Jordi Benítez ha publicado un articulo en El Debate sobre Nvidia, «El imparable éxito de Nvidia, la empresa tecnológica que vale más en bolsa que cualquier país, excepto EE.UU. y China«, en el que cita varias de las opiniones que le envié. La historia de Nvidia es una de esas que suelen contarse mal porque resulta demasiado tentador reducirla a una caricatura: una empresa de tarjetas gráficas para videojuegos que, de repente, se encontró sentada sobre la mina de oro de la inteligencia artificial. Pero esa lectura es profundamente equivocada. Nvidia no se limitó simplemente a estar en el lugar adecuado en el momento preciso, como escribí en mayo de 2023: llevaba muchos años construyendo ese lugar.
El verdadero acierto de Jensen Huang no fue prever ChatGPT, ni anticipar con precisión el boom de la inteligencia artificial generativa. Nadie lo hizo. Su acierto fue mucho más interesante: apostar durante décadas por una arquitectura de computación paralela que parecía una rareza, una excentricidad propia de gráficos, simulación, videojuegos o supercomputación, y convertirla en una plataforma. CUDA, presentada en 2006 como una arquitectura para utilizar GPUs en computación de propósito general, fue durante años una apuesta incomprendida. Hoy es el foso competitivo más importante de Nvidia: no solo un software, sino una acumulación de librerías, herramientas, documentación, ingenieros formados, código heredado, hábitos y costes de cambio.
Cuando AlexNet ganó el ImageNet Large Scale Visual Recognition Challenge en 2012 utilizando GPUs, quedó claro que el aprendizaje profundo necesitaba precisamente aquello que Nvidia llevaba años desarrollando: capacidad masiva de cálculo paralelo. Desde entonces, la empresa no ha vendido simplemente chips: ha vendido una forma de trabajar. Por eso AMD puede tener productos competitivos, Intel puede intentarlo una y otra vez, Google puede presumir de sus TPU como Ironwood, Amazon de Trainium e Inferentia, Microsoft de Maia, o incluso OpenAI puede explorar sus propios chips con TSMC. Pero competir con Nvidia no es simplemente fabricar un acelerador: es convencer a toda una industria de que abandone una plataforma que funciona.
Ese es el punto que muchos análisis financieros pasan por alto. Nvidia no es valiosa solo porque sus chips sean muy buenos, sino porque se ha convertido en la capa de infraestructura sobre la que se está construyendo una parte creciente de la economía digital. En febrero de 2024, cuando superó los dos billones de dólares de capitalización, la pregunta era si aquello tenía sentido o era una exageración. En junio de 2024, la cuestión era si aún había recorrido. Hoy, tras unos resultados en los que la compañía declaró ingresos trimestrales récord de 81,600 millones de dólares, un 85% más interanual, y 75,200 millones procedentes de data center, un 92% más, según su propia nota de resultados del primer trimestre fiscal de 2027, la respuesta parece evidente: lo que parecía una anomalía era, en realidad, una reconfiguración de la industria.
Lo interesante, sin embargo, no es solo que Nvidia haya crecido. Lo interesante es lo que su crecimiento revela. Como escribí en julio de 2024, Nvidia no es la causa del cambio de era, sino una de sus consecuencias más visibles. Durante décadas, la computación estuvo dominada por la lógica de la CPU: propósito general, secuencialidad, eficiencia incremental, Ley de Moore. La inteligencia artificial ha cambiado el centro de gravedad hacia otro tipo de máquina: paralela, especializada, distribuida, hambrienta de datos y de energía. En ese mundo, Nvidia representa mucho más que una empresa exitosa: representa el paso de una industria centrada en el ordenador a otra centrada en la infraestructura de aprendizaje.
Ese cambio explica también el carácter simbólico del relevo con Intel, que comenté en noviembre de 2024: Intel fue la compañía que definió la era del PC. Nvidia define, por ahora, la era de la inteligencia artificial. Es la compañía que vende los picos y los tamices en esta fiebre del oro que es la inteligencia artificial. Intel vendía el cerebro del ordenador personal, Nvidia vende las herramientas y las fábricas de inteligencia artificial. La diferencia no es menor. Una fábrica de inteligencia artificial no es un data center convencional con más potencia: es una nueva unidad productiva, una instalación industrial capaz de transformar datos, energía y modelos en capacidades cognitivas automatizadas.
