Jensen Huang en GTC: qué significa el keynote del CEO de Nvidia para el futuro de la compañía
En la conferencia anual GTC, el CEO de Nvidia, Jensen Huang, ofreció el keynote que tradicionalmente marca el tono de toda la industria de la IA. El equipo del pódcast Equity desgranó con detalle los puntos clave: desde los nuevos chips y la estrategia en IA física hasta la presión competitiva de AMD, Intel y las startups. La pregunta central es hasta qué punto es sólido el liderazgo de Nvidia y qué dice el keynote sobre el futuro de la compañía.
Procesado por IA desde TechCrunch; editado por Hamidun News
GTC no es solo una conferencia para desarrolladores. Es un ritual anual en el que Jensen Huang, CEO de Nvidia, hace de gran profeta de una nueva era tecnológica. En 2026, el keynote volvió a reunir a decenas de miles de asistentes y fijó la agenda de toda la industria de la IA para los próximos 12 meses. El equipo del pódcast Equity desmenuzó la intervención y llegó a conclusiones ambiguas. Los presentadores de TechCrunch debatieron qué tesis de Huang se apoyan en datos reales y cuáles parecen más bien una señal estratégica al mercado. La brecha entre la ambiciosa presentación y la situación competitiva real resultó notable, y es la que centra el episodio.
Nvidia hoy no es solo un fabricante de tarjetas gráficas. En los últimos tres años, la compañía se ha convertido en la columna vertebral de infraestructura de toda la industria mundial de la IA. Los ingresos trimestrales han superado los 30.000 millones de dólares, y su capitalización bursátil le permite competir con Apple y Microsoft por el título de la corporación más valiosa del mundo. Los chips H100 y, después, la arquitectura Blackwell establecieron el estándar del sector para entrenar grandes modelos de lenguaje. Las mayores tecnológicas (Microsoft, Google, Meta*, Amazon) siguen aumentando sus compras pese a unos precios que convierten las GPU en uno de los recursos más escasos del planeta.
GTC 2026 mantuvo esa línea, pero el énfasis se desplazó hacia una nueva frontera. Huang apostó por la IA física: sistemas capaces de actuar en el mundo real, como robots industriales, vehículos autónomos y simuladores inteligentes. La plataforma Omniverse, que Nvidia desarrolla desde hace varios años, se posiciona como la herramienta central para crear gemelos digitales: copias virtuales de fábricas, ciudades y redes logísticas. Según Huang, la próxima frontera de la IA no es otro modelo de lenguaje, sino sistemas capaces de interactuar con la realidad física y tomar decisiones en tiempo real.
Aun así, el equipo de Equity cuestionó varias narrativas clave. La primera es competitiva. AMD impulsa con fuerza el MI300X como alternativa más barata a Nvidia, y los proveedores de nube desarrollan cada vez más soluciones propias: las TPU de Google, Trainium de AWS, Maia de Microsoft. Startups como Groq y Cerebras apuntan al nicho de la inferencia rápida. Nvidia aún mantiene la posición dominante, pero los márgenes podrían empezar a estrecharse, algo que ya se refleja en las expectativas de precio de los analistas.
La segunda cuestión es geopolítica. Las restricciones de exportación de EE. UU. a los chips avanzados con destino a China siguen vigentes y se endurecen periódicamente. Nvidia se ve obligada a fabricar versiones especiales de sus productos para el mercado chino, pero incluso estas caen con regularidad bajo nuevas sanciones. Un mercado potencialmente enorme sigue parcialmente cerrado, lo que obliga a la compañía a reorientar su crecimiento hacia Europa, India y Oriente Medio.
La tercera es la valoración. Las acciones de Nvidia cotizan en niveles que descuentan un crecimiento sostenido durante varios años seguidos sin contratiempos significativos. Los inversores no solo valoran el liderazgo actual, sino también el éxito en nuevos segmentos: robótica, IA física y telecomunicaciones. Cualquier desaceleración, ya sea un recorte del gasto de capital de los hiperescaladores, la aparición de alternativas competitivas reales o restricciones regulatorias, podría corregir bruscamente la capitalización y poner en duda los múltiplos actuales.
GTC 2026 mostró a Huang en su forma habitual: seguro, visionario y tan hábil vendiendo ideas como hardware. Pero el pódcast Equity señaló con precisión la brecha entre la brillante presentación y los desafíos reales que Nvidia afrontará en los próximos 12-18 meses. El dominio de la compañía en la era del entrenamiento de modelos de lenguaje es indiscutible. Pero la próxima era, la de la inferencia y la IA física, aún no está escrita. Ahí es donde los competidores buscarán puntos de entrada capaces de alterar el equilibrio de fuerzas.
*Meta ha sido declarada organización extremista y está prohibida en Rusia.
- 2 nov 2026TensorFold 1.2.0 aumenta un 44,2% el rendimiento de Qwen3.8-27B en el M3 Ultra con 16 flujos
- 1 nov 2026Los modelos locales pierden ante Opus y Codex: 0,21 puntos en un MacBook frente a 1,00 de Codex
- 1 nov 2026Un autor de Habr ajusta YOLOv8l con radiografías dentales y lleva el mAP50 a 0,642
- 1 nov 2026Los bots de voz con LLM recurren al clasificador rápido Jev: decisiones en 200–500 ms
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.