Huang Renxun analiza el mercado actual de la IA: es un error cargar toda la presión de rentabilizar la IA sobre dos empresas

TL;DR
· La ley de Moore ha muerto; hoy, para duplicar la potencia de cálculo hay que pagar el doble; y mi confianza en el resultado es del 99,99 %

· Extrapolar la escala de toda la infraestructura a partir de los ingresos de uno o dos laboratorios es un malentendido: los laboratorios de vanguardia solo representan entre el 25 % y el 30 % de nuestra potencia de cálculo; un tercio es computación clásica y otro tercio son miles de startups
· El suelo, la electricidad, las carcasas y los recursos de construcción serán los principales cuellos de botella
· Cuando el total de megavatios está limitado, la elección de los clientes se desplaza hacia la potencia de cálculo más productiva, por lo que nuestra cuota en realidad está subiendo; el contenido en dólares que invertimos en un solo gigavatio ya ha pasado de 18 000 millones a más de 40 000 millones
· Queremos que el coste de la inteligencia baje 2 veces, incluso 20 veces, cada año, porque el consumo de inteligencia compensará con creces esa brecha

Punto de inflexión computacional, modelos de razonamiento y la era de los agentes inteligentes

¿Estamos cruzando el borde de la singularidad y por qué la demanda de potencia de cálculo debe crecer mil millones de veces?

Necesitamos mil millones de veces más potencia de cálculo que hace poco, y la lógica es bastante clara. El número de razonamientos necesarios para pensar y resolver problemas supera con creces el de repetir o recitar lo que ya has memorizado.

Le das un prompt al primer ChatGPT, y la mayor parte de ese conocimiento ya estaba codificado en el modelo de lenguaje grande; lo malo es que alucina. El siguiente paso es la IA generativa, que se «ancla» y se restringe con hechos reales: recupera rápidamente, trae hechos y los combina con el preentrenamiento para generar respuestas.

La mayoría de las cosas interesantes que realmente queremos hacer requieren razonar paso a paso: idear varias opciones, planificar, deducir cómo evolucionará la situación, reflexionar sobre cuál es el mejor camino actual, desplegar las opciones y podar el resto. Los grandes estrategas adoran las «opciones estratégicas»: no quieres podar demasiado rápido, pero debes optimizar los recursos. La IA ya hace esto. Conserva opciones estratégicas, despliega deducciones, reflexiona y poda. Todo ese pensamiento y exploración consume mucha más potencia de cálculo.

Como puede producir trabajo, la usaremos para hacer más cosas. Estas dos cosas se superponen: usar más potencia de cálculo para completar el trabajo y, al mismo tiempo, ser contratada para hacer más trabajo porque lo hace bien, lo que amplifica la demanda total.

La observación más importante del año pasado es que la ley de escala de los modelos continuará, pero equiparla con un «arnés», es decir, el exoesqueleto del modelo de lenguaje grande, es un desbloqueo enorme. Gestiona la memoria de trabajo, convierte la memoria de trabajo en memoria a corto y largo plazo, y construye un grafo de conocimiento. Los humanos hacemos exactamente eso: comprimimos mientras dormimos, olvidamos lo que no importa y reconectamos lo importante en estado offline.

Otro desbloqueo es el uso de herramientas. Hemos enseñado a la IA a interactuar con las herramientas más importantes creadas por los humanos: SPICE, Verilog, varios simuladores, compiladores de diseño, Photoshop, AutoCAD y las herramientas de Siemens. Si un robot entra en tu casa, usará las herramientas de tu casa, no creará herramientas nuevas desde cero. Los agentes inteligentes deben aprender a usar las herramientas existentes.

Una vez que pones los modelos de lenguaje grande con arnés dentro de las empresas y los conectas a hechos reales y herramientas existentes, empiezan a hacer cosas asombrosas. La programación es la puerta de entrada más fácil, porque los ingenieros de software están acostumbrados a herramientas que, aunque no sean perfectas, tienen una utilidad enorme.

La siguiente fase son los flujos de trabajo de diseño, creatividad y marketing. Por ejemplo, Astra de OpenAI es fantástico. Haces una foto, se la pasas a Astra y la reconstruye directamente como modelo CAD. Necesitamos el modelo CAD para interactuar con él, hacer ajustes y afinarlo. Esta primera aplicación ya aumenta enormemente la productividad de diseñadores, constructores y creadores.

