#NVIDIAEarnings

Los resultados de NVIDIA acaban de confirmar algo mucho más grande que otro trimestre récord
Los últimos resultados de NVIDIA no son simplemente una actualización alcista para una empresa de semiconductores. Se están convirtiendo en un indicador en tiempo real de la velocidad a la que se expande la economía mundial de la infraestructura de IA. Los ingresos alcanzaron los 96,2 mil millones de dólares en el Q2 fiscal de 2027, un aumento interanual del 106%, mientras que los ingresos de Data Center alcanzaron la extraordinaria cifra de 89 mil millones de dólares, un 117% más. Aún más importante, NVIDIA prevé aproximadamente 108 mil millones de dólares de ingresos en el próximo trimestre. Las cifras muestran que el gasto en infraestructura de IA todavía no se está ralentizando.

Pero la pregunta más importante es qué sucede más allá de NVIDIA.

Cada nueva fábrica de IA requiere mucho más que un acelerador. Detrás de cada gran implementación de GPU se encuentra un complejo ecosistema de semiconductores que incluye memoria de alto ancho de banda, DRAM, empaquetado avanzado, redes, componentes ópticos, almacenamiento, CPU para servidores, infraestructura eléctrica y refrigeración. Cuando se expande la capacidad de computación de IA, la demanda puede propagarse por casi toda la cadena de suministro tecnológico.

La memoria es uno de los cuellos de botella más importantes que hay que vigilar.

Las cargas de trabajo de IA requieren una cantidad enorme de datos, y la memoria de alto ancho de banda se ha convertido en una parte esencial de las plataformas modernas de aceleradores. A medida que aumenta la densidad de computación, la capacidad de mover datos rápidamente entre los procesadores y la memoria se vuelve tan importante como la potencia de procesamiento bruta. Esto significa que el auge de la IA puede crear una segunda capa de demanda de semiconductores más allá de las GPU, beneficiando potencialmente a los fabricantes de memoria y, al mismo tiempo, aumentando los costes de los componentes para los fabricantes de sistemas.

Esto crea un equilibrio interesante para los inversores. Una fuerte demanda de memoria puede respaldar los precios y el crecimiento de los ingresos, pero una inflación persistente de los componentes también puede presionar los márgenes más adelante en la cadena. La propia NVIDIA registró un margen bruto del 75% en el Q2, mientras que sus previsiones para el Q3 apuntan a alrededor del 74%, lo que demuestra que una demanda extraordinaria no elimina las presiones sobre los costes.

La siguiente área importante son las redes.

Miles de aceleradores no pueden operar eficientemente como chips aislados. Necesitan una comunicación extremadamente rápida entre GPU, CPU, memoria y almacenamiento. La última expansión de plataforma de NVIDIA incluye sistemas de conmutación Spectrum-6 compatibles tanto con óptica conectable como con óptica integrada en el encapsulado, y estos sistemas se están implementando en grandes fábricas de IA. Esta es una señal importante: la oportunidad de la infraestructura de IA se está expandiendo desde la computación hacia la capa de conectividad de alta velocidad.

Aquí es donde las redes ópticas adquieren una importancia cada vez mayor.

A medida que los clústeres de IA se vuelven más grandes, mover enormes cantidades de datos entre máquinas se convierte en un desafío fundamental de ingeniería. Los aceleradores más rápidos generan mayores requisitos de ancho de banda, lo que aumenta la demanda de conmutadores, módulos ópticos, interconexiones y componentes relacionados. Por tanto, los ganadores de la siguiente etapa del ciclo de la IA podrían incluir a las empresas que resuelvan estos cuellos de botella de infraestructura, no solo a las que produzcan los procesadores más destacados.

NVIDIA también se está expandiendo más profundamente hacia el área de las CPU y los sistemas completos.

La plataforma Vera Rubin de la empresa incluye la CPU Vera y un conjunto más amplio de tecnologías de computación, redes y almacenamiento diseñadas en torno a las cargas de trabajo de IA. NVIDIA se está posicionando cada vez más no solo como proveedor de GPU, sino como proveedor de infraestructura completa de computación acelerada.

