La previsión de ventas de chips de Nvidia redobla la apuesta por el crecimiento de la IA, con la seguridad como prueba
El CEO de Nvidia, Jensen Huang, espera que la empresa venda el doble de chips el próximo año, una previsión inusualmente ambiciosa ligada a la inversión mundial en IA. La previsión de ventas de chips de Nvidia apunta a una demanda en 2027 que va mucho más allá de otro ciclo rutinario de actualización de hardware.
Huang transmitió ese mensaje el 17 de septiembre en un encuentro sobre IA organizado por el rey Carlos III en Dumfries House, Escocia. También sostuvo que los desarrolladores deben probar exhaustivamente los sistemas de IA y retirar los productos que no sean suficientemente seguros.
Estas afirmaciones generan una tensión inmediata. Nvidia se beneficia cuando las empresas y los gobiernos despliegan más capacidad de cómputo, mientras que un desarrollo más seguro puede exigir lanzamientos más lentos y más pruebas. Por tanto, la competencia central no enfrenta a Nvidia con un único fabricante de chips. Enfrenta la promesa de expansión de la empresa con los límites operativos del suministro, los presupuestos de los clientes y un despliegue responsable.
La previsión de ventas de chips de Nvidia apunta al doble de volumen
La previsión de Huang se refiere al volumen de chips, no a la promesa de que los ingresos totales de Nvidia se duplicarán.
En declaraciones a la prensa en Escocia, Huang dijo que esperaba que Nvidia vendiera el doble de chips el próximo año que este año. Vinculó esa expectativa con la contribución de la IA en todos los sectores y economías nacionales.
La formulación importa. Nvidia vende más de un tipo de procesador, y sus productos llegan a los clientes a través de placas, sistemas, instalaciones en la nube y plataformas de cómputo completas. Duplicar los chips no se traduce automáticamente en duplicar los ingresos.
La combinación de productos puede alterar el cálculo. Un mayor número de procesadores de menor precio puede elevar el volumen de unidades sin generar un incremento porcentual equivalente en las ventas. Una transición entre generaciones de hardware también puede afectar a los precios medios de venta y las configuraciones de los sistemas.
Nvidia no ha proporcionado públicamente una base detallada de unidades junto con el comentario de Huang del 17 de septiembre. Eso impide que terceros conviertan “el doble” en un total fiable de envíos.
No obstante, la previsión encaja con las perspectivas financieras más amplias de Nvidia. Durante su ciclo de resultados de agosto, la empresa proyectó cerca de un 70 % de crecimiento de ingresos para el ejercicio fiscal que termina en enero de 2028, según la información sobre sus últimos resultados trimestrales.
Esa previsión de ingresos es inferior a la previsión principal de unidades. La diferencia refuerza por qué los lectores no deberían tratar el recuento de chips y los ingresos como métricas intercambiables.
Nvidia reportó 96.200 millones de dólares de ingresos trimestrales para el período terminado el 26 de julio de 2026. Su negocio de Compute and Networking generó 88.300 millones de dólares, lo que refleja el papel central de la infraestructura de centros de datos en los resultados de la empresa.
La previsión también va más allá de las unidades de procesamiento gráfico, o GPU, que realizan muchos cálculos en paralelo. Nvidia ahora vende CPU, hardware de red, interconexiones y sistemas integrados a escala de rack junto con sus aceleradores.
La transcripción oficial de su conferencia de resultados describió demanda de hyperscalers, laboratorios de IA, especialistas en la nube, empresas y programas nacionales de cómputo. La dirección también esperaba que los ingresos por CPU del ejercicio fiscal 2028 se duplicaran con creces.
La amplitud de esa cartera hace que el lenguaje de Huang sea plausible sin volverlo preciso. “Chips” puede abarcar distintos componentes, precios, cargas de trabajo y grupos de clientes.
El momento otorga un peso adicional a la declaración. Nvidia está trasladando a sus clientes entre sucesivas generaciones de plataformas mientras el cómputo de IA se expande desde el entrenamiento de modelos hacia la inferencia.
La inferencia es el proceso de ejecutar un modelo entrenado para generar una respuesta, predicción, imagen o acción. Puede generar demanda continua porque cada solicitud de un usuario consume capacidad de cómputo.
