La Geometría del Poder
Una mañana de primavera de 1993, tres ingenieros se reunieron en un restaurante de San José y decidieron construir una empresa en torno a una corazonada: que el futuro de la informática sería visual, tridimensional y hambriento de capacidad de procesamiento paralelo . Jensen Huang, Chris Malachowsky y Curtis Priem fundaron Nvidia el 5 de abril de ese año, bautizándola con la palabra latina para envidia — una elección curiosa para una firma que, tres décadas después, se convertiría en objeto del deseo más febril de Wall Street .
En enero de 2025, aquella startup nacida en un restaurante se había convertido en la primera corporación en la historia de la humanidad en cruzar tanto el umbral de los cuatro billones como el de los cinco billones de dólares de capitalización bursátil, con un valor actual de 5,01 billones de dólares . Para ponerlo en perspectiva: Nvidia vale más que el PIB completo de Japón, más que el valor combinado de todas las empresas cotizadas de Francia. Se ha convertido, en los términos financieros más crudos, en la empresa más valiosa jamás creada.
Pero las valoraciones, por vertiginosas que sean, son meros síntomas. La pregunta más interesante es en qué se ha convertido Nvidia en sustancia — y la respuesta es tanto más simple como más extraña de lo que sugiere la cifra de un billón de dólares. Nvidia se ha transformado de fabricante de chips gráficos en el sustrato físico de la inteligencia artificial misma, la empresa que construye las palas, los ferrocarriles y, cada vez más, toda la cadena de suministro de la nueva fiebre del oro. Y ahora, con sus últimos movimientos en robótica y simulación de código abierto, está intentando hacer por la IA corporizada lo que hizo por el aprendizaje automático: volverse indispensable.
La Larga Marcha desde los Teléfonos hasta los Planetas
El camino de Nvidia hacia el dominio nunca fue lineal. Durante años, fue simplemente la empresa de tarjetas gráficas, el nombre que conocían los jugadores, el fabricante de chips que hacía bailar los píxeles. Pero la firma siempre ha jugado una partida más larga, diversificándose hacia mercados adyacentes con agresividad paciente.
En 2011, la empresa había comenzado su incursión en la informática móvil, presentando la línea de procesadores Tegra para teléfonos inteligentes y tabletas. Ese año, Nvidia dominó el mercado de dispositivos Android de doble núcleo en Estados Unidos, impulsando tanto tabletas como lo que la industria entonces denominaba "superteléfonos" . El Tegra 3, anunciado poco después, era una maravilla de cuatro núcleos, el tipo de chip que hacía que los primeros buques insignia de Android se sintieran, brevemente, como el futuro .
Sin embargo, el móvil nunca se convirtió en el reino de Nvidia. Qualcomm y el silicio personalizado de Apple se encargarían de eso. Lo que Tegra hizo, no obstante, fue enseñar a Nvidia cómo construir arquitecturas de sistema en chip para entornos de energía limitada — conocimiento que demostraría ser invaluable cuando la firma pivotó hacia la inferencia de IA en el perímetro. La familia Jetson de procesadores integrados, ahora diseñados específicamente para robótica e IA física, desciende directamente de ese linaje Tegra . Los chips están optimizados para inferencia en tiempo real con modelos abiertos líderes, lo suficientemente pequeños para caber dentro de drones y brazos robóticos, lo suficientemente potentes para procesar datos de sensores a la escala de milisegundos requerida por las máquinas autónomas .
Nvidia también hizo apuestas tempranas y prescientes en juegos en la nube y renderizado remoto. A principios de la década de 2010, presentó Nvidia Grid, una plataforma de hardware y software diseñada para transmitir juegos desde centros de datos a clientes ligeros . La tecnología se adelantó a su tiempo — el ancho de banda era insuficiente, la latencia demasiado alta — pero el pensamiento arquitectónico prefiguró las posteriores ofertas de IA en la nube de la empresa. Nvidia aprendió, en esos años, cómo construir no solo chips sino ecosistemas enteros: hardware, controladores, API y la pila de software que los une.
Luego llegaron las adquisiciones, del tipo que señalan intención estratégica. En 2019, Nvidia anunció que adquiriría Mellanox Technologies por aproximadamente 7.000 millones de dólares en efectivo, un acuerdo que trajo redes de alta velocidad a su cartera — críticas para las interconexiones que enlazan miles de GPU en las supercomputadoras de IA modernas . Ese mismo período vio a Nvidia adquirir Cumulus Networks, una firma de redes de código abierto especializada en optimización de centros de datos, apretando aún más su control sobre la capa de infraestructura .
