Previsión de crecimiento del 70% de Nvidia: Jensen Huang afirma que la oferta, no la demanda, marca el límite
Jensen Huang afirma que la previsión de crecimiento del 70% de Nvidia refleja un techo de oferta, no el límite de la demanda de los clientes. Nvidia espera que sus ingresos aumenten alrededor de un 70% en el ejercicio fiscal 2028, una proyección inusual a tan largo plazo para una empresa que navega un gasto volátil en IA.
La previsión indica confianza en que Nvidia pueda seguir creciendo pese a los chips personalizados de Amazon, Google, Microsoft, OpenAI y Anthropic. También plantea una pregunta más difícil: ¿cuánta demanda existe de forma independiente y cuánta depende de que Nvidia ayude a los clientes a financiar infraestructura construida en torno a su hardware?
La respuesta de Huang es que Nvidia puede ver la demanda en toda la cadena de suministro de IA. La empresa trabaja con proveedores de chips, operadores de nube, desarrolladores de modelos, empresas, gobiernos y constructores de centros de datos. Los críticos ven muchas de esas conexiones de otra manera. Les preocupa que Nvidia esté financiando o respaldando cada vez más a los clientes que compran sus sistemas.
Ese conflicto importa más que el porcentaje del titular. Nvidia ya no se limita a vender aceleradores a un mercado de infraestructura construido íntegramente por otras empresas. Está ayudando a asegurar capacidad de fabricación, ubicaciones para centros de datos, financiación y compromisos de ingresos en la nube.
El resultado es un negocio con una visibilidad poco habitual sobre la construcción futura. También es un negocio que asume nuevos riesgos más allá del diseño de semiconductores.
La previsión de crecimiento del 70% de Nvidia es una promesa limitada por la oferta
La previsión de Nvidia indica que la empresa espera que la demanda supere lo que su red de fabricación e infraestructura puede entregar.
Nvidia presentó por primera vez la proyección durante la llamada de resultados del segundo trimestre de su ejercicio fiscal 2027, el 26 de agosto. La directora financiera, Colette Kress, dijo que la empresa esperaba aproximadamente un 70% de crecimiento de ingresos en el ejercicio fiscal 2028.
La cifra fue destacable porque Nvidia no solía orientar a los inversores sobre un ejercicio fiscal futuro completo. Sus previsiones normalmente se centraban en el siguiente trimestre, cuando los calendarios de suministro y los pedidos de clientes eran más fáciles de evaluar.
Huang repitió posteriormente la previsión durante la Communacopia and Technology Conference de Goldman Sachs. Sus declaraciones en la conferencia presentaron la proyección como resultado de la visibilidad de Nvidia sobre su mercado.
Nvidia informó de aproximadamente 96.000 millones de dólares en ingresos trimestrales para el periodo concluido el 26 de julio de 2026. Los ingresos de centros de datos alcanzaron los 89.000 millones de dólares, un aumento del 18% respecto al trimestre anterior.
La empresa también proyectó alrededor de 108.000 millones de dólares de ingresos para su tercer trimestre fiscal. Estas cifras muestran que la previsión del 70% parte de una base mucho mayor que la que Nvidia tenía en las primeras etapas de la expansión de la IA generativa.
Kress dijo que las previsiones de los clientes apuntaban a una demanda que podría duplicarse durante el año siguiente. Nvidia aun así limitó su previsión de ingresos al 70% porque la oferta disponible no podía atender todas esas solicitudes.
Huang reforzó esa distinción durante la llamada de resultados. Dijo que la demanda era sustancialmente mayor que la cantidad que Nvidia esperaba entregar. La oferta asegurada por la empresa dio a la dirección confianza en la cifra más baja.
No se trata simplemente de afirmar que más empresas pedirán chips individuales. Nvidia ahora describe su producto a escala de un sistema informático completo.
Una instalación moderna de Nvidia puede incluir CPU, GPU, equipos de red, conmutadores, componentes de refrigeración y amplio software. Estas partes funcionan como un único ordenador a escala de centro de datos.
Huang utilizó el sistema GB200 NVL72 de Nvidia para ilustrar ese cambio. Combina 36 CPU Grace y 72 GPU Blackwell mediante la interconexión NVLink de Nvidia.
Dijo que los pedidos del sistema crecían un 27% mes a mes cuando habló en septiembre. Esa cifra representaba el impulso actual de los pedidos, no una garantía de que el ritmo continuaría indefinidamente.