La demanda de entrenamiento llega en grandes proyectos concentrados de infraestructura. La inferencia puede extenderse a servicios de consumo, software empresarial, robótica, sistemas científicos y plataformas nacionales. Nvidia apuesta a que ambas cargas de trabajo crecerán de forma conjunta.
Por tanto, la empresa presenta 2027 como un año de producción a escala, no simplemente como otro período de fuertes ventas. La previsión de ventas de chips de Nvidia supone que los despliegues de IA se multiplicarán tanto entre las empresas de nube consolidadas como entre nuevos compradores.
Esa premisa es la base de la historia. También es donde la previsión afronta su primera prueba seria.
La demanda de IA se está convirtiendo en un compromiso de cadena de suministro
Vender el doble de volumen requiere que fábricas, memoria, empaquetado, redes, energía y financiación de clientes se expandan a la vez.
Nvidia diseña sus procesadores, pero depende de una amplia red de fabricación para convertir esos diseños en sistemas entregables. Esa red incluye fabricación de semiconductores, empaquetado avanzado, memoria de alto ancho de banda, ensamblaje de servidores, equipos de refrigeración y componentes de red.
Un componente ausente puede retrasar un rack completo. Esto hace que el crecimiento de los envíos dependa de una capacidad coordinada y no solo del diseño de chips.
Las perspectivas recientes de Nvidia ya reconocían que la oferta disponible puede limitar el crecimiento registrado. Según los informes, las previsiones de los clientes sugerían una demanda más cercana a una duplicación, mientras que la empresa orientó hacia aproximadamente un 70 % de crecimiento anual de ingresos.
Esa brecha representa la presión operativa más clara para la empresa. Nvidia debe convertir pedidos y planes de clientes en infraestructura fabricada, instalada y aceptada.
El desafío crece a medida que el producto se vuelve más complejo. Los clientes modernos de IA compran cada vez más sistemas interconectados en lugar de procesadores aislados. Cada instalación puede requerir redes especializadas, refrigeración líquida, distribución eléctrica, integración de software y espacio adecuado en centros de datos.
Un acelerador almacenado en inventario no crea capacidad útil de IA. Debe funcionar dentro de un sistema operativo con memoria, acceso a datos y suficiente energía eléctrica.
Los proveedores de nube ofrecen evidencia visible de la expansión prevista. Nvidia y Amazon anunciaron que AWS planea desplegar dos millones de GPU Nvidia adicionales durante 2027 y 2028.
El plan de despliegue de AWS abarca procesadores Blackwell Ultra, Rubin y Rubin Ultra. También incluye CPU, redes, modelos y soporte para cargas de trabajo de IA agéntica y física.
Se trata de un anuncio de empresa y no de un total de despliegue auditado de manera independiente. Aun así, ilustra la escala y la naturaleza plurianual de los compromisos que respaldan la predicción de Huang.
Las grandes empresas de nube pueden reservar capacidad con años de antelación porque operan centros de datos globales y atienden a muchos clientes. La pregunta más difícil se refiere a la demanda fuera de ese pequeño grupo.
Los programas nacionales de IA representan una posible fuente. Los gobiernos consideran cada vez más la capacidad de cómputo nacional como una infraestructura vinculada a la competitividad económica, la investigación y la seguridad.
Las empresas representan otra. Pueden utilizar IA para desarrollo de software, atención al cliente, procesamiento de documentos, diseño industrial, simulaciones y análisis. Sin embargo, un experimento empresarial no siempre se convierte en un gran despliegue de producción.
Los clientes necesitan una utilización suficiente para justificar una infraestructura costosa. También necesitan modelos y aplicaciones que generen valor empresarial medible después de los costos de cómputo, energía, personal y datos.
Eso hace que la utilización sea más importante que el volumen de anuncios. Un proveedor puede instalar muchos procesadores mientras los clientes los usan de forma irregular o exigen descuentos.
La financiación crea otra limitación. Los centros de datos requieren inversiones de largo plazo, mientras que el hardware de IA evoluciona con un rápido ritmo de productos. Los compradores deben decidir si despliegan ahora o esperan un sistema más nuevo y eficiente.
