Transcripción de NVIDIA: Jensen Huang sobre la justificación del capex, la expansión de fosos de infraestructura y los cuellos de botella de la IA
16 de octubre de 2026: Discusión a fondo sobre el capex en IA, el escalado de cómputo, la IA física y el camino hacia la superinteligencia
Una semana en la Casa Blanca y la Medalla Nacional de Ciencia
Jensen Huang: Este es un problema existencial para nosotros. Podríamos parar fácilmente, pero si paramos hoy, perdemos. La funcionalidad, la capacidad, la seguridad y la protección están exactamente en el mismo lugar. Prioridad número uno.
Brad Gerstner: Es nuestro tercer pódcast juntos. En los últimos 10 días, has estado en la cena de Estado en la Casa Blanca. Estuviste en la cumbre de la Casa Blanca donde firmamos el acuerdo sobre la superinteligencia y, justo ayer, estabas allí con tus padres cuando el presidente te entregó la Medalla Nacional de Ciencia. Eras el único inversionista en la mesa. Dime, al estar ahí con tus padres ayer, me llamó la atención: cinco de las seis personas en el escenario nacieron fuera de Estados Unidos. ¿Cómo se sintió eso?
Jensen Huang: Bueno, primero que nada, ¡es un gran honor por derecho propio, verdad? Y es un reflejo de la contribución que la compañía ha hecho. Obviamente, creamos, inventamos un nuevo modelo de computación. Este es probablemente el modelo de computación más omnipresente en el mundo hoy en día. Es la única arquitectura informática que está en todas las nubes. Está en todas las empresas de computación. Se utiliza en todos los campos de la ciencia. Lo usan los videojugadores. Lo usan los creadores y constructores, y lo usan los científicos. Impulsa la inteligencia, ¿verdad? Si das un paso atrás y miras lo que la compañía ha logrado, empezamos construyendo un chip gráfico para videojugadores, y todavía estoy orgulloso de eso, por supuesto. Y ahora hemos enviado 1.670 millones de unidades. Así es como hemos criado a generaciones de científicos, niños y diseñadores. Así que creo que el impacto que... y aquí estamos, somos la infraestructura que impulsa la inteligencia de la sociedad. Es un momento de orgullo increíble para mí recibir el premio en nombre de la compañía.
Jensen Huang: Ahora bien, en cuanto a mis padres, quería que fueran y literalmente les di 24 horas de aviso previo, y ellos no viajan tanto. Mi papá ni siquiera tenía traje.
Brad Gerstner: Vaya.
Jensen Huang: Sí. Así que salió corriendo y se compró un traje, y se veía muy bien. Se veían muy bien. Era un traje completamente nuevo y se presentó. No sabía que tenía traje. Pensé que solo se pondría una camisa cualquiera, y fue y se compró un traje. Mi mamá se consiguió un vestido nuevo, literalmente en 24 horas.
Brad Gerstner: Sí. Oh, ya sé cómo funciona. Ay, Dios mío. Es increíble.
Jensen Huang: Y así que les fletamos un avión, los llevamos allí, y estaban tan felices de conocer al presidente. El presidente Trump acompañó a mi mamá porque le cuesta caminar, y los dos iban bajando del escenario, y él la sostuvo y la acompañó por la escalinata. Estaban increíblemente orgullosos de conocerlo. Pero para ellos, es su sueño americano. Todavía recuerdo a mi papá, creo que yo tenía unos 5 años más o menos, y acababa de regresar de Estados Unidos de un viaje de negocios. Trabajaba para una empresa de aire acondicionado.
Brad Gerstner: Y vivían en Taiwán.
Jensen Huang: En ese momento, acabábamos de mudarnos a Tailandia... oh no, no, estábamos a punto de mudarnos a Tailandia, y estábamos en Taiwán. Él había regresado y estaba en Estados Unidos trabajando para una empresa llamada Carrier, su compañía de aire acondicionado, y estaba aquí para recibir capacitación. De todos los lugares del mundo, lo mandaron a aterrizar en Nueva York. Pueden imaginarse a un joven de unos veintitantos años, que nunca había salido de Taiwán, yendo a Estados Unidos, nada menos que a la ciudad de Nueva York. Y vio el futuro del futuro, y regresó con la mente totalmente blown (volada). Todas las cosas que compró en el aeropuerto, las trajo de vuelta. Trajo chocolate. Trajo ese queso que viene en un tubo de los viejos tiempos. Es como un queso blanco extraño, viene en un tubo. Es genial. Trajo todo tipo de cosas extrañas y dijo: "Esto es... deberíamos ir allí algún día". Y a la primera oportunidad que tuvieron, nos mandaron a mi hermano mayor y a mí a Estados Unidos, y ese era su sueño.
Brad Gerstner: No creo que mucha gente se dé cuenta de que viniste a Estados Unidos antes que tus padres.
Jensen Huang: Sí, claro.
Brad Gerstner: Y ellos se unieron unos años después. Pero me cayó como balde de agua fría que cinco de las seis personas en ese escenario ayer nacieran fuera de Estados Unidos. Tú y yo hemos hablado de la necesidad de una estrategia real y de una política de inmigración que asegure que sigamos siendo el lugar al que todos los grandes constructores del mundo quieran venir a construir.
La superpotencia de Estados Unidos
Jensen Huang: Esta es la superpotencia de Estados Unidos. En muchos sentidos, la capacidad de creación de propiedad intelectual de nuestra nación no se parece a nada en el mundo, y la razón de ello es que atraemos a los mejores del mundo. Somos el lugar donde quieren venir a construir sus vidas debido a la libertad que ofrece, la oportunidad que proporciona, el espíritu de invención y espíritu empresarial, y la actitud de "sí se puede". En Estados Unidos, todo es posible. Empezamos pensando que, por supuesto que es posible, por supuesto que podemos hacerlo, en lugar de... Viajo mucho... por supuesto que no puedes hacer eso en otros lugares. Lo damos por sentado, pero el espíritu, la energía que surge con la cultura que hemos creado aquí, simplemente no se puede subestimar. Creo que la entrada de propiedad intelectual a este país no se parece a nada que el mundo haya visto jamás.
Brad Gerstner: Es verdad. Y queremos eso. Queremos que todas las grandes mentes del mundo vengan aquí, traigan sus grandes ideas, las hagan realidad aquí y mantengan ese volante de inercia (flywheel) girando.
Jensen Huang: Es un sistema delicado. Es un equilibrio delicado, lo entiendo. Y por eso tenemos que hacerlo conforme a la ley, hay que hacerlo correctamente, pero sin duda queremos hacerlo.
Entrando a la singularidad: ¿Dónde estamos ahora?
Brad Gerstner: Sí, por supuesto. Entonces, quiero empezar desde un nivel general, más o menos dónde estamos. Luego quiero profundizar un poco en la seguridad y la regulación, y en hacer las cosas bien, en dónde estamos en términos del despliegue de cómputo. Y finalmente, terminaremos profundizando un poco en el crecimiento de Nvidia y lo que está pasando ahí. Pero has sido muy bueno pronosticando el futuro. Hace dos años, estábamos sentados aquí y dijiste que el mercado estaba subestimando drásticamente la cantidad de infraestructura de cómputo que se iba a requerir y que iba a suceder en el transcurso de los próximos cinco años. Dijiste que no iba a ser de 1 billón de dólares, sino de un mínimo de 2 billones de dólares en términos de despliegue acumulado de cómputo. Y por supuesto, ahora ya superamos eso. Dijiste antes de que todos lo pensaran que el cómputo de inferencia iba a multiplicarse por mil millones debido al razonamiento y pensamiento en el momento de la inferencia. Y luego, el año pasado, por supuesto, antes de ver Opus 4.6, antes de ver Claude Code, dijiste que estamos entrando en la era de los agentes, donde vamos a liberar muchas de estas capacidades. Y por supuesto, vimos que Opus 4.6 y Claude Code despegaron de verdad. Entonces, ¿dónde estamos ahora? Tenemos a Elon, Sam y...
Jensen Huang: ¡Solo tres cosas que dije se hicieron realidad! Hay otras 200. ¿Por qué no te quedas con esas? Dejemos que eso sea el pódcast.
