Nvidia en el camino a los R$4tn: la IA y la visión de Jensen Huang

Cuando Jensen Huang, director ejecutivo de 🌛 Nvidia, habló en la reunión anual de accionistas la semana pasada, no hizo mención de la caída en el precio 🌛 de las acciones.

La empresa estadounidense de chips, impulsada por su papel clave en el auge de la inteligencia artificial, había 🌛 alcanzado brevemente el valor de mercado más alto del mundo el 18 de junio, pero la corona se deslizó rápidamente. 🌛 Nvidia perdió alrededor de R$550.000 millones (£434.000 millones) desde el pico de R$3.4tn (£2.68tn) del valor de mercado que había 🌛 alcanzado aquella semana, ya que los inversionistas en tecnología, combinando las ventas con dudas sobre la sostenibilidad de su crecimiento 🌛 récord, aplicaron los frenos.

Sin embargo, Huang habló como el CEO de una empresa que pasó de una valoración de R$2tn 🌛 a R$3tn en 30 días de este año y ve R$4tn a la vista.

Describió una próxima generación de poderosos nuevos 🌛 chips, llamados Blackwell, como potencialmente "el producto más exitoso en nuestra historia" y quizás en toda la historia del computador. 🌛 Agregó que la nueva ola para la IA sería la automatización de R$50tn de industrias pesadas y describió lo que 🌛 sonaba como un bucle sin fin de fábricas robóticas que orquestan robots que "construyen productos que son robóticos".

Resumiendo, dijo: "Hemos 🌛 reinventado Nvidia, la industria informática y muy probablemente el mundo".

Estas son las palabras en las que se construye una valoración 🌛 de R$4tn y el ciclo de la euforia de la IA. Las acciones de Nvidia están recuperando terreno, regresando por 🌛 encima de R$3tn esta semana, porque sigue siendo la mejor manera de comprar acciones en el auge de la IA. 🌛 ¿Es eso suficiente para impulsarlo a R$4tn a pesar de la emergencia de la duda de los inversionistas?

Alvin Nguyen, analista senior en la empresa de investigación Forrester, dijo que "solo el colapso del mercado 🌛 genAI" impediría que Nvidia alcanzara los R$4tn en algún momento, pero si llegaba allí primero antes que los rivales tecnológicos 🌛 era otra historia. En la actualidad, Microsoft, otro gran jugador en IA, y Apple ocupan el primer y segundo lugar 🌛 respectivamente en términos de tamaño de mercado, con Nvidia en tercer lugar.

Si el próximo gran modelo de IA de OpenAI, 🌛 GPT-5, y otros nuevos modelos son asombrosos, el precio de las acciones seguirá siendo robusto y podría llegar a R$4tn 🌛 para fines de 2025, dijo Nguyen. Pero si decepcionan, entonces el precio de las acciones podría verse afectado, dado su 🌛 estatus como portaestandarte de la tecnología. Un avance tecnológico podría resultar en que se necesite menos potencia informática para entrenar 🌛 modelos, agregó, o el interés de las empresas y los consumidores en herramientas de IA generativas podría ser menos robusto 🌛 de lo esperado.

"Hay mucho desconocido y fuera del control de Nvidia que podría afectar su camino a los R$4tn", dijo 🌛 Nguyen. "Como la decepción con los nuevos modelos que salen, las mejoras en los modelos que reducen las necesidades informáticas 🌛 y la demanda más débil de lo esperado de las empresas y los consumidores por los productos genAI".

Los laboratorios de 🌛 IA privados como OpenAI y Anthropic, las entidades detrás de los chatbots ChatGPT y Claude, no se negocian en los 🌛 mercados públicos, dejando vastas cantidades de dinero flotando en cuentas de inversionistas sin forma de acceder a algunos de los 🌛 principales actores en la fiebre de la IA generativa.

Comprar acciones en multinacionales como Microsoft o Google ya es caro 🌛 y solo una fracción de una inversión está relacionada con la nueva cosa caliente. Podría haber un auge de la 🌛 IA, pero si, por ejemplo, el negocio de anuncios de búsqueda de Google se tambalea como resultado, entonces la empresa 🌛 no necesariamente será un ganador neto.

Nvidia, por el contrario, vende picos en una fiebre del oro. A pesar de años 🌛 de inversión en capacidad, continúa vendiendo sus chips de gama alta más rápido de lo que puede fabricarlos. Grandes proporciones 🌛 de las inversiones en la investigación de IA de vanguardia fluyen directamente desde los laboratorios y en las arcas de 🌛 Nvidia, con empresas como Meta que se han comprometido a gastar miles de millones de dólares en la adquisición de 🌛 cientos de miles de GPU de Nvidia (unidades de procesamiento gráfico).

Ese tipo de chip, la especialidad de la empresa, una vez se vendió para permitir que 🌛 los jugadores experimentaran gráficos nítidos y suaves en juegos 3D, y a través de un golpe de suerte monumental, resultó 🌛 ser exactamente lo que los investigadores necesitaban para construir sistemas AI masivos como GPT-4 o Claude 3.5.

Las GPU pueden realizar, 🌛 en gran volumen y velocidad, los cálculos complejos que subyacen al entrenamiento y el funcionamiento de herramientas AI como chatbots. 🌛 Por lo tanto, cualquier empresa que desee construir o operar un producto AI generativo, como ChatGPT o Google's Gemini, necesita 🌛 GPU. Lo mismo ocurre con el despliegue de modelos AI disponibles públicamente como Meta's Llama, que también requiere cantidades masivas 🌛 de chips como parte de su fase de entrenamiento.