Ese problema de calendario puede producir pedidos irregulares. Los clientes pueden acelerar las compras antes de una transición, hacer pausas durante la instalación o trasladar el gasto a una generación posterior.
La previsión de Nvidia supone que estas pausas no eclipsarán el crecimiento más amplio. También presupone que nuevas cargas de trabajo absorberán la capacidad que se incorporará.
La empresa tiene razones para confiar. La demanda de inferencia puede crecer con el uso, y los modelos más capaces suelen animar a los desarrolladores a crear aplicaciones que consumen recursos de cómputo adicionales.
Sin embargo, la demanda no puede medirse solo a través de la complejidad de los modelos. La caída de los costos de cómputo puede reducir los ingresos por tarea incluso cuando crece el número de tareas.
Por eso la previsión de ventas de chips de Nvidia debe leerse como una tesis de infraestructura. Huang sostiene que la expansión del uso superará las mejoras de eficiencia y respaldará el doble de volumen de hardware.
Esta tesis presiona a proveedores, empresas de servicios públicos, proveedores de nube y compradores empresariales al mismo tiempo. Cada uno debe expandirse para que el objetivo de Nvidia se convierta en ventas entregadas y no en interés no satisfecho.
Los chips personalizados presionan la ventaja de plataforma de Nvidia
La competencia más fuerte de Nvidia proviene de clientes que quieren reducir su dependencia de los sistemas Nvidia de propósito general.
Amazon, Google, Microsoft y otros grandes operadores de infraestructura han invertido en procesadores personalizados. Estos chips pueden dirigirse a cargas de trabajo específicas, mejorar el control del suministro o reducir los costos operativos a una escala enorme.
AMD sigue compitiendo en aceleradores para centros de datos, mientras que Intel y startups especializadas buscan una parte del mismo mercado de cómputo. Huawei también está desarrollando hardware de IA y clústeres de cómputo más grandes para China.
Huawei presentó nuevos sistemas el 17 de septiembre, mientras China buscaba una mayor autosuficiencia en semiconductores bajo restricciones a la exportación. Su último clúster de IA recuerda que el mercado al que puede dirigirse Nvidia está determinado por la geopolítica además del rendimiento de los productos.
La cuestión competitiva es más amplia que la velocidad en pruebas comparativas. Los clientes evalúan el costo de ejecutar modelos, la disponibilidad de software, las redes, la fiabilidad, el consumo energético y el tiempo de despliegue.
La defensa de Nvidia es su plataforma completa. CUDA, su entorno de software para programar procesadores Nvidia, ofrece a los desarrolladores un conjunto maduro de bibliotecas y herramientas. Las redes y la integración a nivel de rack amplían esa ventaja más allá de la GPU.
Un comprador que sustituye un acelerador debe considerar si su software, modelos y operaciones pueden trasladarse de forma eficiente. Por ello, los costos de cambio pueden preservar la posición de Nvidia incluso cuando otro procesador ofrece un precio de compra inferior.
Nvidia también se está adaptando a la tendencia de los chips personalizados en lugar de oponerse por completo a ella. Su estrategia NVLink Fusion permite a sus socios conectar procesadores personalizados con partes de la arquitectura a escala de rack de Nvidia.
Este enfoque puede preservar el papel de Nvidia en redes e infraestructura de sistemas incluso cuando un cliente utiliza silicio de cómputo que no es de Nvidia. Convierte la personalización en una oportunidad de plataforma, aunque también reconoce que los clientes quieren alternativas.
Esto crea un desafío sutil para la historia de demanda de chips Nvidia en 2027. Más infraestructura de IA no garantiza que Nvidia capture la misma cuota de cada instalación.
Los grandes clientes tienen tanto los recursos como el incentivo para diversificarse. Pueden utilizar Nvidia para el entrenamiento de frontera mientras dirigen cargas de trabajo de inferencia predecibles a procesadores internos.
Un acelerador personalizado no necesita superar a Nvidia en todas las tareas. Solo necesita rendir lo suficientemente bien para una carga de trabajo de alto volumen que su propietario entienda.