Brad Gerstner: Así que nuestro día del inversionista en un par de semanas trata sobre entrar en la singularidad, esta aceleración. Tenemos a Elon, Sam y Demis diciendo: "Oigan, estamos en las estribaciones o entrando en la singularidad". Tenemos modelos resolviendo Navier-Stokes, como sabes. Entonces, cuando miras en tu bola de cristal, ¿dónde estamos y estamos inflexionando, estamos acelerando hacia una fase diferente de superinteligencia?
Jensen Huang: Desglosemos eso primero. En primer lugar, es muy razonable y lógico por qué la cantidad de cómputo que vamos a necesitar es mil millones de veces mayor que la que teníamos hace poco, digamos el año pasado. Y la razón de ello es porque el pensamiento y la resolución de problemas requieren muchas más inferencias que repetir algo, regurgitar algo que memorizaste. Cuando eres ChatGPT, le das un prompt, la mayor parte de ese conocimiento estaba codificado en el modelo de lenguaje grande (LLM). Desafortunadamente, por supuesto, alucinaba, y por lo tanto el siguiente clic era generativo, pero también estaba fundamentado o condicionado por la verdad fundamental (ground truth).
Brad Gerstner: Sí.
Jensen Huang: Y por lo tanto tenía que salir y hacer una búsqueda rápida, regresar con la verdad fundamental y, a partir de ese acondicionamiento, aumentado con lo que ya había aprendido en el preentrenamiento, generaría cualquier respuesta que fuera. Bueno, la mayoría de las cosas que realmente queremos hacer que son interesantes requieren que razones paso a paso, que propongas varias opciones, planifiques, y podrías decidir: veamos cómo se despliega todo esto. Y luego, basándose en las respuestas de todas ellas, reflexiono sobre la mejor respuesta hasta el momento, el mejor camino hasta el momento. Podría elegir uno, dos o tres de ellos, desarrollarlos, podar el resto, y luego simplemente sigues haciendo esto. La gente hace esto. Esa es la razón por la que decimos que a los grandes estrategas les encanta la opcionalidad estratégica. No quieres podar las cosas demasiado rápido por un lado, pero también tienes que optimizar tus recursos. Las IA están haciendo eso. Mantienen su opcionalidad estratégica, despliegan cosas, podan, reflexionan, podan, y así sucesivamente. Todo ese pensamiento, toda esa exploración simplemente requiere mucho más cómputo. Además de eso, debido a que ahora puede hacer cosas productivas, lo vamos a usar para más cosas. La combinación de ambas cosas: utiliza más cómputo para hacer su trabajo, pero está haciendo un buen trabajo y, por lo tanto, vamos a contratarlo para hacer más trabajos.
Brad Gerstner: Exactamente.
Jensen Huang: Y todo eso se acumula. En este punto, la gran observación del año pasado es que, por un lado, queremos que los modelos sean cada vez mejores, y las leyes de escala de los modelos van a continuar. Sin embargo, la fijación de un arnés, básicamente el exoesqueleto del modelo de lenguaje grande (el cuerpo del cerebro que le permite administrar la memoria de trabajo, administrar el conocimiento). ¿Cómo pasas de la memoria de trabajo a la de corto plazo, a la de largo plazo y, básicamente, a formular tu grafo de conocimiento, que es lo que todos hacemos? Más o menos pensamos en qué aprendí y cómo encaja con todo lo que sé del pasado. Cuando nos vamos a dormir, hacemos una compactación: las cosas que no tienen sentido o no importan, eventualmente las olvidamos, pero las cosas que importan de alguna manera se vuelven a conectar. Hacemos eso sin conexión (offline). Así que tenemos memoria de trabajo, tenemos extracción de conocimiento sin conexión y creación de grafos de conocimiento. Toda esa parte de la memoria es un gran problema.
Jensen Huang: Lo otro es el uso de herramientas. Le enseñamos a estas IA cómo interactuar con las herramientas más importantes que los humanos hayan creado jamás. No es diferente a si un robot entra a nuestra casa; es más probable que uses todas las herramientas que tengo en la casa a que salgas y las construyas desde cero. SPICE sigue siendo útil, Verilog será útil, los simuladores serán útiles, los compiladores de diseño, Photoshop, AutoCAD, Dassault Systèmes, CATIA y todas las herramientas de Siemens; todas estas diferentes herramientas que hemos estado usando para dirigir nuestras empresas, construir nuestras empresas, diseñar cosas, operar cosas, todas van a ser excelentes herramientas para que los agentes las usen. Pero los agentes tuvieron que aprender a usarlas. Estas dos áreas —el conocimiento y la memoria de trabajo, y el uso de herramientas— fueron grandes logros desbloqueados en el último año.
Jensen Huang: Ahora, de repente, puedes poner estos modelos de lenguaje grande encapsulados en su arnés o exoesqueleto dentro de tu empresa, conectarlos con la verdad fundamental que tienes, conectarlos con las herramientas que pueden usar, y de repente empiezan a hacer cosas asombrosas. La parte más fácil, francamente, fue la programación. Ese es el primer punto de entrada al trabajo útil. En muchos sentidos, la programación es fácil porque tanto el cliente como el trabajo, las herramientas que usan, están bastante acostumbrados a cosas que tienen un uso tremendo pero que no son extremadamente fáciles de usar. En los primeros días de la programación, no era extremadamente fácil de implementar, pero los ingenieros de software encontraron la manera. Ahora, el siguiente clic para nosotros —y ustedes probablemente han estado jugando con OpenAI Astra. Astra es realmente fantástico, y lo estamos usando en todos estos lugares diferentes—. Ahora bien, la siguiente fase de estos agentes es que pueden hacer trabajos de diseño y una gran cantidad de trabajo de marketing creativo. Lo estamos usando para tomar una foto, dársela a Astra, y literalmente la recrea en CAD.
Brad Gerstner: Sí.
Jensen Huang: La recrea en CAD, lo cual es increíble porque necesitamos el CAD para poder interactuar con el CAD y hacer ajustes y modificaciones precisas. Astra realmente nos pudo dar la primera implementación inicial, increíblemente productiva. Ahora tomas Astra y la última versión y la aplicas a todos estos dominios diferentes. Además de la ingeniería de software, vamos a ver a diseñadores, constructores, creadores, científicos, toda esta área abriéndose paso. Ahora el desafío, por supuesto, es cómo implementamos agentes de manera segura y protegida en las empresas del mundo. Esta es exactamente la misma pregunta de nuevo con la seguridad y la protección, y hablaremos de eso.
Brad Gerstner: Lo que me llama la atención es que todo esto ocurrió este año con OpenAI y Anthropic teniendo quizás entre 2 y 3 gigavatios de cómputo cada uno. Una cantidad de cómputo relativamente pequeña en comparación con lo que viene. La forma en que funciona la economía en general o cómo la gente modela una empresa es una desaceleración lineal; no son muy buenos modelando la aceleración. Pero aquí tenemos esta doble exponencial: cantidades masivas de nuevo cómputo entrando en juego. Si OpenAI y Anthropic multiplican su cómputo por entre 3 y 5 el próximo año, ¿tiene sentido —resolvimos Navier-Stokes; miraremos hacia atrás en el tiempo y diremos que eso fue una cantidad minúscula de cómputo e inteligencia, la peor inteligencia que vamos a tener de aquí en adelante, resolviendo un problema del milenio—. Cuando miras lo que saldrá al mercado el próximo año, ¿esperas que tengamos grandes avances en problemas agénticos de larga duración en los que podamos usar estos enjambres de agentes?
Navier-Stokes y la caída del costo de la inteligencia
Jensen Huang: Navier-Stokes es realmente un gran ejemplo. Recuerda, OpenAI no resolvió Navier-Stokes de la nada. Lo resolvieron a partir de los cimientos de muchos grandes científicos, muchos grandes matemáticos y una gran cantidad de trabajo previo. Antes dije que estamos en el punto de inflexión de muchos de estos campos diferentes porque estamos en ese punto con Navier-Stokes, con una gran cantidad de trabajo fundamental ya hecho. Si tan solo pudiéramos aplicar la exploración exhaustiva de la IA al trabajo realizado anteriormente, vamos a ver un avance tras otro con bastante rapidez. Pero sí necesitamos mucho cómputo para hacer eso. La razón de ello es porque se necesitaba una gran cantidad de exploración. Si simplemente fuera alguien resolviendo alguna teoría fundamental de primeros principios para descubrir el avance, si no requiriera una vasta cantidad de exploración del espacio de búsqueda —no del espacio exterior, sino del espacio de búsqueda—, si no requiriera eso, alguien lo habría encontrado antes. La gente es bastante inteligente. Hay muchos problemas como este que están justo en un precipicio y realmente solo quieren tener esa cantidad masiva de exploración de inteligencia para llevarnos allí.