Si los laboratorios de vanguardia vuelven a ampliar la potencia de cálculo entre 3 y 5 veces el año que viene, ¿qué avances esperas en tareas de agentes de larga duración?

Las ecuaciones de Navier-Stokes son un buen ejemplo. OpenAI no resolvió Navier-Stokes de la nada; lo hizo sobre la base del trabajo de muchos grandes científicos, matemáticos y predecesores. Estamos en un punto de inflexión en muchos campos. Como ya se ha hecho una gran cantidad de trabajo básico, si aplicamos la capacidad de exploración exhaustiva de la IA sobre esas bases, pronto veremos avances uno tras otro.

Necesitamos mucha potencia de cálculo porque hay que explorar un espacio de búsqueda enorme. Si bastara con derivar desde primeros principios sin necesidad de buscar en un espacio gigantesco, alguien ya lo habría resuelto. Muchos problemas están al borde del precipicio, esperando a que una exploración inteligente masiva los resuelva.

En los próximos años, el coste de la inteligencia bajará bastante rápido. Entra más potencia de cálculo en línea y los modelos se vuelven más inteligentes y eficientes. Igual que la ley de Moore redujo a la mitad el coste de la computación cada año durante treinta años, queremos que el coste de la inteligencia baje 2 veces, incluso 20 veces, cada año. Y el consumo de inteligencia compensará con creces esa brecha. En el mundo hay un vacío de oportunidades gigantesco esperando a ser llenado.

Nuestra ambición se expande muy rápido. Hace diez años, entrenar GPT-1 costaba entre 10 y 20 millones de dólares; hoy se puede hacer por cien dólares. Al mismo tiempo, nuestra ambición es tan grande que empezamos a entrenar modelos de 3 billones, 10 billones y 30 billones de parámetros. En la última década, nuestro uso de potencia de cálculo ha crecido aproximadamente un millón de veces, y la demanda humana de inteligencia es insaciable.

La gente dice que la IA nos dará más ocio; no estoy de acuerdo en absoluto. La inteligencia abrirá más oportunidades, y las personas ambiciosas querrán aprovecharlas. Cada vez que aprendes algo, se abre una puerta nueva; detrás de esa puerta verás más retos y problemas que resolver.

En 1930, Keynes predijo que en cien años la economía crecería ocho veces y la jornada laboral bajaría a 15 horas semanales. La economía sí creció ocho veces, pero no acabamos con una semana laboral de 15 horas. Se equivocó al subestimar el espíritu humano: el trabajo y el descubrimiento dan sentido a la vida; está escrito en nuestro ADN.

IA física, inteligencia encarnada y reestructuración industrial

¿Por qué el gran público sigue sintiendo que la superinteligencia está muy lejos y no se da cuenta de que ya está integrada en la vida cotidiana?

La IA, o la superinteligencia, es una «materia blanda»: no se ve ni se toca. Todo el mundo habla de ella, pero sigue siendo invisible. En realidad, la gente se beneficia de ella todos los días: al buscar, al comprar, al ver Netflix, al ir a Walmart, cuando FedEx planifica las rutas de los paquetes. Hoy todo eso usa computación acelerada y superinteligencia, solo que no sabemos contar bien esa historia. Si apagáramos los centros de datos y detuviéramos la superinteligencia un fin de semana, todo el mundo lo notaría de inmediato.

Mencionas que el momento ChatGPT de la robótica ya ha llegado, ¿es un mercado de cien mil millones de dólares?

Decir cien mil millones es quedarse corto. Solo en el primer semestre de este año hicimos 10 000 millones de dólares en IA física. El año pasado fueron 10 000 millones en todo el año, y el anterior 5 000 millones.

La IA física es la IA que interactúa con el mundo físico. Incluye TC con conteo de fotones, ultrasonidos, radar de imagen, redes 5G de nueva generación capaces de percibir todo tipo de señales, coches autónomos, sistemas de fabricación, sistemas de inspección visual y satélites geoespaciales que reconstruyen el mundo en tres dimensiones. La IA trabaja en todo el espectro electromagnético.