Esa presión aumenta a medida que la inferencia representa una parte mayor del gasto en IA. Las cargas de trabajo repetitivas de producción pueden ser más fáciles de optimizar que las tareas de investigación que cambian rápidamente.
La respuesta de Nvidia es vender un sistema amplio cuyos componentes mejoran de forma conjunta. La empresa sostiene que el codiseño de procesadores, redes, memoria y software genera una mejor economía global.
Esa propuesta debe medirse al nivel de la carga de trabajo. A los compradores les importa la producción útil por dólar y por vatio, no solo la velocidad de un chip individual.
La comparación también cambia entre grupos de clientes. Un hyperscaler puede financiar un programa interno de chips y operar software personalizado. Un proveedor de nube más pequeño o una empresa puede preferir una plataforma con soporte que reduzca el trabajo de integración.
La previsión de Huang depende en parte del crecimiento de ese segundo grupo. Nvidia afirma que las organizaciones más allá de los hyperscalers quieren infraestructura de IA, pero tienen poco interés en diseñar sus propios procesadores.
Esos clientes pueden ampliar el mercado de Nvidia y reducir su dependencia de unos pocos grandes compradores. También pueden tardar más en comprar porque cuentan con menos experiencia en infraestructura y un uso menos seguro.
Los controles de exportación crean otra frontera competitiva. Nvidia no puede tratar a todos los países como un único mercado sin restricciones, y los gobiernos pueden cambiar qué procesadores llegan a clientes concretos.
Las restricciones pueden limitar las ventas directas al tiempo que fomentan alternativas locales. Con el tiempo, esas alternativas pueden desarrollar su propio software, relaciones de suministro y bases de clientes instaladas.
Nvidia revela las restricciones comerciales, la capacidad de fabricación, la competencia y las transiciones de productos entre sus riesgos empresariales. Sus informes anuales dejan claro que la demanda por sí sola no determina los ingresos.
El principal oponente sigue siendo la promesa de Nvidia frente a su ejecución, no Nvidia frente a un único rival. La competencia importa porque ofrece a los clientes alternativas cuando el suministro, el coste o la política alteran esa ejecución.
Duplicar el número de unidades mostraría que Nvidia mantuvo una posición central pese a esas alternativas. Cualquier resultado materialmente más débil suscitaría preguntas sobre límites de suministro, calendario de demanda o pérdida de cuota.
La postura de Jensen Huang sobre la seguridad de la IA rechaza una pausa en toda la industria
Huang respalda las pruebas y la retención de productos inseguros, pero rechaza una desaceleración coordinada como principal mecanismo de seguridad.
El encuentro en Escocia situó la previsión de ventas junto a un debate cada vez más intenso sobre el riesgo de la IA. El rey Carlos pidió a los líderes tecnológicos que consideraran salvaguardas, cooperación internacional y los principios que guían el desarrollo.
Asistieron representantes de Google DeepMind, OpenAI, Anthropic, Nvidia y el Gobierno británico. El evento siguió a renovadas advertencias de que sistemas cada vez más capaces pueden actuar de forma inesperada o eludir la supervisión.
La respuesta de Huang hizo hincapié en la disciplina de ingeniería. Dijo que las empresas deberían probar cuidadosamente los productos y continuar desarrollándolos cuando un sistema no sea lo bastante seguro.
“Cuando un producto no es lo suficientemente seguro, debemos retenerlo y seguir desarrollándolo”, afirmó Huang, según la cobertura de la cumbre de IA de Escocia.
La declaración parece cautelosa, pero no respalda una señal común de detención para toda la industria. Huang ha sostenido que los desarrolladores individuales deberían gestionar las decisiones de lanzamiento en lugar de aceptar una pausa generalizada.
El CEO de Anthropic, Dario Amodei, ha adoptado una postura diferente. Ha hablado de una acción coordinada entre empresas y países si los riesgos alcanzan un nivel que exija un desarrollo más lento.
El desacuerdo no es entre seguridad y ausencia de seguridad. Se trata de quién decide cuándo los sistemas son suficientemente seguros, qué pruebas respaldan ese juicio y si los competidores deberían desacelerar juntos.