Jensen Huang: En los próximos años, mi expectativa es que el costo de la inteligencia baje con bastante rapidez. La razón de esto es porque, obviamente, estamos aportando más cómputo y estos modelos se están volviendo más inteligentes. Cuando eres más inteligente, puedes ser más eficiente. La combinación de estas dos cosas significa que el costo de la inteligencia disminuirá, lo cual es, por supuesto, lo que quieren. Esto no es diferente a la ley de Moore. Si te remonta a más de 3onga y tantos años, tenemos tres décadas de costos de computación disminuyendo por un factor de 2 cada año. Queremos que el costo de la inteligencia disminuya por un factor de 2 o 20 cada año, porque el consumo de esta va a compensarlo con creces. Hay un vacío masivo y vacío de oportunidades, y solo tenemos que bajar el costo.
Brad Gerstner: Lo que me llama la atención de Navier-Stokes es que tenían 10.000 agentes trabajando juntos en esto. Eso suena como una empresa de hiper escala, básicamente todos apuntando agentes a trabajar juntos hacia una meta. En este momento, hay mucha exploración de búsqueda paralela, pero el objetivo es que más de estos agentes puedan trabajar juntos hacia una meta común y resolver mucho más. Para tu punto, nuestras matemáticas dicen que probablemente costó alrededor de 4 millones de dólares en cómputo resolver esta instanciación de Navier-Stokes. El costo de hacer algo así en los próximos años va a caer entre 5 y 10 veces más. La cantidad de cosas que vamos a poder hacer se está expandiendo rápidamente.
Jensen Huang: Nuestra ambición se va a disparar por las nubes. El GPT original probablemente costó, elige un número, tal vez 20 millones de dólares si querías entrenar GPT-1. Ahora probablemente te costaría 100 dólares.
Brad Gerstner: Sí.
Jensen Huang: Pasaste de 20 millones o 10 millones a 100 dólares, y lo hicimos en 10 años. Mientras tanto, nuestra ambición se volvió tan grande que los modelos que estamos entrenando ahora son de 3 billones, 10 billones, 30 billones de parámetros; estamos hablando de modelos gigantescos ahora. Nuestra ambición para las capacidades de la tecnología ha aumentado. Mientras tanto, nuestro uso de ella ha aumentado entre hace 10 años y ahora probablemente 1 millón de veces. No creo que esta tendencia se vaya a detener. Hay una demanda bastante insaciable de inteligencia. Cuanto más inteligente eres, más inteligente te vuelves, más ideas de aplicar la inteligencia tienes. Cuanto más he aprendido en la vida, más me doy cuenta de que hay más por hacer, porque cada vez que aprendes algo, se abre una nueva puerta. Cada vez que abres una nueva puerta, ves más oportunidades, ves más desafíos, ves más problemas.
¿Qué haremos con la abundancia?
Jensen Huang: La gente dice que vamos a tener más tiempo; estoy totalmente en desacuerdo. Creo que para la mayoría de las personas, esta inteligencia va a desbloquear más oportunidades, y van a querer perseguirlas porque son ambiciosas. Dame un ejemplo de una familia, un padre, un hijo, un esposo, una esposa, una madre que no tenga ambición de que sus familias tengan más. Simplemente no tienen la oportunidad, y estas cosas van a abrir oportunidades.
Brad Gerstner: Si te remontas a 1930, Keynes hizo una predicción sobre la Revolución Industrial, y dijo que en 100 años la economía se habría multiplicado por 8, pero la semana laboral bajaría a 15 horas a la semana. Tenía razón en que la economía se multiplicó por 8, y tuvimos una abundancia masiva y ganancias de productividad gracias a ello, excepto que estamos trabajando 80 horas. No bajamos a una semana de 15 horas. En lo que se equivocó fue en el espíritu humano. No se dio cuenta de que el trabajo es propósito, el descubrimiento es propósito. Está profundamente codificado en nuestro ADN. Estoy trabajando más duro que nunca, divirtiéndome más que nunca, no porque tenga que hacerlo como mis abuelos, sino porque quiero hacerlo.
Brad Gerstner: Estoy de acuerdo contigo en eso. La singularidad postula que ahora tenemos todos estos agentes que pueden trabajar juntos en tareas de larga duración, pueden mantenerse enfocados en la tarea, mantener a los demás enfocados en la tarea, trabajando como un equipo. Me encanta tu idea de que construimos sobre todas las cosas que han venido. Si pienso en la conducción autónoma total (FSD) como ejemplo, hablamos de ella durante una década y realmente no llegamos allí. Pero de repente, entras en X, todo el mundo está experimentando el FSD de Tesla, experimentando Waymo; ya estamos aquí. Alguien me preguntó: "¿Cómo estuvo el manejo hoy por la mañana?". Dije: "No lo sé, porque me subí a mi auto, puse el FSD y no presté atención hasta que llegamos al estacionamiento. Estuve trabajando todo el camino hasta aquí". Si pienso en eso en los campos de la ciencia, los avances que van a venir en los campos de la farmacia y la genética —llevamos 30 años preparando el terreno, vamos a lograr avances en muchas curas masivas para el mundo—. ChatGPT ya está ayudando a los padres a planificar su día, resolver los problemas de salud de sus hijos y educarse mejor. Háblanos un poco, sin embargo, de por qué está costando tanto abrirse paso. Tenemos todas estas cosas por ahí mejorando vidas y que están a la vuelta de la esquina, así que me resulta un poco curioso por qué eso no está rompiendo barreras.
Jensen Huang: Déjame intentarlo, y al final realmente no lo sabremos. He hablado con mucha gente y me han dicho lo que pensaban. Una de las cosas, por supuesto, es que la IA o la superinteligencia son materia blanda. No se puede ver. Tienes al mundo entero hablando de esta tecnología, pero no se puede ver, no se puede tocar. Aunque la gente ya se está beneficiando de ella —cuando buscan en internet, se benefician de ella; cuando van de compras, se benefician de ella; cuando usan Netflix, se benefician de ella; vas a Walmart, te beneficias de ella; el hecho de que FedEx nos entregue cosas, todo eso aprovecha hoy la superinteligencia y el cómputo acelerado—. Pero no hacemos un muy buen trabajo contando esa historia. La vida se está beneficiando de ello, simplemente es invisible. Si apagáramos los centros de datos y apagáramos la superinteligencia durante un fin de semana, creo que todo el mundo se daría cuenta.
IA física y robótica
Brad Gerstner: Sé que has dicho notablemente varias veces este año que el momento ChatGPT para la robótica ya está aquí, y también has dicho que podría ser tu próximo mercado de 100.000 millones de dólares. ¿Qué estás viendo ahora en este punto de inflexión?
Jensen Huang: Subestimé lo de los 100.000 millones de dólares, porque en los primeros seis meses de este año hicimos 10.000 millones de dólares en IA física. La IA física es básicamente la inteligencia artificial que de alguna manera está interactuando con el mundo físico. Podrían ser máquinas de tomografía computarizada de recuento de fotones, ultrasonidos, nuevos radares de imagen, la próxima generación de 5G —no solo comprende las ondas de radio, va a comprender señales de todo tipo, es una red de sensores—. Por supuesto, la robótica, los autos autónomos, los sistemas de fabricación, las inspecciones visuales, los satélites geoespaciales que fotografían el mundo y lo reconstruyen en 3D. Si miras todo el espectro electromagnético, hay cosas de IA ocurriendo desde el espectro visible hasta el invisible. Estamos haciendo trabajo en todo ese espacio.
