¿Qué está pasando con NVIDIA? La guía para entender el drama de los chips

NVIDIA empezó con una apuesta por los gráficos de los videojuegos. Hoy vende parte de la infraestructura con la que se entrena y se pone a trabajar la inteligencia artificial. El 12 de noviembre, la empresa anunció la salida de su cofundador Jensen Huang y el nombramiento de Colette Kress como CEO interina, un cambio de mando que llega después de 33 años con Huang al frente.

Si tu feed pasó de hablar de los chips de NVIDIA a preguntar quién dirige la empresa, las dos historias están conectadas. Jensen Huang estuvo al frente desde la fundación y se convirtió en la cara pública de una compañía que hoy vende parte del equipo que hace posible la IA generativa. Para entender por qué su salida generó tanta atención, conviene empezar por una pregunta más básica: ¿qué le compra realmente el resto de la industria a NVIDIA?

¿Qué es NVIDIA y qué vende?

Jensen Huang, Chris Malachowsky y Curtis Priem fundaron NVIDIA en 1993 para llevar los gráficos 3D a videojuegos y multimedia, según la historia corporativa. Sus procesadores gráficos, conocidos como GPU, se hicieron populares por su capacidad para calcular simultáneamente muchas partes de una imagen. Esa misma forma de repartir el trabajo entre muchas unidades de cálculo sirve para tareas que van desde una simulación científica hasta entrenar un modelo de IA.

En 2006 llegó CUDA, la plataforma que permitió a los desarrolladores programar las GPU de NVIDIA para otros usos. El cambio fue decisivo: los investigadores podían usar una herramienta creada para gráficos para resolver problemas de cómputo en paralelo. En 2012, la red neuronal AlexNet mostró lo que esa combinación podía lograr en el reconocimiento de imágenes.

El negocio actual abarca chips, sistemas para centros de datos, redes que conectan servidores y software para desarrollar y ejecutar modelos. Entrenar un modelo implica ajustar sus parámetros con datos. Ejecutarlo, una vez entrenado, implica usarlo para responder a cada consulta. NVIDIA vende tecnología para ambas etapas y también conserva negocios de videojuegos, visualización profesional y automóviles.

La escala se ve en los resultados: en el trimestre cerrado el 26 de julio de 2026, NVIDIA registró 96,200 millones de dólares en ingresos, 106% más que un año antes, según su reporte financiero. Es una medida de cómo cambió la empresa desde la época en que el público la ubicaba sobre todo por las tarjetas GeForce.

¿Cómo NVIDIA llevó sus chips de los videojuegos a los centros de datos?

Imagina una escena de un videojuego con lluvia, luces y reflejos. La computadora tiene que decidir qué color mostrar en muchísimos puntos de la pantalla y repetir ese trabajo cada vez que cambia la imagen. Una GPU reparte esas operaciones entre muchas unidades de cálculo. Esa capacidad de hacer muchas cuentas a la vez también resulta valiosa cuando un programa de IA trabaja con grandes conjuntos de números.

Para entenderlo, piensa en una app que reconoce objetos en una foto. Durante el entrenamiento, el sistema procesa ejemplos y ajusta sus parámetros a medida que aprende a distinguir patrones. Después, cuando alguien le muestra una imagen nueva, el sistema aplica lo aprendido. Esa segunda etapa se llama inferencia. En un chatbot, cada respuesta también requiere inferencia, aunque el modelo ya esté entrenado desde hace meses.

La diferencia importa para el negocio. Entrenar un modelo puede requerir reunir muchos chips y mantenerlos trabajando juntos durante un periodo largo. Servir ese modelo a millones de usuarios exige sostener capacidad todos los días y responder sin que la gente tenga que esperar demasiado. El comprador, según el caso, puede valorar más la velocidad de una respuesta, el costo por consulta o la capacidad de atender muchas peticiones al mismo tiempo.