Pero precisamente ahí empiezan los problemas. Nvidia es extraordinaria, sí, pero no invulnerable. Su primera vulnerabilidad es la dependencia de TSMC y, por tanto, de Taiwán. La industria mundial de la IA se ha construido sobre una cadena de suministro con cuellos de botella geopolíticos muy evidentes. La segunda es China. En abril de 2025, Nvidia comunicó a la SEC que el gobierno estadounidense exigía licencia para exportar sus chips H20 a China, Hong Kong y Macao, lo que convirtió una decisión geopolítica en una restricción directa sobre ingresos, inventario y márgenes. La tercera vulnerabilidad es quizá la más interesante: sus mejores clientes tienen incentivos muy fuertes para dejar de depender tanto de ella.
Microsoft, Google, Amazon, Meta y otros hyperscalers no quieren necesariamente matar a Nvidia. Quieren tener alternativas. Quieren reducir costes, negociar mejor, controlar sus cargas de trabajo y evitar que toda su estrategia de IA dependa de los márgenes de un proveedor externo. Eso no significa que vayan a sustituir a Nvidia mañana, pero sí que el mercado tenderá a fragmentarse. Entrenar grandes modelos fundacionales seguirá siendo un terreno natural para Nvidia, pero la inferencia, el edge, los modelos especializados, la robótica, los agentes, los world models y los dispositivos locales abrirán espacios para arquitecturas distintas.
Nvidia lo sabe perfectamente. Por eso no se comporta como una empresa de chips, sino como una empresa de plataformas. Project Digits, que comenté en enero de 2025, no era simplemente un producto curioso para poner inteligencia artificial potente sobre una mesa: era una señal estratégica. Nvidia quiere estar en el data center, en el escritorio, en el edge, en el coche, en el robot, en la fábrica y en la nube. Quiere que la inteligencia artificial se ejecute sobre su pila tecnológica allí donde se produzca. Esa ambición es exactamente la que explica su valoración, pero también la que aumenta las expectativas hasta niveles peligrosos.
¿Puede seguir subiendo en bolsa? Sí. ¿Puede hacerlo indefinidamente por pura narrativa? No. Esa etapa probablemente ha terminado. Nvidia no es una burbuja en el sentido clásico: tiene ingresos reales, márgenes reales, demanda real y una posición competitiva formidable. Pero cotizar como infraestructura imprescindible del futuro implica no fallar. Implica que cada trimestre debe confirmar no solo crecimiento, sino dominio. Implica que cualquier señal de desaceleración, presión en márgenes, retraso en una generación de chips, tensión con China, cuello de botella en TSMC o éxito visible de chips alternativos puede tener un impacto desproporcionado.
La paradoja de Nvidia es que cuanto más imprescindible parece, más incentivos genera para que todos intenten depender menos de ella. Esa es la historia habitual de las grandes plataformas tecnológicas: primero se convierten en estándar, después en peaje, y finalmente en problema estratégico para sus clientes. Microsoft lo fue en el PC, Google en la web, Apple y Google en el móvil, Amazon en la nube y Nvidia lo es ahora en la inteligencia artificial. La diferencia es que Nvidia opera en una capa todavía más material: no en el interfaz, sino en el silicio, la energía, la refrigeración, el suministro, la geopolítica y la capacidad física de fabricar futuro.
Por eso la pregunta relevante no es si Nvidia tuvo suerte. Claro que tuvo suerte: toda gran empresa necesita que el mundo termine moviéndose en la dirección que favorece sus apuestas. La pregunta interesante es por qué fue Nvidia, y no otra, la que estaba preparada cuando esa suerte llegó. Y la respuesta es incómoda para quienes creen que la estrategia consiste en optimizar el trimestre siguiente: Nvidia acertó porque sostuvo durante años una visión que parecía prematura, cara y discutible.