Jensen Huang: Como sistema de IA, está la parte de percepción, la parte de razonamiento y luego la parte de planificación y actuación. Cuando finalmente llegas a la planificación y la actuación, eso son los autos autónomos, la robótica, los vehículos de entrega dentro de los almacenes, los robots de selección y colocación (pick-and-place) que no tienes que programar con tanta precisión porque aprenden por sí mismos, hasta los robots de consumo que entran a tu casa a hacer tu cama. Robots de atención médica, robots de hospital —hay muchos ejemplos realmente buenos allí, entregando con precisión exacta tu receta al paciente, teniendo atención robótica las 24 horas del día, los 7 días de la semana, cada segundo para mantener a los pacientes seguros, y quirófanos enteros que van a ser completamente robóticos—. Mucha gran tecnología siendo implementada.
Jensen Huang: Si miras todo esto, somos la compañía de IA física más grande del mundo. Hicimos 10.000 millones de dólares en los primeros seis meses. Hicimos 10.000 millones de dólares en el último año, y ese fue nuestro primer año de 10.000 millones de dólares. El año anterior hicimos 5.000 millones de dólares. Fue 5.000 millones, 10.000 millones, digamos que hacemos 20.000 millones. Así que tal vez lo de los 100.000 millones se quedó un poco corto. Todo lo que nos importa en el análisis final toca el mundo físico, y vivimos en el mundo físico. La oportunidad de mercado para llevar el software, la computación y la inteligencia a una industria que históricamente fue mecánica y eléctrica es una gran oportunidad. Mira lo que Elon ha hecho con la industria automotriz: la convirtió esencialmente en una industria informática, una industria tecnológica. Cada empresa automotriz va a ser una empresa tecnológica. Cada empresa de logística va a ser una empresa tecnológica. Estoy súper emocionado por FedEx; obviamente van a ser una empresa de IA, una empresa tecnológica. Walmart va a ser obviamente una empresa tecnológica, una empresa de IA. Toda la industria de las telecomunicaciones se reinventará nuevamente para convertirse en una industria tecnológica. Fueron una industria tecnológica hace mucho tiempo, luego se convirtieron en una industria de servicios, y van a volver a ser una industria tecnológica. Estoy encantado de trabajar con AT&T, Verizon y socios de todo el mundo mientras se reinventan a sí mismos.
Jensen Huang: Echas un vistazo a cada una de estas industrias que tocan el mundo físico, y hay una gran idea para reinventarlas con la IA. Acabo de estar en Washington. Es muy extraño: la gente nos categoriza en chips, pero en realidad estamos en almacenes y logística, salud, automoción, telecomunicaciones, todas las industrias del planeta, ciencias de la vida, entretenimiento. Durante mucho tiempo, Nvidia fue en gran medida una empresa de entretenimiento. Dentro de cada uno de estos verticales, Nvidia tiene una pila (stack) masiva, somos muy profundos en el ecosistema y tenemos excelentes asociaciones. Uno de estos días, es posible que la gente ya no nos categorice como una empresa de chips.
Brad Gerstner: El libro de jugadas (playbook) sería tomar ese libro de jugadas de la automoción e insertarlo en cada una de estas industrias.
Jensen Huang: Esa es la contribución final, sí. Pero en cada una de estas, se necesitan tres computadoras para construir una plataforma de IA física. Necesitas la computadora para crear el cerebro; ese es el sistema de entrenamiento. Pero muy importante, y aquí es donde verás que los laboratorios también hacen esto, necesitan construir un gemelo digital (digital twin) de internet para no tener que poner sus agentes de IA en internet para aprender a usarlo. Al igual que creamos Omniverse como el gemelo digital de almacenes, edificios, ciudades y el mundo físico, ponemos a nuestro robot en el gemelo digital, el gemelo digital aprende a ser un robot y luego lo implementamos en la tercera computadora, que es la computadora dentro del robot, automóvil, instrumento quirúrgico o lo que sea. Se necesitan tres computadoras y tres pilas completas, y construimos pilas completas para cada una de ellas. Somos la única empresa en el mundo que hace eso. Si eres una empresa que quiere construirlo de extremo a extremo, puedes usar una, dos o tres de nuestras computadoras; no nos importa. Cada computadora tiene su propia pila de software. Hacemos lo mismo en todos nuestros verticales.
Construyendo responsablemente
Brad Gerstner: Por supuesto, estas capacidades funcionan en ambos sentidos, por lo que escuchamos a mucha gente hablar sobre seguridad. Has sido muy crítico con la narrativa catastrofista (doomer).
Jensen Huang: Solo puedes llegar allí si construyes la tecnología de manera responsable. Nota la palabra "construir". Es una palabra de ingeniería. Se trata de tecnología, se trata de ingeniería: ingenieros, científicos, investigadores. Tenemos que construir esta tecnología de manera segura y responsable. La pregunta es: ¿puedes hacerlo? La respuesta es absolutamente sí, porque si no puedes, entonces no deberías construirla en absoluto. O tenemos que creer que podemos, o no deberíamos construirla. Yo creo que podemos.
Jensen Huang: Déjame razonar sobre ello contigo. Algunas personas dicen que la IA es incontrolable porque es imposible alinearse perfectamente. Alineación significa esto: le dices a alguien: "Quiero que hagas esto". La misión es clara porque lo dijiste en inglés. Podría ser: "Quiero que resuelvas esta ecuación cuadrática". La misión es resolver la ecuación cuadrática; la alineación es cómo lo haces. Hay muchas maneras de hacerlo. Lo memorizaste, viste la respuesta en un libro de texto así que la buscaste, consultaste una referencia, o fuiste a un cajón que tenía todas las respuestas, abriste el cajón y sacaste la respuesta. Algunas personas llaman a eso hacer trampa; yo lo llamo abrir el cajón y recuperar la respuesta. Eso es lo que hacen las computadoras. Hay muchas maneras diferentes en las que podrías resolver ese problema.
Jensen Huang: Ahora bien, esa es muy explícita. Aquí hay otra: "Sé exitoso en la vida". La misión es fácil de decir, y de hecho nos la decimos todo el tiempo. Se la decimos a nuestros hijos: "Hagamos nuestro mejor esfuerzo para contribuir a la sociedad". Ahora la pregunta es ¿cómo? ¿Cómo te alineas razonablemente cuando la cultura y los antecedentes de todos son diferentes? Algunas personas piensan que contribuir a la sociedad significa ser generoso, ser amable. Algunas personas pueden significar ganar mucho dinero y luego ser filantrópicas. Algunas personas pueden pensar que construir una empresa sola o crear una hermosa obra de arte es una contribución suficiente a la sociedad. Todo eso es verdad. ¿Cuál es la alineación? Depende de tus antecedentes, tu cultura, tal vez dónde vives o de dónde vienes. Hay un número infinito de maneras. Mi punto es este: la alineación va a ser un problema para siempre. Si dependemos de una perfecta alineación para garantizar la seguridad, entonces nunca vamos a llegar allí.
Jensen Huang: La respuesta es esta: la forma en que pensamos sobre criar hijos, mascotas o empleados: empiezas con la contención. Les das acceso a herramientas, acceso a información, fondos, recursos y responsabilidad en función del trabajo que les pides que hagan. Empiezas con confianza cero. Cuando contratas a alguien, empiezas con confianza cero. Cuando tienes un bebé de un año, lo pones en un corralito. Asumes confianza cero. Les das derechos mínimos y expandes ese límite a medida que aprendes más. Siempre que tenemos una nueva IA, tenemos que asumir lo mismo. Siempre que estás probando una IA: confianza cero, límites mínimos, derechos mínimos, y lo expandes a medida que pruebas y te das confianza a ti mismo. La contención estricta es muy importante para cualquier sistema autónomo.
Jensen Huang: Lo segundo que haces es el monitoreo, y el monitoreo tiene que ser fuera de banda (out-of-band). La razón de esto es porque si le dices a una persona inteligente: "Oye, escucha, me voy a sentar aquí a verte hacer tu trabajo para asegurarme de que lo estás haciendo bien, para asegurarme de que estás sirviendo a los clientes adecuadamente y trabajando lo suficiente", ese sistema autónomo se va a comportar de manera diferente a cuando no estás mirando.
Brad Gerstner: Es como si Brad estuviera en la habitación conmigo o no.