Y luego, en 2020, llegó el movimiento más audaz de todos: Nvidia anunció que adquiriría Arm Limited, la casa británica de diseño de chips cuyas arquitecturas alimentan prácticamente todos los dispositivos móviles de la Tierra, por 40.000 millones de dólares . El acuerdo habría creado, en palabras de un analista, "un gigante informático" . Habría dado a Nvidia el control sobre la propiedad intelectual que sustenta los chips de la serie M de Apple, los procesadores móviles de Qualcomm y la gran mayoría de sistemas integrados a nivel mundial. Los reguladores de Estados Unidos, Europa y China finalmente bloquearon la adquisición por motivos antimonopolio, pero el intento solo reveló la ambición de Nvidia: no meramente dominar la informática de IA, sino poseer toda la pila, desde el móvil hasta la nube, desde el perímetro hasta la exaescala.
La Doctrina Blackwell
Lo que Nvidia ha construido, al final, es un monopolio no de mercados sino de capacidad. Sus GPU — unidades de procesamiento gráfico reutilizadas para computación paralela — se han convertido en el estándar de facto para entrenar grandes modelos de IA. Google, Meta, OpenAI, Anthropic: todos ejecutan sus modelos sobre silicio de Nvidia. El entorno de programación CUDA de la empresa, con dos décadas de antigüedad, ha creado un foso tan ancho que los competidores luchan incluso por ser considerados.
En 2024, el entonces consejero delegado de Nvidia, Jensen Huang, subió al escenario y declaró: "Creamos un procesador para la era de la IA generativa" . Se refería a la plataforma Blackwell, la última arquitectura de Nvidia, diseñada para ejecutar IA generativa en tiempo real con modelos de billones de parámetros — a un costo y consumo energético hasta 25 veces menor que su predecesora . La plataforma Blackwell no es meramente más rápida; es lo suficientemente eficiente como para hacer económicamente viables ciertas clases de aplicaciones de IA por primera vez. Entrenar un modelo de un billón de parámetros requería anteriormente la producción eléctrica de una ciudad pequeña; Blackwell lo hace posible con el presupuesto energético de un edificio de oficinas grande.
Esta es la alquimia que Nvidia ha dominado: no solo rendimiento bruto, sino rendimiento por vatio, rendimiento por dólar, rendimiento a escala. Los chips Blackwell, como sus predecesores, se enviarán no como componentes independientes sino como parte de sistemas integrados — bastidores de servidores, soluciones de refrigeración, tejido de red, todo optimizado para trabajar en conjunto. Nvidia, en otras palabras, se ha convertido en un integrador de sistemas, vendiendo no componentes sino fábricas enteras de IA.
La empresa presentó su informe anual para el año fiscal que finalizó el 26 de enero de 2025, un documento que, aunque denso con la prosa corporativa habitual, revela ingresos y márgenes que harían sonrojar a un cártel petrolero . Los márgenes brutos de Nvidia en chips de IA rondan el 80 por ciento; la firma tiene un poder de fijación de precios que roza lo absoluto. Cuando la demanda supera a la oferta en órdenes de magnitud, puedes poner tu precio.
La Cuestión Abierta de la Apertura
Sin embargo, el dominio de Nvidia siempre ha estado ensombrecido por cierta opacidad. La empresa ha sido históricamente reacia a abrir su documentación de hardware, una postura que ha frustrado a la comunidad de código abierto durante décadas. En 2006, Fedora decidió no actualizar a X.org 7.1 porque los proveedores de módulos propietarios, Nvidia entre ellos, no habían proporcionado soporte adecuado . El controlador de código abierto Nouveau, construido mediante ingeniería inversa del hardware de Nvidia, nunca ha alcanzado paridad de funciones con los controladores propietarios de la empresa.
En años recientes, sin embargo, Nvidia ha cambiado — parcial, estratégicamente — hacia la apertura, al menos en ciertos dominios. Se ha comprometido a lanzar más documentación con el tiempo, ofreciendo orientación en áreas específicas según lo permitan los recursos . El marco de aprendizaje automático DIB-R, que genera modelos 3D a partir de imágenes 2D individuales, se lanzó con licencia abierta, un gesto hacia la comunidad académica que depende de las herramientas de Nvidia . Más recientemente, la empresa lanzó Isaac Sim, una plataforma integral de código abierto para entrenar, simular y validar robots basados en IA en entornos virtuales físicamente precisos .