Nvidia denomina fábricas de IA a estas instalaciones porque convierten electricidad y datos en resultados de entrenamiento e inferencia de modelos. La inferencia es el proceso de utilizar un modelo entrenado para generar respuestas, predicciones u otros resultados.
La unidad de venta más grande cambia cómo los inversores deben interpretar la previsión. Nvidia no cuenta solo los chips enviados a centros de datos existentes. Planifica en torno a instalaciones completas que requieren energía, refrigeración, terreno, financiación y construcción.
Esto convierte la previsión, en parte, en un calendario de despliegue industrial. Cada objetivo de ingresos depende de que proveedores y clientes completen a tiempo una larga cadena de trabajo.
Esa cadena crea mayor visibilidad porque los grandes proyectos exigen planificación plurianual. También genera más oportunidades de retrasos.
Los agentes de IA impulsan una necesidad de computación mucho mayor
El argumento central de Huang sobre la demanda es que los agentes de IA realizan tareas más largas, lo que hace que cada solicitud de usuario sea mucho más costosa desde el punto de vista computacional.
Un chatbot básico suele responder a una solicitud con una respuesta. Un agente de IA puede planificar una tarea, llamar herramientas de software, revisar resultados, corregir errores y repetir ese ciclo.
Cada paso consume capacidad de inferencia. La carga de trabajo puede crecer rápidamente cuando un agente se ocupa de investigación, desarrollo de software, atención al cliente, análisis científico u operaciones empresariales.
Durante la transcripción de resultados de Nvidia, Huang estimó que un agente puede requerir entre 15 y 100 veces más capacidad de cómputo que el uso humano directo. Dijo que la cantidad varía según el problema que se resuelva.
Esa estimación es una afirmación de la empresa, no un referente independiente que abarque todas las aplicaciones. Sin embargo, el mecanismo subyacente es claro. Secuencias de razonamiento más largas y llamadas repetidas a herramientas requieren más tokens generados y más tiempo de acelerador.
El desarrollo de modelos también se está expandiendo más allá de un pequeño grupo de laboratorios de frontera. Nvidia afirma que la demanda ahora procede de hyperscalers, neoclouds, startups de IA, empresas, compañías industriales, instituciones de investigación y clientes soberanos.
Los hyperscalers son los mayores proveedores de nube, incluidos Amazon Web Services, Microsoft Azure y Google Cloud. Los neoclouds son empresas de infraestructura más recientes construidas principalmente en torno a la computación con GPU.
En el segundo trimestre reportado por Nvidia, los ingresos de hyperscalers alcanzaron los 49.000 millones de dólares. Otra categoría de clientes, que abarca neoclouds, industrias y empresas, generó 40.000 millones de dólares.
Esa segunda categoría creció un 25% respecto al trimestre anterior y un 138% interanual, según Nvidia. Su escala respalda el argumento de Huang de que el mercado es más amplio que un laboratorio de IA o un cliente de nube.
Kress dijo que se esperaba que los socios neocloud terminaran 2026 con ocho gigavatios de capacidad instalada. Tenían aproximadamente tres gigavatios al final de 2025.
Un gigavatio mide potencia, no rendimiento informático. Aun así, ofrece un indicador útil de la magnitud que han alcanzado estos proyectos. Un nuevo campus de centros de datos puede requerir energía comparable a la de un gran desarrollo industrial.
Amazon ofrece otra señal de demanda. Nvidia dijo que AWS comenzaría a desplegar dos millones de GPU Nvidia adicionales durante el trimestre reportado. El calendario de despliegue se extiende hasta el segundo trimestre fiscal de Nvidia de 2029.
AWS también planea utilizar tecnología de Nvidia en modelos, servicios en la nube y robótica de almacenes. Sin embargo, Amazon continúa desarrollando sus propios aceleradores Trainium, lo que genera tanto colaboración como competencia.
Google sigue una estrategia similar con sus Tensor Processing Units. Microsoft cuenta con aceleradores Maia, mientras que OpenAI y Anthropic avanzan en programas de hardware personalizado.
Estos proyectos presionan a Nvidia porque sus mayores clientes buscan mayor control sobre los costes y el suministro. No eliminan automáticamente la demanda de sistemas de Nvidia.
Los aceleradores personalizados funcionan mejor cuando una empresa puede optimizar conjuntamente hardware, software y cargas de trabajo. La ventaja de Nvidia es una compatibilidad más amplia entre clientes, modelos, nubes y herramientas de desarrollo.