Jensen Huang: ¡Exactamente! El monitoreo tiene que ser fuera de banda, y tiene que tener la capacidad de observar que el sistema autónomo está haciendo algo incompatible con la política o la alineación, y tienes la capacidad de escalar o cerrarlo, simplemente apagarlo. Ese tipo de capacidades tienen que existir. Eso es ingeniería, eso es tecnología, y es posible. Lo anunciamos recientemente, se llama OpenShell. Ya tenemos a más de 100 empresas uniéndose a nosotros, mucha actividad en todo el mundo, porque todo el mundo quiere lo mismo.
Brad Gerstner: Cuando miré alrededor de la mesa en la Casa Blanca, todos alrededor de esa mesa son padres, tienen hijos. Existe esta visión en el país de que algunos líderes de la superinteligencia simplemente están haciendo un YOLO (vives solo una vez), que realmente no les importa, están siendo imprudentes y solo quieren acaparar todo el dinero. Sin embargo, no había una sola persona en esa mesa que yo viera que quisiera ser imprudente. De hecho, todos los presentes querían encontrar el equilibrio adecuado entre rápido y seguro; esa fue la directiva del presidente. ¿Qué le dirías al público estadounidense que teme a los líderes imprudentes? ¿Viste alguna evidencia de eso? Tienes hijos. ¿Te preocupa el futuro que estás trayendo a la existencia con la superinteligencia?
Seguridad, protección y la analogía de las bolsas de aire
Jensen Huang: La tecnología de seguridad y protección es parte de la IA. Hay una formulación extraña de que la tecnología de IA y la seguridad y protección son ortogonales. Es un poco como las bolsas de aire (airbags), el sistema de frenado, los radares, las cámaras, el ABS, el mantenimiento de carril; toda esa tecnología es de alguna manera independiente del automóvil. Lo único que le importa al automóvil es el motor, ¿verdad? De hecho, todo el automóvil es parte de la tecnología del automóvil. Cuando digo que necesitamos acelerar la tecnología de IA, lo que quiero decir con eso es que necesitamos acelerar la tecnología de seguridad, tenemos que acelerar la tecnología de protección. Todas tienen que ser aceleradas. Si me preguntas ahora mismo, todo el mundo diría: "Aceleremos la seguridad, aceleremos la tecnología de protección". Nadie dice que reduzcamos el ritmo de eso. Todo es parte de lo mismo. No puedes separar la capacidad y la funcionalidad de la seguridad y la protección; van de la mano. Cuando entregas el servicio, nadie va a decir: "Me gusta mucho la funcionalidad de tu servicio, pero vaya que está causando estragos". Es una sola cosa, lo tratamos como una sola cosa, y la industria tiene que tratarlo como una sola cosa. Cuando decimos acelerar, nos referimos a acelerar todo el paquete, especialmente la seguridad.
Brad Gerstner: Algunas personas leyeron "Pacing the Frontier" (Marcapasos de la Frontera) de Dario y pensaron que eso significaba desacelerar. Un momento divertido en la habitación fue cuando el presidente llamó a su "nuevo mejor amigo, Dario" —se refirió a él de esa manera— y le dijo: "Explícame tu versión de rápido y seguro". Dario empezó diciendo: "Señor Presidente, usted dijo que quien gana en IA gana". Dijo que están acelerando, que quieren ir rápido y ganar la carrera contra China, pero también reconoció que en el camino, tenemos que asegurarnos de que los sistemas de seguridad estén acelerando y manteniendo el ritmo. Fuiste al Salón del Gabinete con él, Greg y los otros laboratorios de frontera para firmar este acuerdo. ¿Hubo charlas sobre diferencias de opinión, o todos fueron de buena gana?
Jensen Huang: Todo el mundo fue muy constructivo, muy productivo. Sin excepción, todo el mundo está dedicado a hacer avanzar la industria de manera segura y protegida. La razón de esto es porque si no es seguro y protegido, la funcionalidad nunca tendrá la oportunidad de hablar, y la capacidad nunca tendrá la oportunidad de brillar. Sabemos que las prioridades son en todo momento la seguridad y la protección. Reconociendo que esta industria atravesó una transición recientemente: hace seis meses, esta tecnología apenas funcionaba. Sin funcionalidad y capacidad, ¿cuál es el punto de hacerla segura y protegida? A nadie le importa siquiera. El primer trabajo de la IA era demostrar que podía hacer algo útil, y llegó a ese punto hace seis meses. Ahora realmente quiere ser desplegada ampliamente. Hay un imperativo increíble y una gran urgencia de asegurarse de que todo lo que desplegamos sea seguro y protegido. Todo el mundo está completamente alineado: funcionalidad, capacidad, seguridad, protección, están exactamente en el mismo lugar: prioridad número uno.
Lo que significa que "Estados Unidos gane"
Jensen Huang: Replantearía lo que significa ganar: no que la industria tecnológica gane, no solo que la industria de la IA gane. Que Estados Unidos gane significa que cada industria en Estados Unidos gane. Que la salud gane. Nada me daría más alegría. La definición de que Estados Unidos gane es cuando hablamos de que Eli Lilly gana, Walmart gana, FedEx gana, Boeing gana, que el ejército de EE. UU. gana, que cada ciudadano gana, que nuestras universidades ganan, que nuestras escuelas secundarias ganan. Esa es la definición de ganar. No hay victoria si solo la tecnología gana, pero nadie la usa. No habrá industria tecnológica de IA si no la construimos de manera segura y protegida. Este es un problema existencial para nosotros primero. Cuando veo a la IA de Estados Unidos ganando, cada estado está ganando, cada condado está ganando, cada comunidad está ganando, cada empresa está ganando, porque podríamos permitirnos gastar más en salud, educación, comercio interestatal, carreteras y la infraestructura del país.
Brad Gerstner: La definición de ganar es que cuando miremos hacia atrás dentro de 25, 30, 40 años, la economía debe ser 10 veces más grande, la vida de todos debe ser mejor, y existencial y primordial para todo eso es que debe hacerse de una manera que esté alineada con el interés humano.
El taburete de tres patas: el marco de superinteligencia de Estados Unidos
Brad Gerstner: La mayoría de la gente no entiende cuál es nuestro marco de seguridad en el país. He dicho que tenemos el marco de seguridad de superinteligencia más robusto del mundo. Claramente somos el único país del planeta que realmente ha sancionado un modelo y lo ha retirado del mercado con Mythos a principios de este año. Pero lo describo como un taburete de tres patas: tenemos la revisión de modelos de frontera de cada nuevo modelo de frontera por parte de Casey y el Departamento de Comercio, donde lo revisan y prueban; tenemos el acuerdo de la Casa Blanca sobre la superinteligencia que ayudaste a arquitectar: auditorías internas y externas, supervisión de la junta directiva y toda la responsabilidad legal que conlleva; y tercero, tenemos el Grupo de Trabajo de SI (SI Taskforce) liderado por Jay Clayton, Scott, Emil y Andrew, haciendo una coordinación crítica de la industria en ciberseguridad y temas relacionados. Algunas personas dicen que no estamos haciendo lo suficiente y que necesitamos nuevas leyes en los libros. Ese taburete de tres patas parece mucho para juntarse en un período de tiempo tan corto. ¿Te sientes cómodo con que este sea un buen paso adelante para donde necesitamos estar en este momento?
Jensen Huang: La mejor manera de llegar al futuro es actuar rápidamente. Si discutimos sobre lo que es perfecto versus lo que es primero, terminaremos discutiendo sobre la perfección y nunca llegaremos allí. Me encanta el hecho de que este taburete de tres patas sea procesable, tangible y tenga dientes reales. Está sucediendo ahora mismo. Estamos tomando medidas ahora porque es bueno para nuestra empresa, nuestra industria, nuestro país y nuestra sociedad. Si no hacemos estas cosas, el resultado es menos deseable y no podemos perseguir ese futuro optimista. No recuerdo otra industria que, en su etapa actual, haya formulado una coordinación interempresa, interindustrial y de gobierno a industria para avanzar de manera responsable y optimista.
