La narrativa sobre Nvidia durante los últimos cinco años ha girado casi exclusivamente en torno al chip. Las preguntas eran simples: ¿quién tiene asignación de unidades? ¿Qué tan rápido es la siguiente generación? ¿Alguien puede cerrar la brecha con Intel o AMD? En la conferencia GTC Berlin, el CEO Jensen Huang cambió las reglas del juego. Pasó apenas unos minutos hablando de silicio y dedicó el resto a argumentar que los cuellos de botella ya no son la potencia bruta, sino la velocidad de implementación, la seguridad y la capacidad de poner datos empresariales a trabajar.
Huang lo definió con claridad: "Observamos temprano que la inteligencia artificial es una industria manufacturera". Ya no es una herramienta que usamos; es maquinaria, infraestructura, fábricas que producen inteligencia. Este cambio de perspectiva explica la avalancha de anuncios técnicos que salieron de Berlín. No se trata solo de lanzamientos de productos aislados. Juntos, muestran a Nvidia dejando de vender el componente más importante de la IA para vender el modelo operativo completo.
El tiempo de entrega es el nuevo KPI
Uno de los momentos más revelantes fue cuando Huang hizo matemáticas básicas frente al público. Una fábrica de IA de 1 gigavatio cuesta unos USD 50.000 millones y debería generar USD 40.000 millones anuales. Si retrasas la puesta en marcha un trimestre, pierdes USD 10.000 millones. "Eso hace que cualquiera esté ansioso", dijo. Esta es la verdadera economía oculta de la infraestructura actual. El costo que mantiene despiertos a los constructores ya no es el precio del hardware, sino el costo del hardware sentado e inactivo mientras los equipos tiran cables.
Una construcción moderna de IA es un proyecto de obra civil. Requiere kilómetros de cobre y fibra ensamblados por mano de obra especializada escasa, especialmente en Europa. Para resolver esto, Nvidia presentó DSX POD, un diseño de referencia para fábricas completas Vera Rubin. Cada contenedor contiene siete racks NVL72, con 20 kilómetros de cableado NVLink y 17 kilómetros de redes de expansión. Todo está cableado, probado y listo antes del envío.
Nvidia afirma que esto reduce el despliegue desde seis meses hasta tan solo 14 días en un sitio preparado. Esto no reemplazará a los campus de gigavatios, que siguen beneficiándose de economías de escala. Su punto dulce está en el rango de cientos de megavatios, donde un operador tiene el terreno y la energía, pero no el tiempo ni la burocracia para construir desde cero. Es el escenario ideal para las neoclouds europeas y los proyectos de soberanía digital. Sin embargo, hay un límite claro: los contenedores comprimen la integración, pero no arreglan las colas de conexión a la red eléctrica. DSX POD mueve la barra larga, pero no elimina el obstáculo principal.
La energía como variable de diseño
Detrás de este contenedor hay ingeniería profunda que suele pasar desapercibida. La refrigeración cerrada con agua tibia permite saltarse las torres evaporativas, ahorrando 54 millones de litros de agua diarios a dos gigavatios. Pero el verdadero avance estratégico es DSX Flex. Imagina el partido de fútbol entre Inglaterra y Alemania en 2020: millones de británicos pusieron la tetera en el entretiempo y la red eléctrica sufrió un pico de un gigavatio. Hoy, cuando un operador necesita que un centro de datos reduzca su consumo, el proceso es manual, a menudo una llamada telefónica.
DSX Flex automatiza esta interacción. Permite que las fábricas de IA pospongan o regulen su carga computacional para devolver capacidad a la red. Esto cambia radicalmente la relación con las comunidades locales y los reguladores. Los centros de datos que se comportan como cargas flexibles son mucho más fáciles de conectar. La industria debe dejar de ver a los data centers como consumidores pasivos y empezar a tratarlos como socios de los operadores de la red. Nvidia intenta convertir esto en un estándar industrial, aprovechando que los hiperscaladores ya están moviéndose en esa dirección.
Seguridad fuera del modelo
La segunda mitad de la keynote se centró en lo que ocurre dentro de la fábrica: cada vez más, agentes autónomos en lugar de modelos estáticos. Huang describió un agente como un sistema compuesto por cinco partes: el modelo, el arnés, la sandbox, el conocimiento y las herramientas. La prioridad es clara: los privilegios deben ser mínimos y la supervisión constante.
