1. Titular e introducción
Cuando Jensen Huang habla de 1 billón de dólares en pedidos para los chips Blackwell y Vera Rubin, no está presentando un simple roadmap técnico. Está diciendo, en la práctica, que la computación de IA será la próxima gran infraestructura global, al nivel de la banda ancha o la nube.
Para Europa y para el mundo hispanohablante –de Madrid a Ciudad de México, de Bogotá a Buenos Aires– esto plantea una cuestión incómoda: ¿vamos hacia un futuro en el que nuestra capacidad de entrenar y desplegar modelos dependa casi por completo de un solo proveedor estadounidense? Este artículo intenta responder quién gana, quién pierde y qué riesgos se esconden detrás del “billón mágico”.
2. La noticia en breve
Según relata TechCrunch, durante su keynote en la conferencia GTC 2026 en San José, el CEO de Nvidia, Jensen Huang, afirmó que la compañía ve al menos 1 billón de dólares en pedidos de sus chips de IA Blackwell y Vera Rubin hasta 2027.
Huang comparó esta cifra con una estimación anterior: alrededor de 500.000 millones de dólares en demanda de Blackwell y Rubin hasta 2026, mencionada en la GTC DC y en presentaciones previas. Es decir, en pocos meses la visión interna de Nvidia sobre el tamaño del mercado prácticamente se ha duplicado.
TechCrunch recuerda que la arquitectura Vera Rubin, anunciada por primera vez en 2024, es presentada por Nvidia como su nuevo “estado del arte” en hardware de IA, superando a Blackwell. Cuando la compañía confirmó el inicio de producción en enero, aseguró que Rubin ofrecería hasta 3,5 veces más rendimiento en entrenamiento y 5 veces más en inferencia que Blackwell, con picos de hasta 50 petaflops. Nvidia prevé aumentar la producción en la segunda mitad del año.
3. Por qué importa
Un billón de dólares no es una nota al pie: es una tesis sobre el futuro de la industria. Nvidia está diciendo que la inversión en centros de datos de IA será el motor de gasto tecnológico de esta década.
Quién gana:
- Nvidia consolida un poder de negociación extraordinario. Con un pipeline de esa magnitud, puede negociar precios, prioridades de suministro y acuerdos estratégicos desde una posición de fuerza.
- Los grandes clouds (AWS, Azure, Google Cloud, Meta) legitiman sus presupuestos multimillonarios de IA ante accionistas y reguladores: “si no invertimos nosotros, lo hará la competencia”.
- El ecosistema alrededor de Nvidia –desde fabricantes de servidores hasta empresas de networking y software optimizado para CUDA– se beneficia de un efecto red aún mayor.
Quién queda en una posición delicada:
- Rivales de hardware como AMD, Intel o los muchos startups de chips de IA tienen que competir contra un estándar de facto que se hace más fuerte a cada generación.
- Clientes empresariales y gobiernos corren el riesgo de depender de un único proveedor para capacidades consideradas cada vez más estratégicas.
- Presupuestos de TI tradicionales (ERP, almacenamiento, redes clásicas) probablemente cederán terreno frente a clusters de GPU.
La implicación inmediata es clara: la industria no se está “desinflando” tras el boom de la IA generativa; está doblando la apuesta. Y cuando el proveedor dominante habla de un billón, los ciclos de corrección futura también se vuelven más peligrosos.
4. El panorama general
La proyección de Nvidia encaja en un contexto más amplio de tres grandes movimientos.
1. La GPU como nueva unidad básica de cómputo
En la década pasada el centro de datos giraba en torno al CPU. Con H100, Blackwell y ahora Vera Rubin, la GPU se convierte en el corazón de la infraestructura, especialmente para IA, HPC y analítica avanzada.
El mensaje detrás del billón es simple: la mayor parte del capex incremental en centros de datos irá a aceleradores, no a CPUs genéricos.
2. La batalla por la integración vertical
Google con TPU, AWS con Trainium/Inferentia, Microsoft y Meta con sus propios diseños… Todos buscan reducir costes y dejar de estar “a merced” de Nvidia. La lógica es: si ya gastamos miles de millones en IA, más vale tener control sobre el silicio.
Nvidia responde mostrando que, incluso descontando estos esfuerzos, el “pastel” sigue siendo enorme. Y que, mientras el software, las bibliotecas y el talento sigan alineados con CUDA, cambiar de proveedor no será trivial.