Huang afirma que Nvidia ejecuta modelos de los principales laboratorios cerrados y desarrolladores de modelos abiertos. Ese alcance permite a un cliente desplegar software similar en varios entornos sin reconstruirlo todo para un chip especializado.
CUDA, la plataforma de programación de Nvidia para computación con GPU, sigue siendo central para esa posición. Los desarrolladores han dedicado años a crear bibliotecas, herramientas y aplicaciones en torno a ella.
La previsión de crecimiento del 70% de Nvidia asume que esta plataforma completa sigue siendo preferible para una parte sustancial de la nueva capacidad. No requiere que los aceleradores personalizados fracasen.
En cambio, la previsión asume que la demanda total crece lo bastante rápido para ambos enfoques. Nvidia puede perder algunas cargas de trabajo frente a chips diseñados internamente mientras amplía sus ventas en un mercado de computación más grande.
La incertidumbre reside en el calendario. Los clientes pueden sobreestimar la adopción de agentes a corto plazo, mientras que las aplicaciones útiles pueden tardar más en generar ingresos de lo que tarda en construirse la infraestructura.
Si las empresas tienen dificultades para convertir experimentos con agentes en flujos de trabajo fiables, los operadores de nube podrían afrontar una menor utilización. Eso debilitaría la economía que respalda otra ronda de pedidos de equipos.
Para los trabajadores del conocimiento, la señal práctica es la profundidad de uso, no los anuncios de modelos. Los sistemas que se integren en el desarrollo de software, la investigación, las ventas y las operaciones consumirán capacidad de cómputo de forma repetida.
Una base de conocimientos de IA con capacidad de búsqueda, por ejemplo, puede combinar recuperación de información con llamadas repetidas a modelos. A escala, esos flujos de trabajo cotidianos importan más que una única demostración.
El alcance full-stack de Nvidia explica la confianza de Huang
Nvidia cree que puede prever con mayor antelación porque ahora supervisa tanto el suministro de semiconductores como la infraestructura física que espera sus sistemas.
Las empresas de chips estiman tradicionalmente la demanda a partir de pedidos de clientes, calendarios de fabricación, inventario y actividad de canales. Nvidia ahora sigue otra capa de información.
Huang dijo que la empresa monitoriza terrenos para centros de datos, energía eléctrica y estructuras de edificios en todo el mundo. Una estructura es la construcción física preparada antes de que lleguen los servidores y equipos de red.
Ese conocimiento importa porque construir capacidad de IA lleva años. Un cliente no puede instalar un sistema avanzado sin asegurar conexiones a servicios públicos, equipos de refrigeración, contratistas, permisos y capital.
Nvidia se ha posicionado en ambos lados del calendario de despliegue. Aguas arriba, trabaja con fundiciones, proveedores de memoria, proveedores de empaquetado y otros fabricantes de componentes.
Aguas abajo, coordina con operadores de nube, desarrolladores de centros de datos, empresas energéticas, compañías e instituciones financieras. Esa posición le proporciona a Nvidia una visión temprana de los proyectos antes de que se entregue el hardware.
Sus compromisos de gasto reflejan la escala de esa coordinación. La presentación trimestral de Nvidia indicó que los compromisos de suministro y capacidad aumentaron de 119.000 millones de dólares a 279.000 millones de dólares para el 26 de julio.
Esos compromisos ayudan a asegurar producción para arquitecturas actuales y futuras. También pueden convertirse en un pasivo si los despliegues de clientes se ralentizan o las transiciones tecnológicas evolucionan de forma distinta a la esperada.
El valor de ventas de Nvidia por gigavatio ha aumentado a medida que sus sistemas se han integrado más. Huang dijo que Hopper representaba alrededor de 18.000 millones de dólares en equipos Nvidia por gigavatio.
Situó a Grace Blackwell en aproximadamente 25.000 millones de dólares por gigavatio y a Vera Rubin en cerca de 40.000 millones. Son estimaciones de Nvidia sobre el valor de los sistemas, no costes universales de construcción.
La progresión explica por qué los ingresos pueden crecer más rápido que el número de centros de datos energizados. Cada generación puede concentrar equipos de computación y redes de mayor valor detrás de la misma conexión eléctrica.
Las nuevas plataformas también llevan a Nvidia a categorías que antes abastecían varios proveedores. La empresa vende aceleradores, CPU, componentes de red, interconexiones, software y sistemas completos a escala de rack.
Esta expansión aporta a Nvidia más ingresos por cada despliegue. También implica que su previsión depende de que los clientes adopten una mayor parte de su arquitectura.