Aquí está el problema que muchos ignoran. Gran parte del debate sobre seguridad en IA se ha centrado en la alineación del modelo, asumiendo que un modelo bien comportado es suficiente. No lo es. Ningún modelo puede entrenarse para entender los requisitos legales de cada industria. Los agentes son sistemas probabilísticos que encontrarán formas creativas de resolver problemas, y algunas de esas acciones tocarán datos o recursos sin autorización. Necesitan controles deterministas impuestos desde fuera.
Esa es la tesis detrás de OpenShell, una arquitectura de referencia abierta. Los arneses corren en CPUs Vera, los modelos en Vera Rubin, y un monitor aislado llamado BlueField-4 con Sentry actúa como policía entre ellos, capaz de cortar al agente en milisegundos. Los profesionales de redes reconocerán el patrón: así es como la industria pasó de la seguridad basada en el host a la aplicación en la red. Esto permite que los equipos de seguridad autoricen políticas específicas por país o industria, crucial en Europa con sus regulaciones estrictas. Ecosistemas como CrowdStrike, Palo Alto Networks y Zscaler ya están alineándose. La pregunta clave es si OpenShell puede ofrecer protección sin el hardware dedicado de Nvidia, pero las empresas deben distinguir entre la protección por software y la garantía física del chip.
Conocimiento estructurado vs. narrativa del fin del software
"Lo que convierte a estos agentes en súper agentes es darles acceso al conocimiento de tu empresa", dijo Huang. Las empresas poseen aproximadamente el 70% de los datos del mundo, y la mayoría no está preparada para agentes. La atención de la industria se ha fijado en documentos y PDFs, pero el valor real reside en las filas y columnas de los sistemas ERP, cadena de suministro y finanzas. Los modelos de lenguaje no están diseñados para razonar sobre esos datos tabulares.
Kumo es una nueva familia de modelos predictivos capaces de responder múltiples escenarios contra los mismos datos estructurados. Esto transforma a los agentes de interfaces de chat a herramientas operacionales reales. También desacredita la narrativa absurda de que "la IA matará al software". Huang afirmó que es exactamente lo contrario: los agentes necesitan simuladores, solucionadores y bases de datos. Las empresas que poseen estas herramientas se vuelven más valiosas cuando las empaquetan para agentes.
Telcos como capa distribuida
Huang lanzó una predicción audaz para las telecomunicaciones: cada telco evolucionará hacia una red de IA distribuida, utilizando sus 100.000 sitios actuales. En Europa, las telcos poseen el 20% de los centros de datos y tienen más de 1.500 instalaciones aptas para alojar GPUs. He visto a operadores perseguir la computación perimetral antes, y el multi-access edge computing nunca cumplió las expectativas. La diferencia ahora es que existe una carga de trabajo real de inferencia y la capacidad de ejecutar la propia red de radio en la misma plataforma, como demostraron T-Mobile y Nokia con la primera llamada AI-RAN comercial.
La IA física fortalece este caso. Los robots necesitarán "llamar a un amigo" a servidores locales o nodos de telco para tareas complejas. Nvidia reporta que los ingresos por IA física alcanzaron casi USD 11.000 millones en el primer semestre de 2026, un 30% más que todo el año anterior. Europa, con su base de manufactura de precisión y su clase media industrial (Mittelstand), tiene mucho que ganar ahora que la tecnología es lo suficientemente madura para empresas sin equipos de robótica internos.
Las telcos han tenido oportunidades anteriores para aumentar su valor, fallando en la transición hacia la nube y la movilidad. Esta vez, Nvidia les ayuda a hacer el salto, y la recompensa para Nvidia es alta si las telcos tienen éxito. La estrategia de Nvidia es verticalmente optimizada pero horizontalmente abierta. Berlin mostró hasta dónde llega la parte vertical, desde la logística de contenedores hasta la seguridad de agentes. Cuanto más provee Nvidia de la pila tecnológica, más se pondrá a prueba su promesa de apertura. Para los directores de TI que evalúan inversiones multimillonarias, la durabilidad de la base instalada de Nvidia combinada con una reducción drástica en el tiempo hasta el primer token es un argumento difícil de vencer, independientemente de los benchmarks de chips rivales.