La ventaja de CUDA

En la historia de NVIDIA, 2006 marca la introducción de CUDA, una plataforma que abrió el cómputo en paralelo de sus GPU a usos distintos de los gráficos. Piensa en CUDA como el conjunto de herramientas que permite a un desarrollador indicarle a la GPU qué operaciones debe hacer y cómo repartirlas. Con el tiempo, alrededor de esas herramientas se acumuló trabajo que otros equipos podían reutilizar.

Cuando una empresa lleva años afinando sus programas para un tipo de equipo, migrar implica más que comprar otro chip. Hay que comprobar que las bibliotecas sean compatibles, ajustar partes del código y probar si el sistema sigue cumpliendo sus metas de rendimiento y costo. Si el cambio sale bien, puede valer la pena. Para decidirlo, el equipo tiene que medir el costo de la migración además del precio de los chips.

También hay distintos niveles de dependencia. Una persona que usa un chatbot desde el celular puede cambiar de aplicación en segundos. El proveedor que opera el servicio detrás de esa pantalla tiene decisiones más difíciles: dónde ejecuta el modelo, cuánto le cuesta responder y qué capacidad tiene para manejar un pico de demanda. Ahí entra la infraestructura, aunque el usuario jamás vea el equipo físico.

¿Quién le compra chips a NVIDIA y qué recibe?

Una empresa de nube puede instalar servidores con aceleradores y rentar su capacidad a otras compañías. Un laboratorio puede pagar por usar esa infraestructura durante el entrenamiento de un modelo. Y una empresa que quiere ofrecer IA dentro de sus productos puede contratar capacidad para responder a sus propios usuarios. A veces, el cliente directo de NVIDIA y la compañía cuyo logotipo aparece en tu pantalla son organizaciones distintas.

También importa lo que rodea a cada GPU. Si muchas máquinas necesitan intercambiar información a gran velocidad, las conexiones pueden determinar cuánto tarda el trabajo completo. Si el equipo se queda sin espacio en memoria o pasa demasiado tiempo esperando datos, un procesador más rápido por sí solo resuelve poco. Por eso, una compra para un centro de datos puede incluir servidores, redes y software, además de los aceleradores.

Para comparar ofertas, imagina que dos sistemas tardan lo mismo en producir una respuesta. Uno podría requerir más electricidad o atender a menos usuarios al mismo tiempo. El otro podría funcionar bien para un modelo específico, pero exigir más ajustes para atender cargas distintas. El dato que interesa a quien paga la cuenta es cuánto cuesta operar el servicio al nivel que promete a sus clientes.

El alcance de NVIDIA también tiene límites. La capacidad de cómputo depende de que alguien pueda instalar los equipos, darles electricidad y refrigerarlos. La inversión en chips solo se convierte en servicio cuando el resto del centro de datos está listo. Esa es una razón para distinguir entre el anuncio de un producto, el momento en que se entrega y el día en que entra en operación.

¿Cuánto creció el negocio con el auge de la IA?

Los ingresos del trimestre cerrado en julio ayudan a dimensionar el negocio, pero la comparación más reveladora para seguirlo es entre la venta de equipos y el uso que les dan quienes los compran. Para NVIDIA, una compra de infraestructura genera ingresos. Para el cliente que la instala, la apuesta es recuperar esa inversión rentando capacidad, vendiendo servicios de IA o usándola para reducir costos propios. Son cuentas distintas que pueden avanzar a ritmos diferentes.

También conviene leer bien la fecha. La empresa denomina a ese periodo segundo trimestre del ejercicio fiscal 2027, aunque cerró en julio de 2026. El año fiscal es el calendario contable de la compañía. El dato de crecimiento de 106% corresponde a la comparación con el mismo trimestre del año anterior, según el reporte de resultados presentado ante la SEC.

¿Qué pasó con Jensen Huang en NVIDIA?

En los días previos a su salida, el consejo abrió una investigación interna tras reportes sobre el entonces CEO. La cobertura describió señalamientos aún bajo investigación. El anuncio corporativo del relevo se limitó a comunicar la renuncia y los nombramientos, sin atribuir públicamente una causa específica a la salida.