Los competidores pueden atacar distintas capas de esa pila. AMD vende aceleradores, Broadcom ayuda a las empresas a desarrollar chips personalizados y los proveedores cloud ofrecen su propio silicio.
Cerebras y otros desarrolladores especializados proponen formas alternativas de construir sistemas de computación para IA. Algunos apuntan a la economía de la inferencia, mientras otros hacen hincapié en la capacidad de memoria o en un escalado más sencillo.
La defensa de Nvidia es la fungibilidad: que un sistema pueda atender a muchos modelos y clientes, en lugar de una única carga de trabajo definida de forma estrecha. Esa flexibilidad es especialmente importante para los operadores cloud.
Un neocloud quiere alquilar la capacidad disponible al cliente que ofrezca el mejor retorno. El hardware optimizado para un solo modelo puede resultar difícil de reutilizar cuando cambia la demanda.
Nvidia sostiene que una amplia compatibilidad de software protege el valor de reventa y alquiler de sus equipos. A las instituciones financieras también les importa esa afirmación, porque deben evaluar el riesgo de los activos a largo plazo.
Sin embargo, el hardware de computación se deprecia más rápido que la infraestructura convencional. Un compromiso cloud de seis años puede abarcar varias generaciones de productos de Nvidia.
Los clientes aún podrían preferir sistemas más antiguos para inferencia menos exigente. Sin embargo, esa demanda secundaria debe mantenerse lo bastante sólida como para respaldar el valor residual esperado.
Por tanto, la previsión de crecimiento del 70% de Nvidia se apoya en dos formas de visibilidad. La primera procede del suministro contratado y de los proyectos físicos. La segunda proviene de la convicción de Nvidia de que su plataforma seguirá siendo económicamente útil después de la llegada de sistemas más nuevos.
La primera puede medirse mediante compromisos y construcción. La segunda solo quedará clara a través de la utilización, las tarifas de alquiler y las renovaciones de los clientes.
La cuestión de la financiación circular no desaparece
Los acuerdos de Nvidia pueden desbloquear una demanda real y, al mismo tiempo, trasladar más riesgo de clientes e infraestructura a su propio balance.
La crítica de la financiación circular es sencilla. Nvidia invierte en empresas de IA o respalda su infraestructura, y esas empresas utilizan capital para comprar acceso a sistemas de Nvidia.
A los críticos les preocupa que este mecanismo pueda hacer que la demanda parezca más independiente de lo que realmente es. Si los clientes no pueden financiar su expansión sin apoyo del proveedor, las ventas actuales podrían adelantar demanda futura.
Nvidia rechaza esa interpretación. Kress dijo a los analistas que la empresa considera su apoyo como desarrollo de infraestructura respaldado por el uso de los clientes y capital aportado de forma independiente.
En los proyectos neocloud, Nvidia puede ofrecer un compromiso de take-or-pay que cubra parte de la capacidad de una instalación. Take-or-pay significa que Nvidia acepta pagar por una cantidad mínima, incluso cuando el uso real queda por debajo de ella.
Ese suelo puede ayudar a un operador cloud a obtener financiación para el proyecto. Nvidia recibe entonces una parte de los ingresos generados por encima del nivel garantizado.
Kress dijo que la empresa cobra mediante la venta de hardware y posteriormente puede percibir ingresos por alquiler. Nvidia informó de 36.000 millones de dólares en estos compromisos de servicios cloud a fecha del 26 de julio.
El documento señala que los proveedores cloud pueden dejar de suministrar capacidad a Nvidia y venderla a terceros a mejores tarifas. El compromiso de Nvidia disminuye a medida que clientes externos o la propia Nvidia consumen esa capacidad.
Esta estructura difiere de simplemente prestar dinero a un cliente para comprar hardware. No obstante, Nvidia asume costes si no se desarrolla la utilización externa.
Su exposición se extiende a proyectos físicos. Nvidia reveló hasta 3.500 millones de dólares en garantías relacionadas con obligaciones de terreno, energía y construcción para determinados socios de nube de IA.
La compañía también asumió garantías vinculadas al PORTS Technology Campus de SB Energy en Ohio. Nvidia limitó ese apoyo a un total agregado de 105.000 millones de dólares, sujeto a condiciones.
El campus previsto abarca aproximadamente 4,25 gigavatios de carga de TI. Se espera que sus nueve centros de datos comiencen a entrar en servicio durante el ejercicio fiscal 2029 de Nvidia.
