Jensen Huang fundó NVIDIA en 1993 en un Denny's de San José para fabricar chips gráficos para videojuegos. Treinta y tres años después, la misma empresa factura más que el PIB de decenas de países y sus GPU son el recurso más disputado del planeta. Pero en 2026 empiezan a aparecer las primeras grietas serias en ese dominio.
De las tarjetas gráficas a la centralita de la IA mundial
NVIDIA pasó casi dos décadas como proveedor de tarjetas gráficas para gaming antes de que su arquitectura CUDA, lanzada en 2006, se convirtiera por accidente en el estándar de facto para entrenar redes neuronales. Cuando OpenAI, Google y el resto de laboratorios empezaron a escalar modelos de lenguaje a partir de 2019, se encontraron con que solo las GPU de NVIDIA tenían el ecosistema de software maduro para hacerlo de forma práctica. Huang apostó fuerte por esa transición mucho antes de que el "boom" de la IA generativa fuera evidente para el resto del mercado, y esa anticipación es la base real de su ventaja actual, no solo la suerte.
El resultado: NVIDIA superó los 3 billones de dólares de capitalización bursátil en 2024 y ha rozado y superado los 4 billones en distintos momentos de 2025 y 2026, disputando con Apple y Microsoft el puesto de empresa más valiosa del mundo, algo impensable para un fabricante de semiconductores hace una década.
Blackwell, Rubin y el ritmo anual que nadie más sostiene
Huang ha impuesto a NVIDIA un cadencia de lanzamiento anual de nuevas arquitecturas —Hopper, Blackwell y ahora Rubin, presentada para escalar producción a lo largo de 2026— que ningún competidor, ni AMD con su línea Instinct ni los chips propios de Google (TPU) o Amazon (Trainium), ha logrado igualar en volumen y adopción. Cada generación no solo mejora el rendimiento bruto sino que amplía el "foso" de software: CUDA, cuDNN y las librerías de NVIDIA llevan tanto tiempo integradas en los flujos de trabajo de investigadores que migrar a otro fabricante implica reescribir herramientas internas, un coste que la mayoría de laboratorios prefiere no asumir aunque el hardware alternativo sea más barato.
Este dominio ha convertido a NVIDIA en lo que varios analistas llaman "el peaje de la IA": cada gran modelo entrenado en 2025 y 2026, ya sea GPT-5, Gemini 3, Claude Opus 4.5 o Grok 4, depende en mayor o menor medida de GPU de la compañía, directamente o a través de la nube (Microsoft Azure, AWS, Google Cloud, Oracle) que a su vez compra esos chips a Huang.
Los controles de exportación a China y el agujero de miles de millones
La otra cara del imperio es la dependencia geopolítica. Las restricciones de Washington a la venta de chips avanzados a China, endurecidas desde 2022 y ampliadas en 2024-2025, han obligado a NVIDIA a diseñar versiones recortadas específicamente para el mercado chino, como el H20, cuya venta ha sido alternativamente permitida, bloqueada y reautorizada según los vaivenes de la política comercial entre Washington y Pekín durante la administración Trump. Huang ha calculado en distintas ocasiones que estas restricciones le han costado a NVIDIA varios miles de millones de dólares en ingresos perdidos, y ha viajado personalmente a China en múltiples ocasiones para intentar preservar el acceso a un mercado que antes representaba una parte sustancial de sus ventas de centros de datos.
El dilema de los grandes clientes: cuando tus compradores son también tus rivales
Microsoft, Google, Amazon y Meta son simultáneamente los mayores clientes de NVIDIA y quienes más invierten en desarrollar sus propios chips de IA para depender menos de Huang. Google ya usa TPU propias para gran parte del entrenamiento de Gemini; Amazon impulsa Trainium2 y Trainium3 en AWS; Microsoft desarrolla su chip Maia. Ninguno de estos proyectos ha logrado todavía igualar el rendimiento por vatio ni la madurez de software de las GPU de NVIDIA, pero todos avanzan, y Huang lo sabe: en sus propias presentaciones a inversores ha reconocido que "todos mis mejores clientes están construyendo mi reemplazo", una frase que resume mejor que cualquier análisis externo la tensión estructural del negocio.
La demanda insaciable de energía como nuevo límite
Si en 2023-2024 el cuello de botella eran las propias GPU, en 2026 el límite real ha pasado a ser la energía y el espacio en centros de datos. Los grandes clústeres que consumen la producción de NVIDIA —desde Stargate de OpenAI y Microsoft hasta Colossus de xAI— requieren cientos de megavatios cada uno, una demanda que ha llevado a hyperscalers a firmar acuerdos de energía nuclear (incluyendo la reapertura de reactores como Three Mile Island para Microsoft) y ha disparado los precios de la electricidad industrial en estados como Texas, Virginia y Tennessee, generando fricción política sobre quién absorbe ese coste.
Qué puede realmente frenar a NVIDIA en lo que queda de década
Las amenazas reales al imperio de Huang no vienen de un competidor único, sino de una combinación: chips propios de hyperscalers que maduran año a año, una posible desaceleración del gasto en IA si el retorno de inversión de las empresas que compran estos modelos no se materializa al ritmo esperado, y el riesgo geopolítico de que China acelere su propia industria de semiconductores —con SMIC y Huawei— hasta el punto de no necesitar a NVIDIA en absoluto. Huang, por su parte, sigue apostando a que la demanda de cómputo para IA seguirá creciendo más rápido que la capacidad de cualquier competidor de alcanzarle, una apuesta que hasta ahora le ha dado la razón, pero que en 2026 empieza a mostrar, por primera vez, signos de fragilidad.