3. Geopolítica y control de capacidad
Los controles de exportación de EE. UU. sobre GPU avanzadas hacia China ya demostraron que los chips de IA son un asunto de seguridad nacional. Una cifra de 1 billón amplifica la dimensión geopolítica: quién tenga acceso prioritario a esta capacidad de cómputo tendrá ventaja para entrenar grandes modelos, ofrecer servicios de IA avanzados y, en último término, influir en la economía digital.
Para Europa y América Latina, que dependen en gran medida de nubes de EE. UU., esto plantea preguntas incómodas sobre soberanía tecnológica y resiliencia.
5. El ángulo europeo e hispano
En Europa, la apuesta del billón llega en pleno debate sobre autonomía estratégica y sobre cómo implementar el Reglamento de IA de la UE (AI Act).
- La mayoría de los superordenadores europeos orientados a IA –incluido el MareNostrum en Barcelona– se basan fuertemente en hardware de Nvidia.
- Proveedores de cloud europeos (OVHcloud, Deutsche Telekom, Orange, entre otros) compiten con gigantes estadounidenses por conseguir tarjetas Nvidia suficientes para ofrecer clusters de IA atractivos.
- La Ley de Chips de la UE intenta promover fabricación en suelo europeo, pero en el segmento de GPU de gama alta la dependencia de TSMC y, por extensión, de la cadena asiática, seguirá siendo fuerte en esta década.
En el mundo hispano, la situación es aún más asimétrica:
- Muchos proyectos de IA en América Latina dependen totalmente de regiones de cloud en EE. UU. o Europa, tanto para cómputo como para almacenamiento de datos.
- Los pocos data centers con ambiciones de IA en países como Brasil, México o Chile también giran alrededor de Nvidia, con poco margen para negociar.
La combinación de regulación europea exigente (AI Act, GDPR, DSA/DMA) y dependencia tecnológica externa crea una tensión complicada: Bruselas quiere sistemas de IA auditables, eficientes y justos, pero la capa física de cómputo está en manos ajenas.
6. Mirando hacia adelante
¿Qué podemos anticipar para los próximos 2–3 años y qué señales conviene vigilar?
Disponibilidad y precios de GPU en mercados no prioritarios. Si la demanda global se acerca al billón, Europa y América Latina podrían quedar por detrás de EE. UU. y de los grandes hyperscalers a la hora de conseguir capacidad. Esto afectaría directamente a startups, universidades y pymes.
Respuesta regulatoria. Es probable que autoridades de competencia en la UE y otros mercados analicen con más detalle posibles prácticas de lock‑in: acoplamiento de hardware‑software, condiciones de licenciamiento, prioridad de suministro para ciertos clientes, etc.
Presión energética y medioambiental. Los centros de datos de IA consumen grandes cantidades de electricidad y agua. En países con redes frágiles o con políticas climáticas ambiciosas, los gobiernos empezarán a exigir más transparencia y quizá límites o condiciones para nuevos despliegues.
Evolución del ecosistema de software. Si vemos madurar frameworks y runtimes realmente portables (capaces de aprovechar bien GPU de Nvidia, AMD, chips de cloud, etc.), el poder de negociación de los clientes aumentará. Si no, el “impuesto CUDA” seguirá vigente.
Retorno económico real. El gran interrogante es si las inversiones masivas en IA generativa y modelos de gran tamaño se traducirán en productividad, nuevos productos y ahorro de costes. Si los resultados decepcionan, la trayectoria hacia el billón podría romperse con un frenazo brusco de capex.
Lo más probable es un escenario intermedio: un ciclo de inversión fuerte y prolongado, pero con correcciones periódicas y con una capa regulatoria cada vez más densa.
7. Conclusión
La proyección del billón de dólares de Nvidia para Blackwell y Vera Rubin es, a la vez, un ejercicio de marketing y una lectura bastante lúcida del momento: la IA se está convirtiendo en parte de la infraestructura básica de la economía digital.
La cuestión clave para Europa y para los países hispanohablantes no es si la cifra exacta se cumplirá, sino cuánta capacidad de decisión queremos ceder sobre algo tan estratégico como el cómputo de IA.
Si la respuesta es “no toda”, entonces la tarea para gobiernos, empresas y ecosistemas locales es clara: diversificar proveedores, apoyar alternativas y negociar acceso a GPU como lo que ya son de facto: un recurso crítico.
