Los resultados del primer trimestre fiscal de 2024 de Nvidia fueron el detonante. La compañía presentó cifras muy por encima de las expectativas del mercado y el precio de sus acciones subió con fuerza, añadiendo decenas de miles de millones de dólares a su capitalización bursátil en pocas sesiones. El motor de ese crecimiento fue el segmento de Data Center, que representó la mayor parte de los ingresos y ya supera con claridad al mercado de GPU para videojuegos, históricamente el negocio central de la compañía.
Nvidia tiene una ventaja estructural que los análisis financieros suelen resumir en una palabra: CUDA. Este entorno de programación paralela lleva desde 2007 instalado en los flujos de trabajo de investigación en IA y machine learning. La mayoría de los marcos de entrenamiento de modelos de lenguaje de gran tamaño (LLM), incluidos PyTorch y TensorFlow, corren de forma nativa sobre GPU Nvidia. Cambiar de proveedor implica reescribir el código, y casi nadie lo hace.
Datacenter como motor principal
La demanda de chips H100 de Nvidia, la GPU de última generación para entrenamiento de LLM, supera con creces la capacidad de producción. Hyperscalers como Amazon, Microsoft y Google han encargado grandes lotes y los plazos de entrega se miden en meses. Nvidia ha confirmado que está en conversaciones con contratistas para ampliar su capacidad de fabricación, aunque la producción física de los chips depende de TSMC en Taiwán, un punto de concentración que los analistas serios incluyen en el análisis de riesgo.
El datacenter como infraestructura de IA es un tema recurrente que toca tanto la lógica de mercado como los límites físicos: energía, refrigeración y suelo. La nueva CPU Vera de Nvidia, ya en manos de OpenAI, Anthropic y Oracle, ilustra hasta dónde ha llegado la compañía en el mercado de infraestructura para IA agencial.
Otros valores que se mueven con la IA
El efecto de arrastre va más allá de los fabricantes de chips. Varias compañías están integrando IA en sus productos y han visto subidas en bolsa relacionadas con esa narrativa:
- Advanced Micro Devices (AMD): su GPU MI300X compite directamente con la H100 de Nvidia para entrenar modelos grandes. Aún tiene menor cuota de mercado en centros de datos de IA, pero está ganando terreno.
- Adobe: ha integrado IA generativa en Creative Cloud con Firefly, su motor propio de generación de imagen y vídeo. Su ventaja está en haber entrenado el modelo solo con contenido con licencia, lo que reduce la exposición legal.
- Amazon: la demanda de cómputo en la nube para entrenar e inferir modelos de IA ha impulsado los ingresos de AWS. Amazon también desarrolla sus propios chips Trainium y Inferentia para ofrecer alternativas a la GPU de Nvidia.
- Broadcom: fabrica chips de red que conectan los clústeres de GPU en los centros de datos. Cuantos más servidores de IA, más chips de red necesarios.
- Salesforce: integra IA en su plataforma CRM a través de Einstein GPT y Albert AI. Sus clientes empresariales son el público natural para los asistentes de ventas y atención al cliente basados en LLM.
- Baidu: en China, Baidu posiciona su LLM Ernie Bot como alternativa a ChatGPT en el mercado local.
La IA empresarial ya no choca con los modelos sino con los datos: el factor que más fr ena la adopción no es la tecnología en sí sino la calidad y gobernanza de los datos de las propias compañías, lo que explica por qué plataformas de datos como Snowflake o Databricks también aparecen en las listas de beneficiarios de la IA.
Riesgos que los inversores deben tener en cuenta
El mercado de acciones de IA lleva meses descontando un escenario de adopción acelerada, lo que implica que parte del crecimiento esperado ya está en el precio. Algunos factores de riesgo concretos que los análisis especializados mencionan son la concentración de producción de chips en TSMC (Taiwan), la posible regulación gubernamental sobre exportaciones de GPU a determinados países, y la velocidad a la que AMD, Intel y los chips propios de los hyperscalers puedan erosionar la cuota de Nvidia. El caso de OpenAI ante Wall Street ilustra cómo las valoraciones de las compañías de IA siguen siendo una apuesta a futuro más que a fundamentales actuales en muchos casos.
La inversión en acciones conlleva riesgos. Las rentabilidades pasadas no garantizan resultados futuros. Este artículo no es una recomendación de inversión.
Preguntas frecuentes
¿Por qué subió tanto Nvidia en bolsa en 2023?
Los resultados trimestrales de Nvidia superaron ampliamente las previsiones del mercado, impulsados por la demanda de GPU H100 para entrenar modelos de IA. El segmento de Data Center se convirtió en el mayor generador de ingresos de la compañía, por delante de videojuegos.
¿Qué tiene Nvidia que otras empresas de chips no tienen?
La ventaja clave es CUDA, el entorno de programación paralela que lleva desde 2007 integrado en los flujos de trabajo de investigación en IA. La mayoría de los marcos de entrenamiento (PyTorch, TensorFlow) corren de forma nativa sobre GPU de Nvidia, lo que genera un efecto de permanencia muy alto.
¿AMD compite con Nvidia en IA?
Sí. AMD tiene la GPU MI300X como alternativa a la H100 de Nvidia para entrenar LLM. En 2023 tenía una cuota de mercado menor en centros de datos de IA, pero compañías como Meta y Microsoft han anunciado pruebas con hardware de AMD para diversificar sus fuentes de suministro.
¿Qué riesgos tienen las acciones de IA?
Entre los principales: valoraciones que ya descuentan un escenario de adopción acelerada, concentración de la producción de chips en TSMC (Taiwán), posibles restricciones de exportación de GPU, y competencia emergente de chips propios de Amazon, Google y Microsoft. Las rentabilidades pasadas no garantizan resultados futuros.
¿Adobe es un beneficiario de la IA?
Adobe ha integrado IA generativa en Creative Cloud a través de Firefly, entrenado solo con contenido con licencia para reducir la exposición a demandas por derechos de autor. Su posición en el mercado creativo profesional lo convierte en un candidato natural para monetizar la IA generativa.
