Nvidia quiere cubrir toda la pila del centro de datos de IA, de los chips a las redes y el almacenamiento

En GTC 2026, Nvidia mostró que ya no quiere ser solo un proveedor de GPU. La compañía ofrece a sus clientes un centro de datos de IA completo como un único producto, desde el cómputo y las redes hasta el almacenamiento del contexto y el software de gestión.

Una apuesta por la vertical

La señal principal de la presentación de Jensen Huang no fue un chip nuevo, sino la arquitectura del negocio. Nvidia alineó en el escenario una gama de racks y le dijo de facto al mercado: la infraestructura de IA será más barata, más rápida y más rentable si se adquiere toda la pila a un solo proveedor y no componentes sueltos. Ya no es el modelo de «vendemos aceleradores y el resto lo montan ustedes», sino un intento de convertir el centro de datos en un sistema diseñado íntegramente por Nvidia.

Huang lleva tiempo promoviendo la idea de la AI factory: una fábrica que produce tokens e inteligencia igual que una planta produce piezas. Ahora la idea es aún más rígida: Nvidia quiere controlar no solo el cómputo, sino también la red, la memoria, el almacenamiento de datos intermedios, la capa de CPU y el software que lo une todo. Con el auge de los sistemas agénticos, el enfoque resulta lógico: el cuello de botella ya no es solo la GPU, sino todo lo que mueve datos entre ellas.

Qué incluye la pila

En la nueva configuración, Nvidia ha reunido varios racks, cada uno de los cuales resuelve un problema distinto del centro de datos de IA. Juntos forman un kit casi completo para las empresas que construyen grandes clústeres de entrenamiento e inferencia y no quieren integrar decenas de proveedores heterogéneos en un solo esquema.

• Vera Rubin NVL72: el sistema insignia a escala de rack, con 72 GPU Rubin y 36 CPU Vera.
• Vera CPU Rack: un rack independiente con 256 CPU para tareas de IA agéntica, donde importan la llamada a herramientas, SQL y la ejecución de código.
• BlueField-4 STX: una capa de almacenamiento y entrega rápida de caché KV, que los grandes modelos de lenguaje necesitan durante la inferencia.
• Spectrum-6 SPX: una nueva red Ethernet para conectar racks y escalar el clúster.
• Groq 3 LPX: un rack de inferencia con 256 aceleradores LPU, centrado en la baja latencia y el contexto amplio.

La idea de este conjunto es que Nvidia ya no vende solo la «potencia bruta» de las GPU. Cubre las partes del sistema donde suelen perderse milisegundos, vatios y dinero: el traslado de datos entre chips, el manejo del contexto, la latencia de red, las tareas de CPU para agentes y el equilibrio general de la carga. Cuanto mayor es el modelo y más largo su contexto, más se nota esa sobrecarga.

Dónde busca Nvidia el beneficio

El argumento más visible de Nvidia es la economía de la inferencia. La compañía afirma que la combinación de Vera Rubin y Groq 3 LPX reduce los accesos a la DRAM externa gracias al gran volumen de SRAM de la LPU, lo que baja la latencia y acelera la generación de tokens. Según Nvidia, este esquema puede ofrecer hasta 35 veces más rendimiento por megavatio en modelos de billones de parámetros y hasta 10 veces más ingresos por vatio en escenarios con tokens «premium» caros.

«Lo que antes requería un día entero de consultas, ahora se hará en

menos de una hora».

Nvidia también apuesta por la capa de CPU. Dice sin rodeos que, incluso en la era de las GPU, los agentes chocan constantemente con tareas informáticas ordinarias: llamadas a herramientas, consultas SQL, compilación y ejecución de código en sandbox. Por eso la compañía pone en el centro sus propias CPU Vera y añade a su lado DPU y un almacenamiento de contexto especializado. Esto amplía las ambiciones de Nvidia mucho más allá de los aceleradores y muestra que quiere quedarse con cada vez más margen en la infraestructura de IA.

Qué significa

Para el mercado, es otro paso hacia centros de datos de IA integrados verticalmente, donde un solo proveedor se encarga de casi todo. Para los clientes, este modelo puede aportar una implantación más sencilla y mejor eficiencia, pero a costa de una mayor dependencia de Nvidia. Para los competidores, desde los actores de CPU y redes hasta los proveedores de almacenamiento, es una señal de que Nvidia ya no juega solo en el terreno de las GPU.