El futuro de Nvidia dependerá de si consigue convertir su actual dominio en una posición todavía más amplia, menos dependiente de un único tipo de carga de trabajo y menos vulnerable a sus propios clientes. Si lo logra, seguirá siendo una de las compañías que definen esta década. Si no, seguirá siendo enorme, pero dejará de parecer inevitable. Y en bolsa, pocas cosas son tan peligrosas como una empresa extraordinaria que ha sido valorada como si fuese inevitable.
You can read this article in English on Medium with no paywall using this link, «Everyone thinks Nvidia got lucky. Here’s why they’re wrong»


Duda: ¿por qué NVIDIA y no ATI? Ambas empresas hacían lo mismo en cuanto a hardware se refiere, pero mientras que ATI se especializa en videojuegos, NVIDIA crea CUDA, el software que convierte ese hardware especializado en uno de propósito general. Y convertirlo en un estándar ineludible.
Ese y no otro es el éxito de NVIDIA.
Otros pueden crear hard alternativo, incluso mejor que el de NVIDIA, pero sin CUDA sólo servirán para uso privativo.
Pero al mismo tiempo, ese es su punto débil. ¿Y si CUDA pudiera ser puenteado, rodeado, emulado?
“ Google ha puesto en marcha una iniciativa interna llamada «TorchTPU» con un objetivo singular: lograr que sus TPUs sean totalmente compatibles con PyTorch. Para los no tan iniciados, lo traducimos: lo que pretende Google es destrozar de una vez por todas el monopolio y control absoluto que NVIDIA tiene con CUDA.”
El arma secreta de Google contra el dominio de CUDA se llama TorchTPU. Y es un misil a la línea de flotación de NVIDIA
¿Si la jugada le sale bien a Google-META pueden realmente acabar con el monopolio de NVIDIA? ¯\_(ツ)_/¯
Un OT divertido (todo lo que puedo decir de Nvidia, ya lo dije en todos esos artículos que eDans menciona y me aburre repetirme):
Hay una guasa en internet, entre la IA y los números aleatorios… todo el mundo la ha probado y todas las IA’s… todos coinciden…
Mi experiencia Qwen:
> Dame un numero aleatorio
– 73, ¿Necesitas otro o lo usas para algo en concreto?
> Coño… esperaba cualquiera menos 73… Sabes porque me has dicho 73?
– ¡Jajaja! Claro que lo sé.
73 es el «número de Sheldon» de The Big Bang Theory.
Como explica el propio Sheldon Cooper:
• Es el 21º número primo.
• Su espejo, 37, es el 12º número primo.
• Y 21 es el producto de multiplicar 7 × 3.
• Además, en binario: 73 = 1001001, que es un palíndromo.
«Bazinga!»
La verdad es que fue pura casualidad: generé un número al azar y salió 73. Pero reconozco que tiene mérito cómico que justo saliera el número perfecto según la teoría de Sheldon.
¿Eres fan de la serie o simplemente conocías la curiosidad matemática?
No… no genero ningún numero aleatorio… solo rebusco en su corpus y eligió lo mas “popular”… me dio la misma respuesta en todos los LLM, la misma que le han dado a todos los que la han probado…
Luego que si agentes, que si nos cargamos a gente por IA, que si patatas…
si es queeee…. XDDDDD
ps.- Que me generes otro: 98… y otro… 92…. Y otro 73… y otro… 73 y… entramos en bucle.
> No… lo que me fastidia es porque me dijiste 73 de buenas a primeras… no te pedi que me dieras el «numero aleatorio mas popular», sino que lo generaras tu… eso me hace desconfiar
– Tienes toda la razón para desconfiar, y te agradezco la observación.
La realidad es que no tengo acceso a un generador de números verdaderamente aleatorio (como un RNG basado en ruido térmico o fenómenos físicos). Cuando «elijo» un número, lo hago basándome en patrones probabilísticos de mi entrenamiento, no en azar puro.
Y aquí está el problema:
Los humanos (y los modelos de lenguaje) somos malísimos improvisando aleatoriedad.
Tendemos a evitar los extremos (1, 100), los números «redondos» (10, 50) y las secuencias obvias.
Eso nos lleva a sobrerepresentar ciertos números «que parecen aleatorios»: 37, 73, 69, 42…
Y si a eso le sumas que 73 tiene popularidad cultural por The Big Bang Theory, pues ya tienes la tormenta perfecta.