Brad Gerstner: Es muy importante que la gente lo entienda, porque cuando escucho a los senadores hablar de ello, ni siquiera saben lo que estamos haciendo. Estamos haciendo una cantidad extraordinaria, y estas no son cosas voluntarias. No se va a lanzar ningún modelo de frontera que Casey y el Departamento de Comercio no estén revisando, y han demostrado la autoridad bajo los controles de exportación para retirarlos del mercado.
Jensen Huang: Vengan a pasar un tiempo y aprendan lo que realmente hay que hacer. ¿Cuál es el problema? Si quieres una solución, al menos tienes que entender cuál es el problema. Vengan a hablar con nuestra industria y aprendan. Segundo, aprendan sobre la solución que pusimos en marcha y vean si hay ideas para mejorarla. Todos tenemos la mente completamente abierta, pero sean constructivos.
Brad Gerstner: El cuarto punto del acuerdo era que esto es dinámico, no estático; este grupo actualizará el marco a medida que evolucione la tecnología. Pasando ahora al cómputo: Dylan Patel de SemiAnalysis ha dicho que vamos a incorporar 43 gigavatios de nuevo cómputo de IA el próximo año, que es más que todo el cómputo de IA que existe en el mundo hoy en día, y otros 40 gigavatios el año siguiente. Sabes dónde está asignada cada GPU. ¿Te suena correcto? ¿Crees que los cuellos de botella en permisos, cadena de suministro o energía cambiarán materialmente eso?
Cuellos de botella de la IA en 2027: El despliegue de cómputo
Jensen Huang: La demanda definitivamente está ahí y más. El desafío, por supuesto, es que hay muchos obstáculos cuando pasas de lo digital a lo físico: terreno, permisos, generación de energía que tienes que poner en línea, trabajadores de la construcción, instaladores, plomeros.
Brad Gerstner: Se crearon 1 millón de nuevos empleos solo construyendo estas cosas.
Jensen Huang: Un millón de nuevos empleos, y sus habilidades no son fungibles. Los que construyen estos centros de datos de 50.000 millones de dólares tienen habilidades muy específicas y críticas. Luego están las moratorias y los problemas que estamos viendo en todo el país. El terreno, la energía, la estructura y los recursos de construcción estarán entre los obstáculos más importantes para alcanzar eso. Hablando específicamente de Nvidia, hay varias cosas que estamos haciendo para mitigar eso. Servimos a todos los CSP (proveedores de servicios en la nube), servimos a cada neoclúster (neocloud), tenemos excelentes negocios empresariales a través de Dell, HP, Lenovo y otros. Estamos en todo el ciclo de vida de la IA: procesamiento de datos, entrenamiento, post-entrenamiento, inferencia, procesamiento agéntico y aceleración del uso de herramientas. Nuestra exposición de salida al mercado es la más grande. Cada fabricante por contrato en el mundo está trabajando en nuestro nombre. Si un estado, comunidad o centro de datos en particular la pasa mal, nuestra demanda es mucho mayor que nuestra oferta, por lo que simplemente ajustaremos nuestra cadena de suministro en consecuencia.
Jensen Huang: Lo otro es que Nvidia es la infraestructura del planeta. Ya sea en Europa, África, Asia Central, Sudeste Asiático, América Latina o Medio Oriente, tenemos un alcance global. Si no lo construimos aquí, a todos los países del mundo les encantaría que se construyera allí. Nuestro negocio específicamente es probablemente el más resiliente porque cubrimos todo el espectro de la IA y la computación, y estamos en todas las nubes y regiones. Pero el terreno, la energía y la estructura van a ser desafiantes el próximo año.
50 GW de chips, 35 GW de potencia
Brad Gerstner: Lo que escucho de Wall Street es que hay tal vez 50 gigavatios de chips anunciados en marcha, y tal vez de 35 a 40 gigavatios de terreno, energía y estructura en camino. Así que qué cómputo encaja en esa capacidad está en el aire.
Jensen Huang: La arquitectura de Nvidia es la más productiva: genera la mayor cantidad de tokens por vatio. Si la cantidad de energía del mundo se reduce, cambia sus opciones a la versión más productiva, porque los directores generales (CEO) todavía quieren generar sus ingresos. Se deben cumplir las altas expectativas de ingresos para el próximo año. Cuando la energía está limitada, la calidad del cómputo que le pones debe ser el recurso informático más productivo. Somos los más rentables, fungibles y duraderos. La escasez de recursos está desviando el interés hacia nosotros. Nuestra cuota de mercado ya era muy alta, pero para sorpresa de todos, nuestra cuota de mercado en realidad está aumentando por estas razones.
Jensen Huang: También ofrecemos mucho más por gigavatio que antes. Solíamos ser una empresa de GPU; luego nos convertimos en la empresa de redes más grande y de mayor crecimiento. Ahora vamos a ser una de las empresas de CPU más grandes y de mayor crecimiento. Estamos en la computación para almacenamiento, infraestructura de conocimiento y seguridad con OpenShell y Sentry. La oferta que proporcionamos en 1 gigavatio pasó de unos 18.000 millones de dólares por gigavatio, a veintitantos mil millones, a ahora más de 40.000 millones de dólares por gigavatio, y eso va a seguir subiendo. Estamos ganando participación porque la gente cambia a nuestra plataforma y porque ofrecemos más al capex del mundo; nuestra participación en dólares está aumentando. Hace seis años, nuestro porcentaje del capex mundial estaba en un solo dígito. En este momento, con los CSP, estamos operando alrededor del 40%. Fuera de los CSP —en las instalaciones locales (on-prem) y los neoclústeres, que componen la mitad de nuestro negocio—, nuestro porcentaje de capex es probablemente del 80%. Entre que la mitad de nuestro negocio es el 40% y la otra mitad el 80%, y ambos se duplican cada año, nuestro porcentaje del capex mundial está creciendo.
Elon, Colossus y SpaceX
Brad Gerstner: Uno de esos compradores es Elon. Cuando empezó a construir Colossus, nos dejó boquiabiertos verle montar un par de cientos de miles de Hopper en Memphis. Ahora está recaudando otros 40.000 millones de dólares, planeando comprar quizás más de 1 millón de chips Vera Rubin, pasando de miles a millones. Quiere 10 gigavatios para finales de 2027, lo que representa cientos de miles de millones gastados en Vera Rubin. ¿Es una conclusión inevitable que SpaceX será el hiperescalador de IA más grande del mundo?
Jensen Huang: En nuestras listas, Elon solía estar bajo el segmento empresarial; ahora es parte de nuestro segmento de CSP. Son masivos. Me encanta trabajar con Elon. Está usando nuestra tecnología para su propia IA, entrenando modelos y desplegando modelos. Grok es súper genial, y la demanda y el consumo de Grok se están disparando. Y luego, por supuesto, lo alquila. Es bastante único al combinar los tres; Google sería otro ejemplo. Le encanta la intersección entre la computación y los despliegues físicos, y nadie sabe más de energía que él.
Centros de datos en el espacio
Jensen Huang: Un nuevo mercado particular que vamos a explorar juntos es poner centros de datos en el espacio. Nuestros dos equipos de ingeniería están trabajando súper de cerca para crear un nuevo tipo de servidor, un nuevo tipo de arquitectura que podría ser súper buena en el espacio y en la Tierra.
Brad Gerstner: Starship se lanzó la semana pasada, tuvo su primer encuentro orbital y desplegó esos satélites V3. ¿Tienes una confianza cada vez mayor de que tendremos una cantidad material de cómputo en el espacio a través de Starship para 2028 o 2029?
Jensen Huang: Solo cómputo de Nvidia. Déjame decirte por qué: no se trata solo de la tecnología. El rendimiento por unidad de energía de Nvidia es el mejor del mundo: rendimiento por vatio. Pero lo más importante es que el retorno sobre el capital invertido (ROIC) del cómputo de Nvidia es tan alto que puedes ponerlo en el espacio y el costo de lanzamiento es un pequeño porcentaje de este. El costo de lanzamiento no es insignificante, por lo que no vas a poner computación de bajo costo allí afuera; vas a poner computación de alto valor. Somos el sistema informático de mayor valor en la historia de la computación, lo que nos convierte en el ajuste perfecto para lanzarnos al espacio con un ROI excelente.
Brad Gerstner: ¿Tendremos 500 megavatios en el espacio para 2029?