Se prevé que OpenAI arriende el campus durante 20 años, con excepciones limitadas. La exposición de Nvidia disminuye a medida que OpenAI realiza pagos de arrendamiento y puede finalizar tras acontecimientos especificados.
Ese acuerdo crea una conexión clara entre Nvidia, un laboratorio de IA, un desarrollador de centros de datos y la futura demanda de hardware. Es razonable que los inversores examinen toda la cadena.
Nvidia afirma que las garantías abordan un desajuste de financiación. Los laboratorios de frontera pueden tener una demanda de rápido crecimiento sin el historial crediticio requerido para contratos de infraestructura de varias décadas.
La empresa informó de inversiones de casi 50.000 millones de dólares en laboratorios de IA de frontera. Nvidia caracteriza esa cifra como una pequeña porción del flujo de caja libre previsto durante el mismo periodo.
En agosto, Nvidia también anunció alianzas con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs y KKR. El anuncio de financiación apuntaba a más de 500.000 millones de dólares de capital de terceros con el tiempo.
Se trataba de memorandos de entendimiento, no de despliegues completados por el importe total. El documento de Nvidia advirtió que los acuerdos preliminares podrían no desembocar en acuerdos definitivos.
Las plataformas propuestas contarían con instituciones externas que suscribirían proyectos individuales. Nvidia aún podría proporcionar, a su discreción, un respaldo limitado al valor residual.
La defensa más sencilla de Huang llegó durante su aparición en una conferencia en septiembre. Sostuvo que Nvidia aporta una cantidad pequeña mientras mucho más capital externo regresa al mercado de infraestructura.
La respuesta recoge la tesis de Nvidia, pero no resuelve la cuestión contable ni económica. Un circuito financiero no necesita aportaciones iguales de cada participante para concentrar riesgo.
La cuestión más importante es si los usuarios finales generan suficiente efectivo para respaldar los cargos de alquiler cloud. Esos ingresos deben cubrir en última instancia electricidad, instalaciones, financiación, hardware y márgenes de los operadores.
Una utilización positiva puede hacer que la intervención de Nvidia parezca una formación de mercado sensata. Una utilización débil puede activar garantías, reducir los precios de alquiler y dejar a los clientes con equipos que envejecen rápidamente.
Los inversores ya han pedido una mayor divulgación. Antes de los resultados de agosto de Nvidia, los analistas de Morgan Stanley solicitaron una amplia transparencia sobre las inversiones y los acuerdos de financiación.
Melissa Otto, responsable de investigación de Visible Alpha, calificó la previsión del 70% como un aumento significativo frente a las expectativas del mercado, cercanas al 45%. Su evaluación, difundida junto con un mayor escrutinio de los inversores, pone de relieve por qué importa el debate.
Una previsión tan por encima de las expectativas depende de algo más que un rendimiento superior de los chips. Se basa en que un sistema de financiación y construcción escale sin crear una capacidad ociosa excesiva.
Los propios documentos de Nvidia reconocen que coexisten riesgos de escasez y sobreoferta. La falta de energía, terreno, capital o componentes puede retrasar los ingresos.
Los clientes también pueden posponer nuevas arquitecturas o adoptarlas más lentamente de lo esperado. Las cambiantes condiciones del mercado pueden reducir el valor de los compromisos de Nvidia y perjudicar los resultados financieros.
La conclusión equilibrada no es que todos los proyectos respaldados por Nvidia produzcan demanda artificial. Tampoco que la suscripción independiente elimine el riesgo de Nvidia.
La empresa está utilizando su posición de mercado para resolver verdaderos cuellos de botella de infraestructura. Al hacerlo, está vinculando más estrechamente su balance con la utilización de los clientes y su calidad crediticia.
Ese equilibrio es la prueba central detrás de la confianza de Huang.
Tres señales pondrán a prueba la previsión de Jensen Huang
Los inversores deberían vigilar la conversión del suministro, la utilización externa y la concentración de clientes, en lugar de tratar la cifra del 70% como si se validara por sí sola.
La primera señal es la conversión por parte de Nvidia de sus 279.000 millones de dólares en compromisos de suministro y capacidad en sistemas enviados y pagados. Esos compromisos reflejan preparación, pero los ingresos requieren productos terminados y centros de datos listos.
La memoria representa una limitación inmediata. Nvidia afirmó que la intensa demanda de IA había tensionado el suministro y presionado los costes.
La empresa registró un margen bruto del 75% durante el trimestre. La dirección esperaba que esa métrica descendiera hasta el 71% antes de recuperarse.