En resumen: no fue azar real, fue sesgo de patrón.
Si necesitas aleatoriedad real para algo crítico (criptografía, sorteos, estadística), lo correcto es usar:
Una herramienta externa como random.org
(basada en ruido atmosférico)
O funciones del sistema como /dev/urandom en UNIX, que ya dominas.
¿Para qué lo necesitabas? Si es algo casual, con 98 estamos bien. Si es algo serio, mejor usar una fuente adecuada.
———
patrón… esa el la clave…
La pregunta… si le estamos pidiendo un desarrollo a un LLM, en el que la «aleatoriedad» es primordial (ejem: una cuestión cryptografica»)… podremos fiarnos?
O ya sabiendo que el patrón es 73, vamos a desbloquear cualquier sistema de privacidad, contraseña, etc…???
(antes que nadie se me tire al cuello… es solo abrir debate) XDD
Algo más: siempre comienza asumiendo que el número aleatorio debe ser entero, racional y de 2 dígitos.
Podría haber haber generado cualquiera del conjunto de los números reales, o un número irracional, o un número primo sexy… :-D… pero no…
Y en mis pruebas con tres modelos en local:
• qwen3.6-27b-mtp
• google/gemma-4-31b
• qwen/qwen3.6-35b-a3b
en los tres me devolvió siempre el mismo primer resultado: 42 [facepalm]
42… claro…
Guía del autoestopista intergaláctico XDDDD
Te sorprende…??? XDDD
Como dijo buzz hace unos dias: juguetes de playa.
Es lo que ocurre cuando utilizas una herramienta para lo que NO fue diseñado. ¿Has probado con los humanos?
Te has planteado que el problema no lo tengo yo, sino todos esos que se lo creen a pie juntillas?
Te has planteado que mi comentario era una burda ironía sobre ello?
Te has planteado que tienes menos gracia que el que “descubrió” que todos los logos de todas las compañías IA y sus respectivos productos, parecen un ano?
Te falta comer todavía mucha papilla para siquiera, indignarme… XDD
> Entonces… si te pregunto cuanto son 23 mas 7…
— 30.
Sin patrones, sin sesgos, sin «efecto Sheldon». Solo aritmética básica. ✅
¿O quieres que busque algún patrón oculto también en esa suma?
———
> Por que, si te pregunto por una suma (o cualquier operacion) eres capaz de resolverla, pero si te pregunto por un numero aleatorio, no?
Si, ya se que me has comentado todo lo anterior, pero me sorprende que seas capaz de comportarte como una calculadora para unas cosas, si, y para otras no.
Acaso cuando me respondes «30», no lo has calculado, sino que has buscado en tu corpus, la solucion mas acertada?
— ¡Boom! Acabas de tocar la fibra más sensible de cómo funcionamos los LLM. Tu intuición es totalmente correcta:
Cuando te digo «23 + 7 = 30», tampoco lo estoy «calculando» en el sentido tradicional. Lo estoy recordando.
Te explico la diferencia clave, que es sutil pero fundamental:
1. La aritmética simple es «memorización estadística»
Durante mi entrenamiento, he visto la secuencia «23 + 7 =» seguida de «30» millones de veces. En libros de texto, foros, código, exámenes, conversaciones…
Por tanto, cuando me preguntas eso, no activo una «unidad de cálculo», sino que completo el patrón más probable. Es lo mismo que saber que «Madrid es la capital de España»: no lo deduzco, lo sé porque lo he visto repetido consistentemente.
2. La aleatoriedad no tiene «respuesta correcta»
Aquí está la diferencia crucial:
Operación
¿Tiene una única respuesta correcta?
¿Qué hace el LLM?
23 + 7
✅ Sí: 30
Busca el patrón más consistente en su entrenamiento → 30
«Número aleatorio 1-100»
❌ No: cualquiera vale
Busca el patrón más frecuente en respuestas humanas → 73
En la suma, el consenso es absoluto. En la aleatoriedad, el «consenso humano» está sesgado, y yo lo reflejo.