El consejo aceptó la renuncia el 11 de noviembre con efecto inmediato, según el documento presentado ante la Comisión de Bolsa y Valores de Estados Unidos. Huang dejó tres cargos: presidente, director general e integrante del consejo. NVIDIA dio a conocer la decisión al día siguiente.

Los tiempos ayudan a entender qué está documentado. Primero trascendieron los reportes que dieron pie a la revisión interna. Después, el consejo aceptó la renuncia y la compañía hizo público el relevo. El orden de esos hechos permite reconstruir la semana. Para establecer qué concluyó la revisión o qué motivó la decisión de Huang, haría falta una declaración o un documento que explicara esos puntos.

La salida implica dos cambios distintos para NVIDIA. Pierde al ejecutivo que llevaba la operación y que durante décadas explicaba su estrategia en público. También deja de contar con él como integrante del órgano que supervisa la gestión y participa en decisiones de largo plazo. Ese segundo cambio importa porque el consejo es el que ahora tiene a su cargo la búsqueda de quien dirigirá la empresa de manera permanente.

¿Quién es Colette Kress, la CEO interina de NVIDIA?

Kress llegó a NVIDIA en septiembre de 2013 como vicepresidenta ejecutiva y directora financiera, tras ocupar cargos de finanzas en empresas como Microsoft y Cisco. Mantendrá su puesto financiero mientras dirige la compañía de manera interina. El consejo también designó a Harvey C. Jones como su primer presidente y anunció una búsqueda que considerará candidaturas internas y externas.

La transición llega en un momento en que los clientes de NVIDIA planean compras de equipos y capacidad de cómputo con meses de anticipación. El consejo afirmó que espera dar continuidad a los compromisos con clientes y al calendario de productos. La primera cita pública para conocer la marcha del negocio bajo el nuevo mando será la presentación de resultados del 17 de noviembre, que la compañía mantuvo en su calendario.

¿Qué puede decidir Colette Kress mientras el consejo busca sucesión?

El cargo interino le da a Kress la responsabilidad de conducir el negocio durante la transición. En la práctica, eso incluye coordinar al equipo ejecutivo, dar seguimiento a compromisos con clientes y explicar a inversionistas cómo marcha la operación. Su trayectoria financiera dentro de la compañía le da experiencia directa con el presupuesto, los resultados y las decisiones de inversión que ahora deberá comunicar como directora general.

El papel de Harvey C. Jones es diferente. Como presidente del consejo, encabeza el órgano que supervisa a la dirección. La distinción ayuda a leer los próximos anuncios: una actualización del calendario de productos pertenece a la operación, mientras que el proceso para elegir a la persona que sucederá a Huang pasa por el consejo. El anuncio del 12 de noviembre señala que la búsqueda incluirá candidaturas internas y externas.

¿Qué mirar después del cambio de mando?

La primera pregunta es qué dice la dirección sobre los pedidos, las entregas y el ritmo al que los clientes instalan equipos. La segunda es si el consejo ofrece un calendario o criterios para el nombramiento permanente. Son señales diferentes. Un trimestre fuerte puede contar mucho sobre la demanda de infraestructura y poco sobre cuándo terminará la búsqueda.

Desde México, el cambio se entiende mejor al seguir la cadena completa. Una empresa que contrata un servicio de IA normalmente negocia con su proveedor de software o de nube. Las decisiones sobre chips están varias capas atrás, pero influyen en cuánta capacidad se ofrece y en cuánto cuesta usarla. Quien se conecte mañana a una aplicación probablemente vea la misma pantalla. Quienes pagan por operar esos servicios estarán atentos a los costos, los plazos de entrega y las alternativas disponibles.

Ahí se juntan las dos historias que están en tu feed. Los chips explican por qué tantas empresas siguen de cerca a NVIDIA. La salida de su cofundador explica por qué ahora también están mirando al consejo y a la ejecutiva que tiene la tarea de mantener el negocio en marcha durante la búsqueda.