se está intensificando. Advanced Micro Devices está preparando nuevos aceleradores de IA, los principales proveedores de servicios en la nube están desarrollando chips propios y las startups están incursionando en segmentos especializados del mercado del aprendizaje automático. Los clientes que actualmente dependen en gran medida de Nvidia tienen fuertes incentivos para diversificar sus proveedores si la capacidad sigue siendo limitada o los precios aumentan.
Por ahora, sin embargo, los resultados trimestrales de la compañía sugieren que la IA generativa está creando un ciclo de gasto lo suficientemente grande como para compensar la debilidad en otros sectores tecnológicos. Nvidia comenzó el año como el principal proveedor de aceleradores de IA de alta gama. Finaliza mayo con una previsión financiera que indica que el mercado de estos sistemas se está expandiendo mucho más rápido de lo que muchos inversores esperaban hace tan solo unas semanas.