Esto cambia la forma en que se debe analizar el ciclo de los semiconductores.

En lugar de preguntar únicamente «¿Cuántas GPU venderá NVIDIA?», la pregunta más adecuada empieza a ser «¿Cuánta infraestructura se necesita por cada unidad adicional de computación de IA?».

Una implementación de GPU puede desencadenar demanda de memoria. Más memoria requiere empaquetado avanzado. Los clústeres más grandes requieren redes más rápidas. Las redes más rápidas requieren conectividad óptica. Los centros de datos más grandes requieren más almacenamiento, CPU, energía y refrigeración. Y cada fábrica de IA adicional requiere capacidad de fabricación de semiconductores para respaldar todo el sistema.

Esto crea un potente efecto multiplicador.

Hay otro acontecimiento importante que podría hacer que este ciclo sea estructuralmente diferente de los auges anteriores de los semiconductores: la IA está pasando del entrenamiento hacia la inferencia continua y las cargas de trabajo agénticas.

El entrenamiento creó la primera enorme ola de demanda de computación. Pero una vez que los agentes de IA empiecen a realizar tareas continuamente en programación, búsquedas, atención al cliente, análisis financiero, sanidad, robótica, fabricación y aplicaciones empresariales, la demanda de computación puede volverse persistente en lugar de concentrarse en torno a eventos de entrenamiento de modelos.

La propia NVIDIA describió la IA como algo que está alcanzando un punto de inflexión y destacó que la computación está cada vez más vinculada al trabajo productivo y rentable. Esta distinción es importante porque cambia la narrativa de «las empresas compran IA porque deben invertir en el futuro» a «las empresas compran computación porque la IA se está convirtiendo en parte de su economía operativa».

Sin embargo, esto no significa que todas las empresas de semiconductores ganen automáticamente.

El mayor riesgo es que la oferta termine alcanzando a la demanda más rápido de lo previsto, o que la economía de la infraestructura de IA se vuelva menos atractiva. Construir capacidad de IA requiere enormes gastos de capital, electricidad, refrigeración, redes y capacidad de fabricación de semiconductores. Si los clientes no pueden generar rendimientos suficientes a partir de esa infraestructura, el gasto podría acabar siendo más selectivo.

La valoración es otro riesgo.

Una industria de IA sólida aún puede experimentar fuertes correcciones del mercado si las expectativas avanzan más rápido que los beneficios reales. Por tanto, los inversores deben distinguir entre las empresas con pedidos reales, producción creciente y flujos de caja sostenibles, y las empresas que se benefician principalmente de la narrativa de la IA.

Por eso los resultados de NVIDIA son tan importantes.

El resultado no demuestra que todas las acciones relacionadas con la IA seguirán subiendo. Lo que sí muestra es que la demanda subyacente de infraestructura de IA sigue siendo extraordinariamente fuerte, mientras la industria continúa enfrentándose a importantes limitaciones de capacidad y de la cadena de suministro.

Mi principal conclusión es sencilla:

La primera ola de inversión en IA se centró en encontrar a las empresas que construían los modelos.

La segunda ola se centró en las empresas que producían los aceleradores.

La próxima ola podría centrarse en los cuellos de botella que rodean a esos aceleradores.

Memoria. Redes. Conectividad óptica. Empaquetado avanzado. CPU. Almacenamiento. Energía. Refrigeración. Fundiciones.

La oportunidad en semiconductores se está volviendo mucho más grande que la propia GPU.

NVIDIA puede ser el motor que impulsa la revolución de la IA, pero la verdadera oportunidad económica podría extenderse cada vez más por toda la máquina construida alrededor de ese motor.

La IA ya no es solo una historia sobre chips más inteligentes.

Se está convirtiendo en una expansión mundial de infraestructura, y los últimos resultados de NVIDIA sugieren que esa expansión aún se está acelerando.

$NVDA ‌@Gate_Square