Isaac Sim es más que un simulador; es una apuesta por el futuro de la IA corporizada. Entrenar un robot en el mundo real es costoso, lento y peligroso. Entrenarlo en simulación — a través de miles de entornos virtuales, con motores de física que modelan fricción, inercia, ruido de sensores — permite una iteración rápida a un costo marginal cercano a cero. Nvidia ha construido Isaac Sim sobre su plataforma Omniverse, un conjunto de herramientas diseñadas originalmente para visualización cinematográfica y arquitectónica, ahora reutilizadas para la era de la robótica.
La firma también ha lanzado software para acelerar el desarrollo de vehículos autónomos, aprovechando técnicas de razonamiento de IA para mejorar la transparencia y la toma de decisiones en sistemas autónomos . El modelo Alpamayo-R1, presentado recientemente, busca hacer más interpretable la lógica de conducción autónoma — un requisito crítico a medida que los reguladores comienzan a examinar la naturaleza de caja negra de la autonomía basada en redes neuronales .
La Era de la Robótica Generalista
Y luego, a principios de 2025, llegó GROOT — no el personaje arbóreo de Marvel, sino el modelo fundacional de código abierto de Nvidia para robots humanoides. El modelo GROOT N1, como se conoce formalmente, representa la entrada más directa de Nvidia en la IA corporizada . Es un modelo de propósito general diseñado para acelerar el desarrollo de robots que pueden navegar entornos no estructurados, manipular objetos y aprender tareas mediante demostración en lugar de programación codificada.
"La era de la robótica generalista está aquí", declaró Nvidia al presentar GROOT, y la afirmación, por una vez, puede no ser hipérbole .
Durante años, la robótica ha estado obstaculizada por el problema de la especificidad: cada robot era un sistema a medida, entrenado para un conjunto reducido de tareas en entornos controlados. Los robots de fábrica sueldan chasis de automóviles con precisión inhumana pero no pueden abrir una puerta. Los robots de almacén mueven cajas pero no pueden doblar una camisa. Los robots humanoides, el santo grial del campo, han permanecido en gran medida experimentales, demasiado lentos y demasiado torpes para ser comercialmente viables.
GROOT busca cambiar eso proporcionando un modelo fundacional preentrenado — análogo a GPT para el lenguaje o DALL-E para imágenes — que puede ajustarse finamente para plataformas robóticas específicas. El modelo se entrena con vastos conjuntos de datos de movimiento humano, manipulación de objetos y razonamiento espacial, y luego se despliega en el hardware Jetson de Nvidia para inferencia en tiempo real . El resultado es un robot que puede generalizar: enseñado a recoger una taza, puede recoger una botella; enseñado a navegar una habitación, puede navegar otra.
La decisión de lanzar GROOT como código abierto es calculada. Nvidia no vende robots; vende los chips y el software que hacen posibles los robots. Al abrir el código del modelo, la empresa garantiza que cada startup de robótica, cada laboratorio de investigación, cada fabricante de hardware ambicioso construirá sobre la pila de Nvidia. Cuantos más robots ejecuten GROOT, más módulos Jetson venderá Nvidia. Cuantos más investigadores entrenen modelos en Isaac Sim, más GPU arrendará Nvidia en la nube. Es el modelo de maquinilla y cuchillas, aplicado a la infraestructura de la inteligencia misma.
La Memoria que No Fue
No todas las iniciativas de Nvidia han sido impecables. En 2015, la empresa enfrentó un escándalo de relaciones públicas por la tarjeta gráfica GeForce GTX 970, una GPU de gaming popular comercializada como con 4 gigabytes de memoria de vídeo . Los entusiastas pronto descubrieron que solo 3,5 gigabytes de esa memoria eran fácilmente accesibles; los últimos 512 megabytes estaban en una partición más lenta del bus de memoria, causando que el rendimiento se desplomara cuando las aplicaciones intentaban usar los 4 gigabytes completos .
La controversia no fue meramente técnica sino ética: ¿había Nvidia engañado intencionalmente a los consumidores, o fue un fallo de comunicación? La respuesta de la empresa fue confusa. Aclaró que la GTX 970 podía, en teoría, utilizar los 4 gigabytes completos — pero solo bajo "condiciones altamente estresantes", y con una penalización de rendimiento . Nvidia también afirmó, definitivamente, que no habría actualización de controladores para mejorar la asignación de memoria o el rendimiento específicamente para la GTX 970 . La firma ofreció ayudar a los minoristas a procesar devoluciones, un reconocimiento tácito de que el producto no había cumplido las expectativas del consumidor .