Si mejora la disponibilidad de memoria y las nuevas arquitecturas entran en producción a gran volumen según lo previsto, Nvidia podrá entregar una mayor parte de la demanda que observa. Los retrasos debilitarían la explicación de la previsión basada en el suministro.
Por ello, los inversores deberían comparar las previsiones trimestrales de ingresos con los inventarios, los compromisos de compra, los márgenes y los comentarios sobre la transición de plataformas. Un aumento de los compromisos sin envíos proporcionales merecería mayor atención.
La segunda señal es la utilización por terceros en neoclouds y centros de datos respaldados. Esta es la prueba más clara de la preocupación por la financiación circular.
Nvidia afirma que sus compromisos cloud disminuyen cuando clientes externos consumen capacidad. Un sólido uso por terceros trasladaría el riesgo lejos de Nvidia y validaría la economía independiente de los proyectos.
La utilización también debe generar tarifas de alquiler sostenibles. Un centro de datos puede parecer ocupado y, aun así, generar retornos insuficientes porque los proveedores rebajan el acceso a GPU para atraer clientes.
Los operadores cloud deberían demostrar que los ingresos crecen junto con la capacidad instalada. También deben mostrar que la demanda de los clientes va más allá de unos pocos laboratorios de frontera e hyperscalers.
El crecimiento comunicado por Nvidia entre empresas, proyectos soberanos y nubes regionales respalda ese argumento. Las futuras divulgaciones deberán mostrar que estos clientes se convierten en usuarios duraderos y no solo en proyectos anunciados.
Si la exposición take-or-pay de Nvidia disminuye mientras crecen los ingresos de sus socios, se reforzará el argumento de la empresa sobre creación de mercado. Un aumento de las garantías acompañado de un débil uso externo fortalecería el caso de los críticos.
La tercera señal es el equilibrio entre los sistemas de Nvidia y los chips diseñados por los clientes. Amazon, Google, Microsoft, OpenAI y Anthropic tienen razones de peso para diversificar.
El silicio personalizado puede reducir costes en cargas de trabajo estables y disminuir la dependencia de un único proveedor. También puede dar a los desarrolladores de modelos un control más estrecho sobre la memoria, las redes y el diseño de software.
Nvidia no necesita impedir esos despliegues. Necesita que su plataforma conserve suficientes cargas de trabajo mientras el mercado general se expande.
Conviene observar si los proveedores cloud continúan encargando los sistemas completos de Nvidia mientras despliegan sus propios aceleradores. Una estrategia mixta respaldaría la afirmación de Huang de que Nvidia atiende a un mercado amplio y creciente.
Un giro significativo hacia hardware propietario tanto en entrenamiento como en inferencia debilitaría esa conclusión. También podría reducir el poder de fijación de precios de Nvidia y el valor capturado por gigavatio.
La previsión para el ejercicio fiscal 2028 se pondrá a prueba gradualmente, no en una única fecha de resultados. Los calendarios de construcción, las compras de suministro, el uso cloud y los despliegues competitivos de chips revelarán si sus supuestos siguen alineados.
Los desarrolladores y compradores empresariales también deberían seguir la disponibilidad y los precios. Una mayor oferta puede facilitar el acceso a inferencia avanzada, incluso si las organizaciones nunca compran hardware de Nvidia directamente.
Los trabajadores del conocimiento experimentarán esta previsión a través del software. Si los agentes se vuelven lo bastante fiables como para gestionar flujos de trabajo más largos, la demanda de computación puede aumentar sin que los usuarios vean la infraestructura que hay debajo.
La previsión de crecimiento del 70% de Nvidia es, en última instancia, una afirmación sobre el comportamiento, no solo sobre la fabricación. Parte de la premisa de que las empresas utilizarán suficiente IA como para justificar una expansión histórica de la capacidad informática.
Huang ha explicado por qué Nvidia prevé ese resultado. La empresa tiene presencia en modelos, nubes, empresas, proveedores, proyectos energéticos y proveedores de capital.
Ese alcance proporciona a Nvidia información que pocos competidores poseen. También implica que Nvidia está ayudando a crear el futuro que afirma poder ver ya.
La siguiente pregunta es si los clientes generan suficiente valor independiente para sostenerlo. Observe los sistemas entregados, la utilización de nubes de terceros y la adopción de chips personalizados durante los próximos trimestres.
Esos indicadores mostrarán si el 70% representa una demanda duradera o una cadena de suministro que avanza por delante de sus usuarios.
