No cabe ninguna duda de que Nvidia ha logrado establecerse como el auténtico vendedor de mapas, picos y palas en medio de la fiebre del oro que se ha establecido (de forma muy justificada) en torno al crecimiento de la inteligencia artificial. Sin embargo, lo realmente brillante no es sólo su clarividencia a la hora de apostar por un modelo de computación o su excelencia en ingeniería, sino un modelo de negocio que me parece francamente digno de estudio. Y a eso precisamente nos dedicamos los profesores. En primer lugar, es muy importante entender que Nvidia no es ni «una empresa que fabrica tarjetas gráficas», ni «una empresa de chips». La compañía gusta de definirse a sí misma como “data center scale AI infrastructure company”, y eso puede contribuir a aclarar muchas cosas: este año, facturó un total de $215,900 millones de los que casi el 90% procedieron de la división de data centers. La división de gaming, que un día definió la compañía, tan solo faturó en torno a 16,000 millones. A día de hoy, Nvidia es fundamentalmente una compañía que provee infraestructura para generar inteligencia. El producto más icónico y conocido de Nvidia, las GPUs, son tan sólo la punta de un iceberg, de lo que un cliente realmente adquiere. En realidad, lo que compran es un sistema completo con GPU, CPU, memoria HBM, NVLink, switches, NIC/SuperNIC, DPU, Ethernet/InfiniBand, refrigeración y software. El sistema está diseñado así desde Blackwell, y Vera Rubin lo lleva ya a un nivel impresionante, hasta el punto de que tan solo el networking generó $31,400 millones de dólares en el ejercicio actual. Según la compañía, «el data center se ha convertido en la nueva unidad de computación», lo que permite entender fácilmente por qué cualquier comparación de una GPU de Nvidia con las TPU de Google o con los aceleradores de AMD es de una simpleza absurda: simplemente, la carrera competitiva está pasando a un nivel superior, desde el chip hasta el sistema completo, y eso es algo que Nvidia ha interpretado especialmente bien, o que directamente ha sabido definir. La verdadera diferencia competitiva está en CUDA, la plataforma de computación paralela y API de la compañía. Su origen data de 2006, mucho antes de que empezásemos a hablar de una posible explosión de una inteligencia artificial generativa que aún ni existía. Ahora, es un conjunto de cientos de librerías, SDK y frameworks que ha educado a toda una generación de desarrolladores en cómo pensar, desarrollar y optimizar sobre plataforma Nvidia. En realidad, es un caso de lock-in voluntario, un auténtico Hotel California: todos saben que pueden irse y dónde está la puerta, pero nadie quiere correr con el coste de reescribir, revalidar y volver a optimizar todo lo que ya tienen. Los rivales y los clientes de Nvidia no pueden competir con esa capa de creación de valor, aunque lo intenten con Triton y otras capas de abstracción similares. Pero además, Nvidia ha conseguido algo muy difícil: convertir su roadmap de lanzamientos de producto en una genuina ventaja competitiva. Esto es algo dificilísimo, en lo que han fallado la mayoría de las compañías tecnológicas: por lo general, tus productos pierden casi completamente su valor cuando sacas al mercado una generación nueva, algo que hace que los clientes se piensen mucho la actualización. Nvidia ha ido pasando de una cadencia bienal a una anual, como vemos en una secuencia que tiene ya nombres propios que hasta nos empiezan a sonar a todos: de Hopper a Blackwell, a Blackwell Ultra, a Vera Rubin, a Rubin Ultra y a Feynman, lo que vemos son múltiples generaciones que, sin embargo, conviven en el mercado sin demasiados problemas y sin depreciarse excesivamente. ¿Cómo logra la compañía algo así? Primero, redefiniendo la métrica que vende, desde simples FLOPS hasta el coste por token. Si transicionas desde el entrenamiento hasta la inferencia y el razonamiento, lo que tus clientes cuestionan ya no es el precio de la GPU, sino lo que les cuesta producir un millón de tokens. Según la compañía, Rubin permite reducir a una décima parte el coste por token de inferencia con respecto a Blackwell, algo que por mucho que podamos considerarlo un argumento más de marketing de un fabricante, nos ayuda a entender el cambio en la conversación que busca la compañía para enfocarse en el rendimiento de los sistemas, en el consumo de energía, en la utilización o en el coste total de la operación, en