En la IA hay percepción, razonamiento y luego planificación y ejecución. Cuando llegas a la planificación y la ejecución, hablamos de coches autónomos, vehículos de reparto en almacenes, robots de agarre capaces de aprender por sí mismos, robots hospitalarios que entregan medicamentos y quirófanos totalmente robotizados.

Todo lo que de verdad nos importa acaba tocando el mundo físico. Llevar software e inteligencia a industrias que históricamente han sido puramente mecánicas y eléctricas es una oportunidad enorme. Mira lo que Elon hizo con la industria del automóvil: la convirtió en una industria de computación. Todos los fabricantes de coches se están convirtiendo en empresas tecnológicas. FedEx, Walmart y las operadoras de telecomunicaciones también se están reconvirtiendo en empresas tecnológicas y de IA.

¿Cómo impulsa NVIDIA la IA física mediante la arquitectura de «tres ordenadores»?

Para construir una plataforma de IA física se necesitan tres ordenadores:

Primero, necesitas el ordenador que construye el «cerebro», es decir, el sistema de entrenamiento.

Segundo, los laboratorios de IA y los desarrolladores deben construir un gemelo digital del mundo, para que los agentes no tengan que aprender por ensayo y error en la realidad física. Creamos Omniverse como gemelo digital de almacenes, edificios y ciudades. Metemos los robots en el gemelo digital y dejamos que aprendan allí cómo funcionar.

Tercero, despliegas la política en el ordenador que está dentro de la máquina física: el ordenador del coche, del robot o del instrumento quirúrgico.

Se necesitan tres ordenadores y tres pilas de software completas. Nosotros hemos construido la pila completa para cada uno, y somos la única empresa del mundo que lo ha hecho.

Alineación segura, principios de ingeniería y sistema de gobernanza nacional

¿Cómo respondes al discurso apocalíptico de que la IA no puede alinearse perfectamente y acabará siendo incontrolable?

Debemos construir la tecnología de forma responsable. «Construir» es una palabra de ingeniería. Los ingenieros, científicos e investigadores deben fabricar esta tecnología de forma segura. ¿Se puede hacer? Absolutamente, porque si no puedes, no deberías construirla.

Hay quien dice que la IA es incontrolable porque es imposible lograr una alineación perfecta. Alineación significa que le das una tarea a la IA, pero hay muchas maneras de completarla. Por ejemplo, un problema matemático claro puede resolverse por deducción, buscarse en un libro de texto o recuperarse de un cajón. Pero para objetivos como «tener éxito en la vida» o «contribuir a la sociedad», hay infinitas interpretaciones según la cultura, el contexto y la región. La alineación es un problema permanente. Si dependemos de una alineación perfecta para garantizar la seguridad, nunca llegaremos a ese día.

La respuesta de la ingeniería es la misma lógica que usamos para criar a los hijos o incorporar a un empleado nuevo:

Primero, aislamiento y confianza cero. Cuando contratas a alguien, o metes a un niño de un año en un parque infantil, empiezas desde la confianza cero. Le das los permisos mínimos, el acceso mínimo a herramientas y el presupuesto mínimo, estrictamente en función de la tarea inmediata. A medida que ganas confianza con las pruebas, vas ampliando esos límites.

Segundo, monitorización fuera de banda. La monitorización debe ser fuera de banda. Si le dices a una entidad inteligente «me siento aquí a vigilar cada uno de tus movimientos», su comportamiento no será el mismo que cuando nadie la observa. El sistema de monitorización debe permanecer fuera, observar si el sistema autónomo viola las políticas o los requisitos de alineación, y tener autoridad independiente para escalar la situación en cualquier momento o apagarlo directamente.

Esto es ingeniería y tecnología. Es totalmente factible, y hace poco lo publicamos como OpenShell; más de 100 empresas ya se han unido a este marco.

Cuando se firmó el acuerdo en la Casa Blanca, ¿había una mentalidad de avance ciego entre los líderes de los laboratorios de vanguardia?

La tecnología de seguridad y protección forma parte de la IA. Existe el malentendido de que la capacidad y la seguridad de la IA son ortogonales, como si separaras el motor del coche de los frenos, los airbags y el radar. Cuando digo que hay que acelerar la tecnología de IA, eso significa acelerar al mismo tiempo la tecnología de seguridad y protección. Nadie dice «vamos a ralentizar la seguridad». No se puede separar la funcionalidad de la seguridad.