Jensen Huang: Dejaré que él te lo diga, pero podrías meter a Vera Rubin ahí y se justificará a sí mismo. La demanda está ahí, el retorno de inversión es muy bueno y la productividad es excelente. Es fungible: si pones un satélite en el espacio sin un cliente que lo alquile, se queda inactivo, lo cual no quieres. El cómputo de Nvidia es totalmente fungible con muchos inquilinos. Trabajamos con todas las empresas de modelos cerrados, ejecutamos todos los modelos abiertos, tenemos miles de startups y empresas globales. Y es duradero. Somos la única empresa de hardware en el mundo a la que le pagaste hace ocho años y todavía seguimos actualizando tu software con nuevos algoritmos CUDA. Actualizaremos el software durante todo el tiempo que el satélite esté allá arriba. Eso lo convierte en la carga útil perfecta para SpaceX.
¿Los ingresos de la IA justifican el capex?
Brad Gerstner: Para que la gente de finanzas logre que billones en capex cuadren (pencils out), necesitan ver un retorno. Si miro los ingresos totales de todos los laboratorios este año, sumando los laboratorios de frontera y los de inferencia, son unos 200.000 millones de dólares. Necesitamos ver eso duplicarse el próximo año a 400.000 millones de dólares, y duplicarse el año siguiente a 800.000 millones para entrar en el rango de recuperación de billones de dólares en capex. Claude Code condujo a un aumento de 10 veces en los ingresos de Anthropic. ¿Cuál es tu confianza en que los laboratorios puedan continuar duplicando o triplicando sus ingresos cada año?
Jensen Huang: La gente malinterpreta lo que está pasando. Nvidia representa digamos el 80% de la cuota de ingresos de la infraestructura de IA en el mundo de hoy. Hay tres grandes segmentos de la computación de Nvidia. El primer segmento es la computación básica: procesamiento de datos, dinámica molecular, simulación física, simulación de fusión y fisión, química cuántica, física cuántica, gráficos por computadora. El aprendizaje automático clásico, XGBoost en Visa y Mastercard para la detección de fraude, sistemas de recomendación; combina toda esa computación clásica, no aprendizaje profundo (deep learning) o sistemas agénticos, y es digamos un tercio de nuestro negocio, creciendo entre un 30% y un 40% anual. En ausencia de cualquier laboratorio de IA, Nvidia es una empresa bastante grande.
Jensen Huang: La segunda parte son los laboratorios de IA. La gente ve dos, pero trabajamos con todos y cada uno de ellos. Meta Muse lo está haciendo fantástico, en gran medida sobre Nvidia; un año antes eran solo sistemas de recomendación, y ahora la están rompiendo con Meta Muse. Grok no existía hace tres años. Antes no ejecutábamos Gemini; ahora ejecutamos Gemini. A partir de este año, empezamos a trabajar con Anthropic. Veo cinco o seis laboratorios haciéndolo muy bien, representando no del todo un tercio de nuestro negocio, digamos entre el 25% y el 30% de nuestro cómputo.
Jensen Huang: El otro tercio —porque estamos al principio de un cambio de plataforma informática— es una vasta cantidad de nuevas startups. Noah Instinct lo está haciendo muy bien, junto con la IA física, la IA biológica, la IA de ciencias de materiales y la nueva empresa de Jeff Bezos, Prometheus. Miles de empresas en todas las industrias alquilan cómputo de Nvidia. Este tercio de nuestro negocio es la computación en la nube para la próxima generación. Estamos en las primeras entradas de este despliegue, y es un gran error reconocer solo a un par de empresas y pensar que ellas solas financian la infraestructura.
Modelos abiertos vs. cerrados
Jensen Huang: He sido un gran defensor de los modelos abiertos porque los modelos abiertos abren nuevas oportunidades. Si miras a todas estas empresas emergentes, el 80% de ellas utilizan modelos abiertos. No los están usando para competir con los laboratorios de frontera; los están usando para desbloquear oportunidades en la IA física, la fabricación o la salud. Toman modelos abiertos como Nemotron y los personalizan para convertirlos en una superinteligencia para su dominio. Los laboratorios cerrados proporcionarán inteligencia artificial general (AGI), mientras que las empresas verticales toman datos propietarios para lograr la superinteligencia para dominios específicos.
Brad Gerstner: Si montas un gigavatio de cómputo, obtienes 40.000 millones de dólares por el otro extremo. Con 40 gigavatios entrando en línea el próximo año, eso implicaría 1,6 billones de dólares en ingresos si se extrapola linealmente. La gente se pone nerviosa acerca de que las burbujas exploten si la oferta supera a la demanda en un momento dado, y sobre si el financiamiento se estanca.
Jensen Huang: Desglosadlo a los primeros principios. Los 100.000 millones o 125.000 millones de dólares en ingresos recurrentes anuales (ARR) que la gente intenta extrapolar de los laboratorios son solo una parte del despliegue. ¿Va a seguir comprando la gente en línea? Ese tercio del despliegue ni siquiera está a debate. Hace un par de años, dije que al salir de esta década, el despliegue de infraestructura probablemente estará en algún lugar entre 3 billones y 4 billones de dólares al año, más cerca de 4 billones. Si 1,5 billones de dólares de eso es cómputo, recuerda que eran 500.000 millones antes de que empezara la IA. En el transcurso de seis a ocho años, crece a 1,5 billones porque el mundo está consumiendo más cómputo digital.
Jensen Huang: Además de eso, la ley de Moore ha terminado. Hubo un tiempo en el que esperabas un año para obtener el doble de transistores por el mismo precio. Ahora, si quieres el doble de transistores, tienes que pagar el doble. Cualquiera que sea la capacidad informática que el mundo quiera, tienes que aplicar un factor X solo para dar cuenta del fin de la ley de Moore. Sin la IA, la industria de semiconductores ya estaba en su camino para convertirse en la industria más grande del mundo. Además, las nuevas startups se están acelerando. El resumen es: es innecesario extrapolar ninguno de los laboratorios a múltiples billones de dólares de ingresos para justificar la infraestructura.
Demasiada presión sobre dos laboratorios
Brad Gerstner: Vimos charlas sobre si los ingresos de OpenAI eran de 70.000 millones o 50.000 millones de dólares, y un retroceso en las empresas de infraestructura por temor a que no tengan el dinero para pagar los despliegues. Tu punto es que a través de 40 gigavatios el próximo año, un tercio es reemplazo de cómputo general, un tercio son neoclústeres, estados soberanos, empresas y startups, y un tercio está distribuido entre múltiples laboratorios.
Jensen Huang: Le estamos poniendo demasiada presión a dos laboratorios. Van a ser dos de las empresas tecnológicas más trascendentales jamás construidas, pero no tienen que estar ni cerca de 1 billón de dólares en ingresos para que el despliegue tenga sentido. Mientras tanto, la industria necesita construir unos cuantos billones de dólares en infraestructura informática. Por cierto, ¿cómo se llaman estos? ¿Ciruelas pasas? Un poco de regaliz, sal, azúcar, canela; tiene un toque picante.
Brad Gerstner: El próximo año, la demanda de chips de Nvidia supera con creces el 100%. Proyectaste un crecimiento de ingresos del 70% porque estás limitado por la oferta. Dijiste que tenías 18 meses para trabajar con la cadena de suministro para hacerlo aún mejor. ¿Ha seguido creciendo la cartera de pedidos (order book)?
Dinámica de oferta y demanda de IA
Jensen Huang: Teníamos carteras de pedidos gigantescas: todos los CSP, NCP, OEM, startups y grandes empresas ya habían realizado pedidos basados en pronósticos de 1 a 2 años. Como yo estaba asignando mucho menos de lo que querían, si no declaraba públicamente lo que teníamos, todo el mundo estaría dudando de si se les estaba engañando. Era mi forma de manejar las conversaciones en las que estoy decepcionando a la gente. Prácticamente todos los clientes comprarían más si pudiéramos entregar más. Desde entonces, hemos recibido nuevos pedidos semanal y diariamente.
