Cinco claves para entender a Nvidia, el gigante de los chips de inteligencia artificial

De las tarjetas gráficas al corazón de la inteligencia artificial: origen, software, centros de datos, cifras y riesgos de Nvidia.

Jensen Huang durante una conferencia GTC de Nvidia en 2026. Fotografía de archivo: Kingbrother.

Nvidia pasó de diseñar procesadores gráficos para videojuegos a convertirse en uno de los principales proveedores de la infraestructura que utilizan los sistemas de inteligencia artificial. Su influencia no se limita a un chip: abarca programas, redes y servidores que hacen posible entrenar y ejecutar modelos avanzados. Estas son cinco claves para entender su papel en el sector tecnológico.

1. Una empresa nacida en la industria de los videojuegos

Nvidia fue fundada en abril de 1993 por Jensen Huang, Chris Malachowsky y Curtis Priem. Sus primeras décadas estuvieron vinculadas al procesamiento de gráficos tridimensionales. En 1999 popularizó la unidad de procesamiento gráfico o GPU, un componente especializado en efectuar muchas operaciones simultáneamente. Esa característica acabaría siendo decisiva para aplicaciones científicas y de inteligencia artificial.

2. CUDA abrió las GPU a nuevas tareas

En 2006 la compañía presentó CUDA, una plataforma de programación que permitió aprovechar las GPU para cálculos más allá de los gráficos. Su combinación de herramientas, bibliotecas y programas se convirtió en una parte central del ecosistema que utilizan investigadores y desarrolladores de inteligencia artificial. La competencia, por tanto, no se libra únicamente en la fabricación del procesador físico.

3. La inteligencia artificial disparó la demanda de centros de datos

Las GPU aceleran tanto el entrenamiento de modelos como su funcionamiento cuando responden solicitudes, una fase conocida como inferencia. La compañía integra procesadores, interconexiones, equipos y software para centros de datos. En su ejercicio fiscal 2026 informó ingresos anuales de 215.900 millones de dólares, una cifra que refleja la magnitud de la expansión reciente.

4. Su alcance también está fuera de los chatbots

Las tecnologías de Nvidia se emplean en gráficos profesionales, automoción, robótica, simulación industrial, ciencias de la vida y computación acelerada. El crecimiento de una de estas áreas no significa que todos los sectores avancen al mismo ritmo ni elimina los riesgos de dependencia de proveedores o costos de infraestructura.

5. El liderazgo y la regulación importan tanto como la tecnología

La concentración de ventas en grandes clientes de centros de datos, la disponibilidad de energía, las inversiones necesarias y las restricciones a la exportación de chips son riesgos reconocidos en los documentos corporativos. El 12 de noviembre de 2026, informaciones de Reuters y Associated Press dieron cuenta de una crisis de liderazgo y de la salida de Jensen Huang de la dirección ejecutiva, con Colette Kress señalada como responsable interina. Estas informaciones describen una coyuntura que debe diferenciarse de la historia y capacidades técnicas del grupo.

La evolución de Nvidia muestra cómo una innovación originalmente asociada al entretenimiento terminó convirtiéndose en infraestructura estratégica. El desafío para el sector será sostener la demanda de computación y gestionar sus costos, restricciones y cambios empresariales.