En la sala del gabinete donde estaban el presidente y los líderes de los laboratorios de vanguardia, todo el mundo fue constructivo y productivo. Sin excepción, todos estaban comprometidos con impulsar esta industria de forma segura y fiable. Si un sistema no es seguro, su funcionalidad nunca podrá desplegarse. Funcionalidad, capacidad, seguridad y protección son todas prioridades de primer orden.

Necesitamos redefinir qué significa «ganar». Ganar no es que gane la industria tecnológica de la IA. Que gane Estados Unidos significa que ganen todas sus industrias: que gane Eli Lilly, que gane Walmart, que gane FedEx, que gane Boeing, que gane el ejército estadounidense, y que ganen nuestras escuelas y nuestros ciudadanos. Si la tecnología triunfa pero nadie puede desplegarla de forma segura, no hay victoria alguna.

Pregunta: ¿Es realmente eficaz el marco regulador de «trípode» formado por la revisión del Departamento de Comercio, el acuerdo de la Casa Blanca y los grupos de trabajo de seguridad?

La mejor manera de avanzar hacia el futuro es actuar con rapidez. Si gastamos el tiempo discutiendo entre «perfección» y «acción», discutiremos eternamente y nunca llegaremos.

Me gusta mucho este marco de «trípode»: es ejecutable, tangible y tiene dientes de verdad. Estamos actuando ahora mismo porque es bueno para nuestra empresa, para nuestra industria y para nuestra sociedad. No recuerdo otra industria que, en esta fase de desarrollo, haya creado este grado de colaboración entre empresas, gobierno e industria.

A los legisladores quiero decirles dos cosas: primero, vengan a pasar un tiempo con nosotros y entiendan primero cuáles son los problemas técnicos reales antes de regular. Segundo, miren las soluciones que ya estamos implantando de forma proactiva y ayúdennos a mejorarlas. Participen de forma constructiva.

Oleada de infraestructura de cómputo, escasez eléctrica y cuellos de botella físicos

El sector prevé más de 40 GW nuevos de potencia de cálculo al año, ¿serán un obstáculo las restricciones físicas de suelo y electricidad?

La demanda existe, sin duda, y es mayor. El reto está en pasar del mundo digital al mundo físico. Hay muchos obstáculos: permisos de suelo, generación eléctrica, subestaciones y los técnicos especializados necesarios para construir un centro de datos de 50 000 millones de dólares: electricistas, montadores, fontaneros. Esas habilidades son insustituibles. El suelo, la electricidad, las carcasas y los recursos de construcción serán los principales cuellos de botella.

NVIDIA mitiga este problema mediante una amplia diversificación. Damos servicio a todos los proveedores de nube, a los Neocloud y a socios empresariales como Dell, HP y Lenovo, cubriendo todo el ciclo de vida: procesamiento de datos, entrenamiento, postentrenamiento, inferencia y uso de herramientas por agentes. Si un estado, una comunidad o un centro de datos se encuentra con un cuello de botella, como nuestra demanda supera con mucho la oferta, simplemente redirigimos la cadena de suministro a otro lugar.

NVIDIA es una infraestructura global. Tenemos proyectos en marcha en Europa, Australia (por ejemplo, el despliegue de 2 GW que anunciamos), Asia, América Latina y Oriente Medio. Si Estados Unidos no construye lo bastante rápido, el resto del mundo está deseando que se construya en su territorio.

Cuando la electricidad disponible y la capacidad de la red están limitadas, ¿cómo elegirán los clientes la arquitectura de cómputo?

La arquitectura de NVIDIA produce la mayor cantidad de tokens por vatio. Cuando el total de megavatios disponibles está limitado, la elección de los clientes se desplaza hacia los recursos de cómputo más productivos que puedan conseguir, porque los CEO siguen cargando con objetivos de ingresos altos que deben rendir cuentas a los accionistas.

Nuestros sistemas son los más fáciles de alquilar, los más versátiles y los más duraderos. Como la escasez de recursos empuja a los compradores hacia la eficiencia, nuestra cuota de mercado en realidad está subiendo.

