Nvidia pierde un 13% en bolsa tras la salida de Huang: en qué se sostiene el mercado de la IA
Las acciones de Nvidia cayeron un 13% al inicio de la sesión tras la salida de Jensen Huang como director ejecutivo, según The Guardian. La compañía no se sostiene solo en sus GPU, sino también en las relaciones personales de Huang con gobiernos, TSMC y laboratorios de IA. Nadie sabe todavía cómo sobrevivirán esos acuerdos al cambio de liderazgo, porque los contratos no son públicos. Los equipos que dependen de sus chips deberían preparar un plan de contingencia con antelación.
Procesado por IA desde Guardian; editado por Hamidun News
Cuando el máximo responsable de la segunda empresa más valiosa del mundo se marcha, las acciones caen; es lo esperable. Pero en el caso de Nvidia la cuestión es más amplia: casi toda la industria depende de sus chips, desde el entrenamiento de modelos como ChatGPT y Claude hasta su funcionamiento diario. Tras la salida de Jensen Huang, anunciada por The Guardian, los títulos de Nvidia perdieron un 13% al inicio de la sesión. El diario intenta averiguar qué sostenía a este mercado y qué podría tambalearse. Cabe señalar que, según el medio, la salida se basa en acusaciones sobre relaciones personales, que siguen siendo objeto de publicaciones y afirmaciones de la prensa.
No solo chips
Formalmente, el valor de Nvidia se explica de forma sencilla: la compañía diseña unidades de procesamiento gráfico (GPU), sin las cuales no se puede entrenar ni ejecutar la IA moderna. Pero, como señala The Guardian, los chips en sí son reemplazables. Microsoft, Meta y Google fabrican sus propios aceleradores, y según la estimación del medio, las TPU de Google son en algunos casos tan buenas como las soluciones de Nvidia y, para ciertas tareas, incluso mejores.
Lo que hace insustituible a la compañía es su red de relaciones, que Huang construyó en gran medida personalmente. En 2025 se reunió con Mohamed bin Salman, Keir Starmer y Emmanuel Macron, convenciéndolos de la necesidad de una «IA soberana» basada en chips de Nvidia. A esas reuniones siguieron anuncios de suministros. Sin embargo, las condiciones de esos acuerdos casi siempre siguieron siendo confusas. Por ejemplo, a Corea del Sur, al parecer, le prometieron 260 000 chips, pero no estaba claro cuándo llegarían, quién los pagaría ni en qué condiciones.
El «banco central de la IA» y el dinero circular
La segunda pieza de la estructura es la financiación de clientes. Nvidia apoyaba a los llamados neoclouds: empresas que compran sus chips, los instalan en centros de datos y los alquilan a las grandes compañías de IA. Esto sostenía la demanda y trasladaba a los balances de Nvidia parte de los riesgos de construir centros de datos.
Además, Nvidia invertía en startups que podían convertirse en clientes y ofrecía sumas importantes a OpenAI para comprar sus propios chips. Todo ello se mide en cientos de miles de millones de dólares: el dinero de Nvidia, en palabras de The Guardian, da vueltas una y otra vez entre un conjunto limitado de cuentas. Por eso se la llama «banco central de la IA».
Una analogía sencilla: el proveedor presta dinero al comprador para que este le compre a él. Mientras todos paguen y crezcan, el esquema funciona. Si cae la confianza, también se pone en duda la demanda.
TSMC y los puntos oscuros
La tercera pieza es la taiwanesa TSMC, que produce la gran mayoría de los chips de IA y no tiene competidores reales. El proceso es extremadamente complejo: las líneas de anchura nanométrica se graban con láseres en ultravioleta extremo. Incluso tras dos décadas de puesta a punto, el rendimiento de los chips más avanzados ronda el 60%, es decir, un 40% de la producción sale con defectos. Según la leyenda, Huang escribió una carta personal al director de TSMC ya en 1997. Esa confianza, observa The Guardian, es irrepetible para los competidores.
Responder si algo cambiaría sin Huang es casi imposible: los contratos son cerrados, los registros de exportación están enredados y la cola de chips, que según se sabe se extiende durante años, es opaca: no se sabe quién está en ella ni en qué orden.
Un caso ilustrativo es el de Megaspeed, de Singapur, que recibió muchas GPU de alta gama mientras otros esperaban. Según el medio, su directora, Alice Huang, habría mantenido una relación con el responsable de Nvidia y presuntamente sería una espía china; gracias a ello, Megaspeed habría recibido chips por unos 7 500 millones de dólares, que, según las afirmaciones, habrían llegado de contrabando a China. Se trata de afirmaciones, no de hechos establecidos por un tribunal.
Qué significa en la práctica
Un nuevo director ejecutivo podría aportar más transparencia. Pero esa misma transparencia puede sacar a la luz estructuras de deuda complejas y acuerdos verbales de los que hoy nadie sabe nada.
Para desarrolladores y fundadores la conclusión es terrenal. Si su estrategia depende de una única fuente de GPU, añada una alternativa: nubes con TPU u otros aceleradores, alquiler a varios proveedores y optimización para distintas plataformas. Si capta dinero de startups de IA financiadas por Nvidia, tenga en cuenta que sus compras dependen en parte del mismo circuito de dinero. Limitación del material: es un texto analítico de The Guardian que se basa en datos opacos y no en informes públicos, por lo que la magnitud de las consecuencias sigue siendo una estimación.
- 21 nov 2026Anthropic cierra su primera semana en bolsa con una valoración de 1,6 billones de dólares, pero cae un 8,5% en una sola jornada
- 21 nov 2026Blink saca la CPU del servicio de LLM y reduce la latencia del primer token hasta 8,47 veces
- 21 nov 2026TensorRT-LLM supera a vLLM en H100: 2780 frente a 2400 tokens/s con Llama 3.3 70B
- 21 nov 2026Los desarrolladores de 1C se pasan a los agentes de IA: McKinsey ve una mejora de productividad de solo el 3%
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre No solo chips?
Formalmente, el valor de Nvidia se explica de forma sencilla: la compañía diseña unidades de procesamiento gráfico (GPU), sin las cuales no se puede entrenar ni ejecutar la IA moderna. Pero, como señala The Guardian, los chips en sí son reemplazables. Microsoft, Meta y Google fabrican sus propios aceleradores, y según la estimación del medio, las TPU de Google son en algunos casos tan buenas como las soluciones de Nvidia y, para ciertas tareas, incluso mejores.
¿Qué se sabe sobre El «banco central de la IA» y el dinero circular?
La segunda pieza de la estructura es la financiación de clientes. Nvidia apoyaba a los llamados neoclouds: empresas que compran sus chips, los instalan en centros de datos y los alquilan a las grandes compañías de IA. Esto sostenía la demanda y trasladaba a los balances de Nvidia parte de los riesgos de construir centros de datos. Además, Nvidia invertía en startups que podían convertirse en clientes y ofrecía sumas importantes a OpenAI para comprar sus propios chips.
¿Qué se sabe sobre TSMC y los puntos oscuros?
La tercera pieza es la taiwanesa TSMC, que produce la gran mayoría de los chips de IA y no tiene competidores reales. El proceso es extremadamente complejo: las líneas de anchura nanométrica se graban con láseres en ultravioleta extremo. Incluso tras dos décadas de puesta a punto, el rendimiento de los chips más avanzados ronda el 60%, es decir, un 40% de la producción sale con defectos. Según la leyenda, Huang escribió una carta personal al director de TSMC ya en 1997.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.