lugar de simplemente en el precio de un producto. Esa cadencia anual de lanzamiento de productos precisa, por un lado, que las compañías punteras, las otras big tech, necesiten sí o sí migrar a cada nueva generación que lanza Nvidia. Pero para poder hacerlo, necesitan justificar que lo que compran no va a ser simple chatarra sin valor en menos de dos años. ¿La solución? Segmentar el mercado: las nuevas generaciones de productos son para quienes precisan de una productividad máxima, pero las anteriores no se convierten en un producto desactualizado, sino que siguen siendo perfectamente válidas para quienes quieren que su coste amortizado siga siendo competitivo. Una forma de hacer que el mercado secundario trabaje para ti: si las compañías punteras saben que una GPU usada puede revenderse en tres o cuatro años con un precio razonable, los cálculos de coste cambian mucho. Y los que las compran usadas, en cualquier caso, no canibalizan las ventas de Nvidia, porque muy probablemente nunca se habrían planteado acceder a la nueva generación. Visto así, es como convertir tu mercado de productos nuevos y el secundario, el de productos usados, en algo que no es un sustituto, sino distintos peldaños en una escalera de adopción. Que cada generación nueva se convierta en imprescindible, pero sin hacer inútil la anterior.Pero claro, esto da una idea a cualquier financiero que esté suficientemente atento: convertir los chips en un activo financiero. Algunas de las llamadas neoclouds ya usan sus GPUs de Nvidia como garantía de sus créditos, porque tienen un valor de recompra tangible y establecido. Nvidia ya está trabajando con Wall Street para poder estandarizar la financiación, el leasing y otras estructuras directamente garantizadas por ese tipo de activos. Con eso consigue que no tengas que tener el tamaño y el balance de una big tech para poder financiar la compra, establecer un valor residual o atraer inversores si compras productos de Nvidia, lo que permite pasar de una hipotética demanda residual a una demanda solvente que se traduce en más ventas. Otra parte de la estrategia es la circularidad: Nvidia no es simplemente un fabricante de chips, sino que usa su enorme generación de cash para actuar como banquero y arquitecto de la infraestructura de la inteligencia artificial al entrar en acuerdos económicos con multitud de compañías que compran sus productos. Las ventas existen, no son ficticias, pero son básicamente circulares: yo invierto en tu data center, y tú me compras sus componentes a mí. Eso sí, considerando el tamaño de los clientes con los que llega a esos acuerdos y la concentración de ventas (hay un cliente que representa el 22% de las ventas, y otros están en el 14% o en el 10%), Nvidia está incorporando a su balance muchas de las vulnerabilidades que esos clientes pueden llegar a tener.La paradoja, además, es que Nvidia puede hacer todo esto siendo fabless, es decir, sin fabricar nada, sólo diseñando arquitecturas que después fabrican TSMC o, en menor medida, Samsung, SK Hynix y otras. La compañía más valiosa del mundo depende de un puñado de fabricantes asiáticos concentrados en muy pocos países, una cadena de suministro que también le genera cierta vulnerabilidad. Competitivamente, es un «todos contra Nvidia«: Google, AMD, Amazon, Broadcom y otros intentan competir en algunas partes de la cadena de valor, pero la respuesta de Nvidia es clara: elevar el nivel para competir en el todo y no en las partes. Y si cada generación de productos supera en prestaciones a la anterior pero no la convierte en inútil, eso da lugar a una pirámide de dependencias que hace la sustitución de una parte individual, como mínimo, complicada. Potencialmente, un punto en el que Nvidia, más tarde o más temprano, se terminará encontrando con la legislación antimonopolio. Mi impresión es que Nvidia ha conseguido generar una plataforma que se alimenta de varios bucles a la vez: CUDA convierte los GPUs en más atractivos, los GPUs consiguen atraer a más desarrolladores, su volumen financia una I+D que permite sacar una nueva generación anual, la unión de las GPUs con el networking y los componentes suben el precio medio por operación, la financiación posibilita que más clientes compren, y el valor residual de los componentes usados permite que contribuyan a financiar los nuevos. Sin duda, una estrategia brillante. ¿La habrán diseñado con inteligencia artificial?