Nvidia retrasa de 2027 a 2028 los servidores Kyber con Rubin Ultra por problemas de producción

Nvidia ha retrasado de 2027 a 2028 el lanzamiento de Kyber, su arquitectura de servidores basada en los aceleradores Rubin Ultra. Así lo ha informado la agencia CNBC, que cita a la firma de análisis SemiAnalysis. El motivo del retraso son las dificultades para fabricar uno de los componentes clave del sistema.

Qué se sabe del retraso

• Fuente de la información: CNBC, que cita a los analistas de SemiAnalysis
• La arquitectura Kyber pasa de 2027 a 2028
• Kyber se basa en los aceleradores Rubin Ultra
• Motivo del retraso: dificultades para fabricar uno de los componentes clave del sistema

Rubin Ultra es una de las próximas generaciones de aceleradores de IA de Nvidia. Dentro de la hoja de ruta anual de la compañía, llega después de las arquitecturas Blackwell, Blackwell Ultra y Vera Rubin. Kyber, por su parte, es el nombre del rack que actúa como plataforma: en él, estos chips se integran en un único sistema de computación para centros de datos que entrenan y ejecutan grandes modelos de IA.

Desde 2024, Nvidia sigue públicamente la estrategia de lanzar una nueva generación de infraestructura de IA aproximadamente una vez al año. Hasta entonces, ese ritmo se consideraba casi imposible para un hardware tan complejo como los sistemas en rack con refrigeración líquida y decenas de miles de conexiones entre chips. Precisamente este ritmo de renovación sin precedentes permitió a la compañía dominar el mercado de chips para entrenar grandes modelos de lenguaje. Pero también exige que toda la cadena de suministro funcione sin interrupciones, desde las fundiciones por contrato que fabrican los chips hasta los ensambladores de racks de servidores.

Por qué el retraso importa al mercado

En los últimos años, Nvidia ha mantenido un ciclo anual muy ajustado de renovación de sus chips y racks de IA de gama alta. Ese ritmo es lo que le permitía conservar su dominio en el mercado de aceleradores para el entrenamiento y la inferencia de grandes modelos de lenguaje. Cualquier cambio en este calendario afecta directamente a los planes de hiperescaladores como Microsoft, Google, Amazon y Meta. Estas empresas planifican sus compras de hardware para centros de datos con años de antelación y calculan su capacidad en función de las fechas concretas de llegada de cada nueva generación de chips.

Las dificultades para fabricar componentes clave de los chips de IA más avanzados no han sido raras en los últimos años. Los cuellos de botella aparecen en el empaquetado avanzado de chips, en el suministro de memoria HBM y en la capacidad de los fabricantes por contrato, y no afectan solo a Nvidia, sino a toda la cadena de suministro de semiconductores de la industria de la IA.

Cómo encaja esto en la estrategia de Nvidia

Nvidia construye públicamente su posición en el mercado en torno a la promesa de una renovación anual y predecible de sus arquitecturas. Esta táctica le permite evitar que sus clientes se pasen a competidores como AMD o a los desarrollos propios de los hiperescaladores, ya que saben de antemano cuándo llegará la siguiente generación de chips y con qué plazos planificar su inversión de capital. Retrasar un año aunque sea una sola plataforma de servidores pone en duda la sostenibilidad de ese ritmo y obliga a los grandes clientes a revisar sus propios calendarios de puesta en marcha de nuevos centros de datos.

Para los analistas de SemiAnalysis, los primeros en informar del retraso, este tipo de aplazamientos también funcionan como indicador del estado general de la cadena de suministro de semiconductores avanzados. Sobre todo, de la capacidad de empaquetado avanzado de chips (advanced packaging) y de producción de memoria de nueva generación, cuya demanda ha superado de forma constante a la oferta en los últimos años.

Qué significa esto

Que la plataforma de servidores insignia se retrase un año indica que incluso el líder del mercado de chips de IA tiene límites físicos a la velocidad con la que puede escalar su producción. Esto podría frenar el ritmo al que los mayores proveedores de nube amplían su capacidad de cómputo para las nuevas generaciones de modelos de IA.