Jensen Huang mostró cómo Nvidia está redefiniendo la infraestructura de la AI agéntica

La presentación de Jensen Huang en la GTC 2026 resultó ser más que un simple escaparate de nuevos chips NVIDIA. La señal principal estaba en otro lugar: para IA agentic, la empresa está redefiniendo el concepto mismo de infraestructura — desde CPUs y racks hasta la capa de orquestración, políticas de seguridad y calidad de datos.

Más Que Solo GPU

La cifra más impactante de la conferencia — un objetivo de $1 billón para Blackwell y Vera Rubin para 2027. Pero hay algo más importante: NVIDIA está cada vez más vendiendo no aceleradores aislados, sino una fábrica de inferencia completa. En un mundo donde un agente coordina decenas de sub-agentes, navega por herramientas y mantiene contexto largo, el cuello de botella no es solo GPU.

Son críticos los CPUs para coordinación, red, almacenamiento y velocidad de movimiento de datos entre todas estas capas. La plataforma Vera Rubin refleja precisamente este cambio. NVIDIA habla de un stack completo, donde CPUs Vera, GPUs Rubin, componentes de red y memoria se diseñan como un sistema único con menor costo de token y mayor eficiencia de inferencia.

Para el negocio, este es un cambio significativo: necesitas calcular no solo el número de GPUs, sino toda la economía de cargas agentic — desde orquestración y almacenamiento de contexto hasta flexibilidad de contratos y precio de cada solicitud.

• Racks de CPU para la capa de orquestación
• Sistemas de GPU para inferencia masiva
• una capa separada de memoria y almacenamiento de contexto
• tela de red para intercambio continuo de datos
• costo de token como el nuevo KPI de base

OpenClaw y Control

La segunda señal fuerte — la apuesta en OpenClaw, una plataforma open-source para IA agentic. Huang esencialmente la posicionó como el Linux para la era agentic: esto ya no es solo una biblioteca, sino una capa fundamental sobre la que se pueden construir agentes personales y corporativos, conectar modelos, archivos, herramientas e habilidades personalizadas. Sobre ella, NVIDIA lanzó NemoClaw y el runtime OpenShell — un toolkit para ejecución más segura de agentes con políticas de acceso, enrutamiento de privacidad y restricciones de red.

Por qué importa: la mayoría de reglas corporativas de IA fueron escritas bajo el patrón antiguo "humano hizo una pregunta — modelo respondió." IA agentic rompe esta lógica. Ahora el sistema necesita controlar quién y cuándo obtiene acceso a datos, qué herramientas puede invocar un agente, si puede generar sub-agentes y cómo reconstruir la cadena de acciones después.

Si esta capa no se piensa de antemano, las empresas obtendrán no aceleración, sino una nueva clase de incidentes.

Datos de Nuevo en el Centro

El tercer aprendizaje de la GTC 2026 — datos estructurados están volviendo a ser el núcleo de la IA empresarial. Esto se ve claramente en la asociación IBM y NVIDIA: aceleración de GPU llegó directamente a la capa SQL de Presto dentro de watsonx.data, para ejecutar grandes datasets corporativos más rápido y reducir costos de análisis. Es decir, la conversación se está desplazando de "modelos inteligentes" abstractos a una pregunta muy práctica: qué tan rápidamente, limpia y manejablemente llegan los datos de una empresa a los agentes.

"Los datos son la ground truth que dan a la IA contexto y significado."

En esta frase hay tanto un cumplido como una advertencia para los equipos de datos. Si los datos están bien descritos, consistentes y accesibles bajo reglas claras, IA agentic se vuelve más confiable y útil. Si están dispersos, contradictorios y mal documentados, los agentes escalarán errores tan confiadamente como hoy escalan trabajo útil. Por eso la pregunta principal después de GTC suena no como "dónde comprar más GPUs," sino "¿están listos los datos de la empresa para soportar sistemas autónomos?"

Lo Que Esto Significa

La GTC 2026 mostró que la próxima carrera en IA no será solo por chips, sino por calidad de datos, orquestación y reglas de gobernanza de agentes. Los ganadores no serán quienes intenten alcanzar a los hiperscalers en hardware, sino quienes ya ahora estén reconsiderando contratos de infraestructura, políticas de acceso y arquitectura de datos para un mundo donde los agentes trabajan constantemente y a gran escala.