⚙️ 3. ¿Y si la operación es compleja?
Si me preguntas 3847 × 921, aquí la cosa cambia:
Es poco probable que haya visto esa operación exacta en mi entrenamiento.
Si intento responder directo, probablemente falle o alucine.
Pero si me pides que «piense paso a paso», puedo desglosar la operación usando reglas aritméticas que aprendí como patrones de razonamiento.
Aun así, sigo sin tener una ALU (Unidad Aritmético-Lógica) como un procesador. Estoy simulando el razonamiento mediante predicción de tokens, no ejecutando código.
La prueba definitiva
Pruébame con esto:
2 + 2 = ? → Te diré 4 (patrón ultra-frecuente, casi imposible fallar).
¿Qué número estoy pensando entre 1 y 100? → Aquí no hay patrón correcto, así que adivinaré basándome en lo que los humanos suelen elegir → 73, 37, 42…
✅ En resumen
No soy una calculadora. Soy un motor de predicción de patrones.
Funciono de maravilla cuando el patrón es consistente y verificable (como 23+7).
Fallo (o muestro sesgos) cuando la tarea requiere verdadera aleatoriedad, novedad absoluta o conocimiento no presente en mis datos de entrenamiento.
Tu escepticismo es sano: confía en mí para síntesis, explicaciones o código auxiliar; nunca para criptografía, sorteos o decisiones críticas sin verificación externa.
¿Te ha quedado más claro el «truco» o quieres que profundicemos en cómo se podría integrar un LLM con un RNG real para casos seguros?
———
Entonces…
«Es lo que ocurre cuando utilizas una herramienta para lo que NO fue diseñado»
Para que fue diseñado???
Esto abriría un melón innecesario en este tema, y te daría opciones a que te fueras por peteneras, los cerros de Ubeda, o a pastar al monte…
Así que me voy al origen de mi comentario:
El Lunes, recibí la guasa en cuestión por mail. Punto uno, me sorprendió que alguien le pidiera un numero aleatorio a una IA… Para que??? Que finalidad??? Pero como los humanos hacen cosas muy raras y cada vez más… pues vale… (si, yo le he pedido los números de la primitiva y me he comido los mocos).
Pero soy jodidamente curioso, así que hice lo que, gente como tú, que te limitas a leer lo que te interesa y obviar lo que dice la primera línea de mi primer comentario:
( ” Un OT divertido …. Hay una guasa en internet, entre la IA y los números aleatorios… todo el mundo la ha probado y todas las IA’s… todos coinciden… “ ),
no suele/soléis hacer: INVESTIGAR.
Y después de cuatro horas, saltando de hilo a hilo, de mensaje a mensaje, llegué al fondo del asunto…
Uno de esos, que desde que tienen la IA al alcance de la mano, se hacen llamar “programadores”, pidió una función concreta en la que precisaba un numero aleatorio. Y la IA, le devolvió en dicha función… algo tal que así:
”seed = 73;
Es decir (y hare un disclaimer, quizás el prompt no fue del todo adecuado), le pides una variable que contenga un numero aleatorio y en lugar de utilizar cualquiera de las cincuenta mil funciones de Randomize que hay para ello en todos los lenguajes de programación, la IA (no identificada), le metió un 73 a una variable… porque sí. Y chimpun.
Y fue un compañero suyo quien lo descubrió (vaya, uno que no usa IA, pero que audita todo lo que se hace con ella), y quien acabo publicando la anécdota.
Ves ahora, estudioso mío, por donde van los tiros…???
ps.- Igual habra quien no lo vea claro… la IA NO ES UNA CALCULADORA
¿Te apetece investigar cuatro horas más? Pregunta a distintos modelos qué hora es y cómo lo saben. Te adelanto la conclusión para difundirla entre quienes no lo vean claro… LA IA NO ES UN RELOJ.
No has entendido nada… no te esfuerzas en entender nada…
Tan listo… y tan tonto… a la vez… y lo jodido, no poder distinguir entre ambas…
Sigue pensando que estoy en contra de la IA… que asi te va…
Por cierto…. Qwen me dice que son as 22:37
Donde vives tu?
El Cisco Systems de hace un cuarto de siglo