En el caso de los sistemas conocidos como modelos de lenguaje grande 🌛 (LLMs), el entrenamiento implica procesar bloques masivos de datos. Esto enseña al LLM a reconocer patrones en el lenguaje y 🌛 determinar qué debería ser la próxima palabra o frase en respuesta a una consulta de chatbot.

Nvidia nunca ha dominado por 🌛 completo el mercado de chips de IA, aunque. Google siempre se ha basado en sus propios chips, que llama TPUs 🌛 (por "tensor", una característica de un modelo de IA), y otros quieren unirse a él. Meta ha desarrollado su Meta 🌛 Training and Inference Accelerator, Amazon ofrece sus Trainium2 chips a las empresas que utilizan AWS (Amazon Web Services), y Intel 🌛 ha producido el Gaudi 3.

Ninguno de los principales competidores compite con Nvidia en la parte superior del escalón en este 🌛 momento. Pero eso no es el único lugar donde se está produciendo la competencia. Un informe de The Information, un 🌛 sitio web de noticias tecnológicas, destacó el auge del "procesamiento por lotes", que ofrece a las empresas un acceso más 🌛 económico a los modelos de IA si están bien con esperar a que se ejecuten sus consultas en períodos de 🌛 baja demanda. Eso, a su vez, permite a los proveedores como OpenAI comprar chips más eficientes y baratos para sus 🌛 centros de datos en lugar de enfocar todo su gasto en el hardware más rápido posible.

En el otro extremo, las pequeñas empresas están comenzando a ofrecer productos cada 🌛 vez más especializados que superan lo que Nvidia puede proporcionar en una carrera cara a cara. Groq (no confundir con 🌛 el similar nombre de Elon Musk's Grok AI, el lanzamiento del cual provocó una disputa de marca en curso) hace 🌛 chips que no se pueden usar para entrenar IA en absoluto, pero que ejecutan los modelos resultantes a una velocidad 🌛 fulgurante. No ser superado, la startup Etched, que acaba de recaudar R$120m, está construyendo una placa que solo ejecuta un 🌛 tipo de modelo de IA: un "transformador", la T en GPT (transformador generativo preentrenado).

Nvidia no solo necesita mantenerse al día con la competencia, grande y pequeña. Para llegar a la siguiente marca, 🌛 necesita prosperar. Los fundamentos del mercado están fuera de moda, pero si la empresa se valorara como una empresa tradicional 🌛 de baja crecimiento, incluso una capitalización de mercado de R$3tn requeriría que vendiera un billón de sus GPU de gama 🌛 alta al año, con una margen de ganancia del 30%, para siempre, señaló un experto.

Incluso si la industria de la 🌛 IA crece lo suficiente como para justificar eso, la margen de ganancia de Nvidia puede ser más difícil de defender. 🌛 La empresa tiene los diseños de chips para mantener el liderazgo, pero los cuellos de botella reales en su cadena 🌛 de suministro son los mismos que para gran parte de la industria: en las fundiciones de semiconductores avanzadas, como las 🌛 operadas por TSMC de Taiwán, Intel de EE. UU., SMIC de China y unos pocos otros en el mundo. Notablemente 🌛 no está en esa lista Nvidia, que es un cliente de TSMC.

No importa cuán avanzados sean los conjuntos de chips 🌛 de Nvidia, si necesita comer en el libro de pedidos de TSMC para igualar la demanda, entonces inevitablemente fluirá la 🌛 utilidad de esa manera también.

Neil Wilson, el analista principal de Finalto, el corredor de bolsa, dijo que el caso bajista 🌛 contra Nvidia, o argumento para una caída sostenida en el precio de las acciones, se basa en la idea de 🌛 que una vez que la empresa trabaje a través de su libro de pedidos, volverá a niveles menos frenéticos de 🌛 demanda.

"Todos sus clientes han estado acudiendo en masa a pedir los GPU, pero no lo harán para siempre", dijo Wilson. 🌛 "Los clientes sobreordenan y luego comienzan a cancelar. Es un punto dulce ahora, pero no se puede mantener". Puede ver 🌛 a Nvidia llegando a R$4tn y más allá, pero "tal vez no al ritmo actual".

Jim Reid, el jefe de investigación 🌛 económica y temática global de Deutsche Bank, publicó una nota esta semana preguntándose si Nvidia era "la empresa de más 🌛 rápido crecimiento de todas las épocas". Al señalar que Nvidia pasó de R$2tn a R$3tn en 30 días, Reid dijo, 🌛 por el contrario, que le tomó a Warren Buffett 60 años acercar Berkshire Hathaway a R$1tn.

Sin embargo, en un mundo 🌛 de baja productividad, una medida de eficiencia económica, y poblaciones de trabajadores en declive y deudas gubernamentales en aumento, la 🌛 promesa económica de la IA es bienvenida, dijo Reid.

"Si la IA es el catalizador de una cuarta Revolución Industrial, eso 🌛 sería muy buenas noticias", escribió. "Si no, los mercados tendrán un gran problema".

Está en juego más que ganar una carrera 🌛 a R$4tn.