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.