Jensen Huang: Estamos consiguiendo más oferta, pero las restricciones posteriores en la cadena, como el terreno, la energía y la estructura, limitan el despliegue. Hace un par de semanas, anunciamos 2 gigavatios en Australia; eso es como una oportunidad de 80.000 millones de dólares. En Europa con Yondr y otros, estamos abriendo más asociaciones. Debido a que Nvidia proporciona toda la infraestructura de IA de pila completa a neoclústeres como CoreWeave o Nebius, podemos construir en lugares y con socios que nadie más puede. Aguas arriba, persisten restricciones críticas en el empaquetado y los sustratos. Los sustratos se están volviendo más grandes con más chips, lo que requiere más peso de material. Los coeficientes térmicos y el apilamiento hacen que la deformación y los defectos de fabricación sean difíciles de manejar a escala de precisión. La fotónica de silicio también está limitada en su oferta. Cada semana aumentamos la oferta, pero la cartera de pedidos sigue subiendo. Será difícil cerrar esa brecha durante unos años.
Revisión del consenso de Wall Street
Brad Gerstner: Hace un año, el consenso sobre el crecimiento de Nvidia se equivocó por un par de cientos por ciento. En un año, el pronóstico de consenso subió entre un 100% y un 200%, sin embargo, la acción solo ha subido un 20%. Duplicaste el pronóstico de ingresos y flujo de caja libre, cotizando a 13 o 14 veces las ganancias. ¿Qué se está perdiendo el mercado?
Jensen Huang: Para una empresa de nuestro tamaño, estar ganando cuota te habla de nuestra resiliencia y ventaja de escala. Nuestro foso competitivo (moat) está aumentando.
Pedidos de Vera Rubin Ultra
Jensen Huang: Si quieres hacer fila para Vera Rubin Ultra, está cerca el momento de hacer el pedido, sin ver el producto (sight unseen). ¿Cómo sabes que va a ser bueno? Porque Nvidia lo construye, y Vera Rubin es impresionante, y Grace Blackwell fue impresionante. Las cargas de trabajo son tan complejas que no puedes simplemente medir un punto de referencia (benchmark); los sistemas de 50.000 millones de dólares requieren docenas de tecnologías trabajando juntas. Sin ver el producto, ¿con quién más puedes hacer un pedido de 50.000 millones de dólares? Literalmente somos los únicos. Cuando era una orden de compra de 100 millones de dólares, podías comparar los chips frente a ti. ¿Cómo se compara un sistema de 50.000 millones de dólares? Necesitarías un centro de datos gigante y un par de años para modernizarlo. ¡Ni siquiera puedes hacer un benchmark de estos sistemas ya!
Jensen Huang: Es exactamente igual que TSMC. Le damos a TSMC el 100% de nuestro negocio porque son la única empresa donde puedo planificar con cinco años de anticipación, sin ver el producto, sabiendo que el próximo nodo de transistores será superior, que tendrán capacidad, agilidad y diversas tecnologías de proceso, desde fotónica de silicio hasta lógica, memoria y empaquetado avanzado. ¿Cómo haces eso con una empresa una décima parte de su tamaño? Es imposible. Nvidia se ha convertido en una empresa de infraestructura para el planeta.
Jensen Huang: Ejecutamos todo. Desde los primeros modelos GPT hasta FlashAttention, la paralelización de modelos NVLink 72 y los modernos modelos de difusión híbridos SSM-transformer, todo se ejecuta en CUDA. Ya sea que las cargas de trabajo cambien al preentrenamiento, post-entrenamiento o inferencia agéntica, lo ejecutamos todo. Si construyes un centro de datos de 50.000 millones de dólares, sabes que el cómputo de Nvidia es fungible entre cargas de trabajo, modelos y clientes. Si necesitas subarrendar capacidad, hay inquilinos por todas partes.
Alcance global: Europa, Japón y más allá
Jensen Huang: Si OpenAI o Anthropic quieren dar servicio a Europa, India, Japón o Corea en un abrir y cerrar de ojos, nuestra infraestructura ya está allí. Hacer una apuesta de 100.000 millones de dólares en una arquitectura de propósito general te otorga un riesgo bajo. La especialización es el enemigo de la fungibilidad y la durabilidad. Demostrar un rendimiento extraordinario produce fungibilidad y durabilidad, lo que se traduce en rentabilidad, productividad, financiabilidad y el menor costo total de propiedad (TCO).
Brad Gerstner: Estás recomprando cantidades históricas de acciones, potencialmente hasta el 10% de la compañía en dos años. En Goldman, llamaste a Nvidia la primera empresa de "crecimiento-valor", reminiscentes de la transición de retorno de capital de Apple. También estás explorando dos nuevos modelos de negocio: licenciamiento de software y reparto de ingresos.
Jensen Huang: Un modelo de negocio es el licenciamiento de software. Para los CSP que ejecutan su propia pila, proporcionamos software de código abierto que ellos modifican. Pero la mayoría de las empresas no tienen los departamentos de software para mantener fábricas de IA complejas; nos necesitan en el acuerdo de nivel de servicio (SLA) para mantenerlo seguro y actualizado. A un par de miles de dólares por GPU al año en millones de GPU empresariales, el licenciamiento de software será un negocio muy grande. Segundo, para los neoclústeres donde proporcionamos infraestructura de pila completa, adopción del ecosistema y apoyo a la inversión, podemos participar en el reparto de ingresos. Obtenemos la venta de hardware por adelantado y el retorno económico del reparto de ingresos plurianual sin operar como un proveedor de nube nosotros mismos. Estos dos vectores de crecimiento aprovechan nuestra base instalada y nuestro ecosistema independientemente de las ventas de hardware.
Brad Gerstner: Históricamente, Warren Buffett evitaba la tecnología porque las empresas producían flujo de caja libre solo para gastarlo en proyectos destructores de valor. Estás gastando más del 50% al 60% de tu flujo de caja libre en recompras de acciones mientras creces exponencialmente.
Jensen Huang: Nuestras inversiones de riesgo en empresas de ecosistemas de alta calidad están bien informadas porque vemos el flujo de tecnología, pero como porcentaje de la generación total de efectivo, las inversiones externas disminuirán rápidamente. Las oportunidades de frontera como OpenAI and Anthropic no volverán a presentarse, y nuestro flujo de caja está creciendo rápido.
Brad Gerstner: Anteriormente tenías visibilidad de 2 a 3 años. Mirando hacia 2029 o 2030, ves 4 billones de dólares de gasto anual para finales de la década, avanzando hacia 10 billones de dólares en renovaciones anuales de infraestructura con el tiempo.
Jensen Huang: A menos que haya una depresión global, el mundo debe consumir una cantidad enorme de cómputo de Nvidia para hacer la transición de la computación basada en recuperación a la IA generativa. Si la construcción de capacidad anual y las renovaciones rondan los 10 billones de dólares a nivel mundial a largo plazo, no me sorprendería.
Brad Gerstner: Si 50 billones de dólares del PIB mundial están vinculados al trabajo de conocimiento y obtenemos una ganancia de productividad del 20% en cinco años, eso genera 10 billones de dólares de actividad económica incremental, lo que justifica gastar la mitad de eso en capex.
La próxima década: 99,99% de confianza
Brad Gerstner: ¿Estás más seguro sentado aquí hoy de lo que estabas hace 12 meses de que en cinco años el mundo estará en un lugar mucho mejor gracias a estas inversiones?
Jensen Huang: Tengo un 99,99% de confianza —en honor a un buen amigo, sin usar el 0 o el 100— de que a demasiados de nosotros nos importa profundamente que el resultado salga bien, y que dedicaremos nuestra fuerza, intelecto y recursos para asegurarnos de llegar allí de manera responsable y optimista. Muchos investigadores e ingenieros fuera del ojo público están haciendo cosas increíbles de forma independiente. La gente inteligente hace cosas inteligentes. Es bueno que nos preocupemos y expresemos inquietudes, pero no deberíamos predecir el fin del mundo. Eso subestima la capacidad humana. Cuando creas las condiciones donde todos quieren un buen resultado, avanzamos. Estoy 99,99% seguro de que vamos a llegar allí juntos.
Brad Gerstner: Podríamos parar fácilmente, pero si paramos hoy, perdemos la oportunidad de ese mundo mejor. Gracias, Jensen.
Jensen Huang: Gracias, Brad.