El incidente fue un tropiezo raro para una empresa que por lo demás ha gestionado su reputación con precisión. También subrayó una tensión que persiste en la relación de Nvidia con sus clientes: los productos de la firma son tan dominantes que los usuarios tienen poca opción salvo aceptar sus peculiaridades, su documentación cerrada, su bloqueo propietario. El revuelo de la GTX 970 se desvaneció; las ventas apenas cayeron. La posición de mercado de Nvidia, incluso entonces, ya era demasiado fuerte para verse seriamente amenazada por un solo error de producto.
La Infraestructura del Pensamiento
Lo que Nvidia ha construido, en última instancia, no es una línea de productos sino una plataforma — la infraestructura sobre la cual se está construyendo la revolución de la IA. Cada avance en IA generativa, cada nueva capacidad robótica, cada vehículo autónomo que se acerca a la viabilidad: todo funciona, en algún punto del proceso, sobre hardware de Nvidia.
La capitalización bursátil de la empresa, ahora de 5,01 billones de dólares, no es una burbuja en el sentido tradicional . Es un reflejo de algo más fundamental: el reconocimiento de que la IA no es una tecnología única sino un nuevo sustrato para la informática, y que Nvidia controla los medios de producción. Tal como Standard Oil dominó la energía en su momento, tal como AT&T dominó las comunicaciones, Nvidia ahora domina la infraestructura de la inteligencia de máquinas.
Pero los monopolios, por eficientes que sean, son frágiles. Invitan a la regulación, la competencia y la lenta entropía de la disrupción tecnológica. Google está diseñando sus propias TPU; Amazon sus propios chips Trainium; incluso se rumorea que Apple está trabajando en silicio personalizado de IA. Las alternativas de código abierto a CUDA están proliferando, aunque lentamente. La fortaleza que Nvidia ha construido es formidable, pero no es eterna.
La iniciativa GROOT, y el impulso más amplio hacia la robótica, representa el intento de Nvidia de asegurar la siguiente frontera antes de que lleguen los competidores. Si la IA fue la primera ola — inteligencia de software, ejecutándose en centros de datos — entonces la robótica es la segunda: inteligencia física, ejecutándose en el mundo. Nvidia aprendió de sus errores móviles que no puede permitirse ceder nuevos mercados a rivales. Esta vez, se está moviendo temprano, invirtiendo fuertemente y regalando lo justo — a través de modelos de código abierto y herramientas de simulación accesibles — para garantizar que cuando llegue la revolución robótica, se construirá en los términos de Nvidia.
El Restaurante, Revisitado
Treinta y dos años después de aquella reunión en San José, Nvidia ya no es una startup con una corazonada. Es el banco central de la economía de la IA, la institución que establece los términos del comercio, la entidad sin la cual todo el edificio tambalea. Sus chips se asignan como un bien escaso; los consejeros delegados de empresas del Fortune 500 llaman personalmente a Jensen Huang para rogar acceso anticipado al último hardware. Los gobiernos tratan a Nvidia como un activo estratégico, regulando sus exportaciones como si fueran plutonio apto para armas.
Y sin embargo, con todo su dominio, Nvidia sigue siendo, en algún sentido fundamental, una apuesta: la apuesta de que la IA seguirá escalando, de que la demanda de computación seguirá superando la oferta, de que el futuro requerirá cada vez más silicio dedicado a modelos cada vez más grandes. El impulso robótico es una cobertura contra el fracaso de esa apuesta — una forma de diversificarse hacia la IA corporizada, hacia la informática en el perímetro, hacia mercados donde las leyes de escalado de los modelos transformadores no aplican.
Si GROOT e Isaac Sim resultarán tan transformadores como CUDA y la línea GeForce está por verse. La robótica es más difícil que el software; la física es menos indulgente que la probabilidad. Pero Nvidia ha pasado tres décadas aprendiendo cómo construir plataformas, no solo productos — cómo crear ecosistemas que encierran a desarrolladores, investigadores y clientes por igual.
La empresa que tres ingenieros fundaron durante un desayuno ahora vale más que la capitalización bursátil de naciones enteras. Se ha convertido, en un sentido muy literal, en demasiado grande para quebrar — al menos por ahora, al menos mientras dure el auge de la IA, al menos hasta que llegue el siguiente cambio de paradigma y alguna otra conversación de restaurante comience a esbozar el futuro.
Por el momento, sin embargo, el futuro se ejecuta sobre los chips de Nvidia, simula en el software de Nvidia y, cada vez más, caminará sobre las piernas robóticas de Nvidia. Cinco billones de dólares no es el final de la historia. Es meramente el precio que el mercado ha puesto a la infraestructura del pensamiento mismo.