El valor que podemos ofrecer por gigavatio es mucho mayor que antes. Hemos pasado de las GPU a las redes, las CPU de alto rendimiento, la computación de almacenamiento y la infraestructura de seguridad como OpenShell. El contenido en dólares que invertimos en un solo gigavatio ha pasado de 18 000 millones a más de 40 000 millones, y la cifra sigue subiendo.

En los grandes CSP representamos aproximadamente el 40 % de su gasto de capital; fuera de los CSP, en empresas y nuevas nubes, representamos alrededor del 80 %. Ambas partes se están duplicando, y por eso nuestra cuota del gasto de capital global en centros de datos sigue creciendo.

Musk, el clúster de xAI y los centros de datos espaciales

Musk construyó el clúster Colossus en solo unos meses, ¿es la velocidad de expansión de cómputo de xAI algo sin precedentes?

Antes Elon estaba clasificado en nuestro negocio empresarial; ahora ha pasado a nuestras cifras de CSP. Me encanta trabajar con Elon. Usa nuestra tecnología para entrenar modelos, desplegar Grok —cuyo consumo se está disparando— y alquilar infraestructura a terceros.

Tiene una ventaja muy singular: le apasiona la intersección entre computación y construcción física, y en energía nadie sabe más que él.

¿Es realista desplegar cientos de megavatios de cómputo en el espacio entre 2028 y 2029 mediante Starship?

Nuestro equipo de ingeniería está colaborando estrechamente con SpaceX para crear una nueva arquitectura de servidores adecuada para el espacio.

NVIDIA ofrece el mejor rendimiento por vatio, pero lo más importante es que el retorno de la inversión de nuestra potencia de cálculo no tiene rival. El coste de lanzamiento es altísimo, lo que significa que no puedes enviar a órbita computación barata y de bajo valor. Tienes que enviar los sistemas de cómputo históricamente más valiosos y productivos para que justifiquen ese coste de lanzamiento y consigan un ROI fuerte.

Los satélites en el espacio necesitan potencia de cálculo muy versátil. Si lanzas un satélite y no hay clientes que lo alquilen, se queda ocioso. La potencia de cálculo de NVIDIA es totalmente universal y alquilable entre todos los modelos cerrados, modelos abiertos, startups y empresas del mundo.

Además, es muy duradera. Somos la única empresa de hardware cuyo hardware comprado hace años sigue acelerándose hoy, porque actualizamos continuamente la pila de software y los algoritmos mediante CUDA. Mientras ese satélite siga en órbita, seguiremos manteniendo y optimizando su software, lo que lo convierte en la carga útil ideal para SpaceX.

Desmontando la teoría de la burbuja del capex y el fin de la ley de Moore

¿Puede la monetización comercial de los laboratorios de vanguardia sostener una infraestructura de billones, o existe riesgo de estallido de burbuja?

La gente intenta extrapolar la escala de construcción de toda la infraestructura a partir de los ingresos de uno o dos laboratorios de IA, y eso es un malentendido de la situación actual.

NVIDIA representa aproximadamente el 80 % del mercado de infraestructura de IA, y nuestro negocio se divide en tres partes distintas:
Primero, la computación acelerada clásica representa alrededor de un tercio de nuestro negocio. Es procesamiento de datos, dinámica molecular, física, simulación de fusión, química cuántica, gráficos por ordenador y aprendizaje automático clásico, como la detección de fraude con XGBoost en Visa y Mastercard, y los sistemas de recomendación. Este negocio crece entre un 30 % y un 40 % anual, y no tiene nada que ver con los laboratorios de IA generativa.

Segundo, los laboratorios de IA de vanguardia representan entre el 25 % y el 30 % de nuestra potencia de cálculo. La gente solo habla de dos, pero nosotros colaboramos con cinco o seis: Meta con Muse, xAI con Grok, Google ejecutando Gemini en nuestros sistemas, Anthropic y OpenAI.

Tercero, el tercio restante son miles de startups y arrendatarios de nube empresarial. Alquilan potencia de cálculo de NVIDIA para construir aplicaciones especializadas de IA física, IA biológica y ciencia de materiales.

Aproximadamente el 80 % de esas startups usan modelos fundacionales de código abierto. No compiten frontalmente con los laboratorios de vanguardia; toman modelos abiertos como Nemotron, los afinan con sus propios datos de dominio y crean superinteligencia especializada en un campo concreto.

Los laboratorios de vanguardia construirán inteligencia general, y las empresas verticales lograrán superinteligencia en dominios específicos. Esperar que solo dos laboratorios de vanguardia generen billones de dólares en ingresos para sostener la construcción de infraestructura global no es necesario ni correcto.

¿Por qué, incluso sin IA generativa, el gasto mundial en infraestructura de cómputo crecería hasta billones de dólares?

Hace unos años predije que, para finales de esta década, el gasto en infraestructura alcanzaría entre 3 y 4 billones de dólares anuales, de los cuales alrededor de 1,5 billones serían puramente computación.

Antes de que apareciera la IA generativa, el capex de los centros de datos ya era de 500 000 millones de dólares al año. Sobre ese crecimiento natural se suma un hecho: la ley de Moore ha muerto.

Antes, si querías el doble de transistores, esperabas un año y el precio no cambiaba. Hoy, si quieres el doble de capacidad de cómputo, tienes que pagar el doble, porque el escalado de las CPU de propósito general se ha detenido. Como el mundo necesita más cómputo cada año, hay que aplicar un multiplicador considerable para compensar el fin de la ley de Moore. Incluso sin IA, la industria de semiconductores ya estaba en camino de convertirse en la mayor industria del mundo.

Restricciones de la cadena de suministro, foso competitivo y nuevos modelos de negocio

La brecha entre oferta y demanda es enorme, ¿cuál es la restricción física más crítica de la cadena de suministro en este momento?

Tenemos una cartera de pedidos enorme en todos los CSP, nuevas nubes y OEM. Trabajamos con los clientes en ciclos de planificación de uno a dos años. Y la cantidad que asignamos actualmente a los clientes es mucho menor de la que quieren.

Aguas abajo, el suelo, la electricidad y las carcasas son las restricciones. Aguas arriba, los materiales de empaquetado avanzado son el principal cuello de botella. Los sustratos están creciendo para alojar más silicio. Es muy difícil conseguir la precisión que necesitamos con estos grandes materiales orgánicos. A medida que el empaquetado crece, gestionar el coeficiente de expansión térmica, la deformación y los defectos de fabricación exige socios extraordinarios. La fotónica de silicio también tiene una oferta limitada. Aumentamos la producción cada semana, pero la cartera de pedidos sigue creciendo más rápido que la oferta.

¿Por qué los clientes están dispuestos a hacer pedidos de 50 000 a 100 000 millones de dólares antes de que el producto se presente? ¿Por qué se amplía tu foso?

Si una empresa tiene que entregar un pedido de compra de 50 000 o incluso 100 000 millones de dólares para la próxima generación de plataformas sin haber visto el producto, ¿en quién puede confiar?

Los clientes saben que Vera Rubin será mejor que Blackwell, igual que Blackwell fue mejor que Hopper. Las cargas de trabajo que se ejecutan en estos superordenadores son extremadamente complejas; no se puede hacer un benchmark rápido en un solo chip. Para hacer un benchmark de un sistema de 50 000 millones de dólares se necesita un centro de datos completo y años de trabajo de integración.

Es exactamente la misma lógica por la que confiamos el 100 % de nuestra fabricación a TSMC. TSMC es la única empresa con la que puedo planificar con cinco años de antelación sin haber visto el producto, con la certeza de que los transistores se entregarán, de que tienen la escala suficiente para absorber nuestras enormes fluctuaciones de demanda y de que disponen de todas las tecnologías necesarias de empaquetado, lógica y fotónica de silicio.

NVIDIA es la empresa de infraestructura de este planeta. La tecnología cambia muy rápido: desde los primeros modelos GPT, a FlashAttention, al particionado de modelos a través de NVLink 72, y a los modelos de difusión híbridos SSM-Transformer. Todo esto funciona sin fricciones sobre CUDA.

La especialización es enemiga de la versatilidad y la durabilidad. Si fabricas chips ASIC personalizados, carecen de flexibilidad. Como los sistemas de NVIDIA pueden ejecutar todas las cargas de trabajo, modelos y frameworks, un centro de datos de 50 000 millones de dólares puede ejecutar fácilmente entrenamiento, postentrenamiento o inferencia de agentes, y también puede subarrendarse a otros clientes. La versatilidad y la durabilidad se traducen en alquilabilidad, alta utilización y el menor coste total de propiedad (TCO).

Además de la venta de hardware, ¿qué dos nuevos modelos de negocio de alto margen está abriendo NVIDIA?

La mayor parte de nuestra financiación y colaboración con el ecosistema está construyendo dos nuevos modelos de negocio:

Primero, licencias de software empresarial. Para operar estos enormes centros de datos como fábricas industriales de IA, la pila de software necesaria es gigantesca. Los CSP a hiperescala tienen su propia pila de software, así que les ofrecemos el software en código abierto para que lo integren ellos mismos. Pero las empresas tradicionales no tienen equipos internos de TI o software para gestionar esa complejidad. Necesitan que NVIDIA respalde con SLA el mantenimiento, la garantía y la operación de esas fábricas durante todo su ciclo de vida. Cobrar una licencia anual de software, por ejemplo unos miles de dólares por GPU al año, con millones de GPU desplegadas en empresas, sería un negocio de software recurrente enorme.

Segundo, reparto de ingresos de la nube. Algunas nubes nuevas regionales se encargan de conseguir el suelo, la electricidad y las carcasas, pero dependen de NVIDIA para proporcionar la infraestructura completa de pila completa, el soporte de software y la absorción del ecosistema de clientes. En este tipo de colaboraciones, hacemos la inversión inicial, obtenemos los ingresos de la venta inicial y también compartimos ingresos de forma continuada durante 4 a 10 años.

Estas dos curvas de crecimiento están impulsadas por el tamaño de nuestra base instalada global y de nuestro ecosistema de software, no por el simple volumen de envíos de hardware.

Lógica de asignación de capital y la certeza del 99,99 %

Usáis más del 50 % del flujo de caja libre en recompras, ¿cuál es la lógica de asignación de capital detrás?

El trimestre pasado devolvimos más del 60 % del flujo de caja libre mediante recompra de acciones.

Seguiremos haciendo inversiones estratégicas en empresas de alta calidad dentro de nuestro ecosistema. Estamos en el centro del flujo de información, trabajamos con fundadores extraordinarios y podemos ayudar de verdad a que las empresas participadas tengan éxito.

Pero, en relación con nuestra capacidad total de generación de caja, el peso de las inversiones externas bajará rápidamente. Oportunidades como invertir pronto en OpenAI o Anthropic no se repetirán en esa fase, y nuestra generación total de flujo de caja libre se está expandiendo a un ritmo asombroso.

Mirando a cinco años vista, ¿cuánta confianza tienes en que el mundo será claramente mejor?

De cara a finales de esta década, la construcción de infraestructura global y el ciclo de renovación de hardware pueden alcanzar fácilmente entre 4 y 10 billones de dólares anuales. Cada vez que la sociedad consume tokens y usa inteligencia, esa fábrica de cómputo debe funcionar. Si el trabajo del conocimiento representa 50 billones de dólares del PIB mundial y la IA aporta una mejora de productividad del 20 %, eso crea 10 billones de dólares de producción económica incremental. Reinvertir una pequeña parte de ese valor en capex para generar inteligencia es totalmente lógico.

Tengo un 99,99 % de confianza en que el resultado será abrumadoramente positivo. Hay demasiada gente que se preocupa muchísimo por hacer esto bien. En todos los sectores, investigadores e ingenieros centrados, lejos de la atención pública, hacen cada día un trabajo extraordinario para garantizar que esta tecnología avance de forma responsable.

Preocuparse es bueno, y debemos expresar nuestras inquietudes. Pero profetizar el fin del mundo subestima gravemente la adaptabilidad, la resiliencia y la creatividad humanas. Creer que, salvo que unos pocos comentaristas nos guíen, todo saldrá mal es una arrogancia. La gente extraordinaria de esta industria hace lo correcto todos los días.

Debemos rendir cuentas ante nosotros mismos, pero debemos esperar un futuro optimista. Podemos detenernos por completo, pero si nos detenemos hoy, renunciamos a la oportunidad de construir un mundo más seguro, más sano y más próspero.