Las pruebas a nivel de empresa pueden responder rápidamente y aprovechar conocimientos técnicos directos. Sin embargo, la presión comercial también puede influir en el momento en que una empresa considera listo un producto.
Un enfoque coordinado puede reducir el temor de que un desarrollador prudente pierda terreno frente a un rival más rápido. Sin embargo, la coordinación se vuelve difícil entre países, empresas, modelos abiertos y distintas definiciones de riesgo inaceptable.
Nvidia ocupa una posición distintiva en este debate. Suministra infraestructura informática a desarrolladores de modelos y proveedores de nube que compiten entre sí.
Un desarrollo de modelos más rápido puede aumentar la demanda de sistemas Nvidia. Unas pruebas de seguridad más amplias también pueden consumir capacidad informática, porque las evaluaciones exigen ejecutar los modelos en muchos escenarios.
Eso significa que el trabajo de seguridad no reduce necesariamente la demanda de chips. Puede crear nuevas cargas de trabajo relacionadas con la evaluación, la supervisión, la ciberseguridad, las simulaciones y el control de modelos.
El conflicto aparece cuando una preocupación de seguridad retrasa un lanzamiento o cambia el calendario de inversión de un cliente. El objetivo de crecimiento de Nvidia supone que esas interrupciones no producirán una caída coordinada del gasto en infraestructura.
El enfoque de Huang trata la seguridad principalmente como un proceso de ingeniería. Desde esa perspectiva, los desarrolladores prueban, identifican fallos, mejoran el sistema y lo lanzan cuando consideran aceptable el riesgo restante.
El problema sin resolver es la verificación. Los observadores externos a menudo no pueden inspeccionar datos privados de entrenamiento, evaluaciones internas, informes de incidentes ni debates sobre lanzamientos.
Por tanto, la garantía de un desarrollador de que las pruebas fueron rigurosas sigue siendo una afirmación de la empresa hasta que reguladores, investigadores independientes o pruebas documentadas puedan examinarla.
Los sistemas de IA también cambian tras su lanzamiento. Los desarrolladores actualizan modelos, los conectan a herramientas y los integran en productos que pueden ejecutar acciones. Un resultado seguro en una evaluación controlada puede no predecir todos los despliegues reales.
La IA agéntica hace que este desafío sea más agudo. El término describe sistemas que pueden planificar y ejecutar tareas de varios pasos, a veces utilizando software o comunicándose con otros servicios.
Un agente puede generar más valor económico que una respuesta de chatbot. También puede causar más daño si realiza una acción no autorizada o interpreta erróneamente su objetivo.
Por tanto, el estándar de “retenerlo” de Huang es solo el punto de partida. La industria todavía necesita umbrales medibles, divulgación de incidentes, pruebas independientes y responsabilidades claras después del despliegue.
La previsión de ventas de chips de Nvidia eleva lo que está en juego, porque el doble de hardware puede respaldar mucha más actividad de IA desplegada. La capacidad amplía tanto las aplicaciones útiles como la superficie expuesta a fallos.
Nvidia no controla todos los modelos que se ejecutan en sus sistemas. Aun así, su postura pública influye en el debate de políticas porque se sitúa en la capa de infraestructura bajo gran parte del mercado.
La prueba de credibilidad será la coherencia. El argumento de seguridad de Huang se fortalece cuando las empresas retrasan productos pese a los costes comerciales, revelan problemas y respaldan evaluaciones fuera de sus propias organizaciones.
Se debilita si la “buena ingeniería” sigue siendo una expresión indefinida que permite a cada desarrollador aprobar su propio trabajo. La carga es especialmente alta durante un periodo de crecimiento agresivo de capacidad.
Tres señales pondrán a prueba la previsión para 2027
Los envíos, la utilización de los clientes y las decisiones de seguridad documentadas mostrarán si la predicción de Huang describe una demanda duradera o un techo optimista.
La primera señal es el aumento de producción de productos y la mezcla de ingresos que Nvidia reporte. Los inversores deberían comparar el lenguaje orientado a unidades con los datos reales de centros de datos, redes, CPU y gráficos.
Un aumento amplio en esas categorías respaldaría la previsión de ventas de chips de Nvidia. Un crecimiento concentrado en un solo producto o distorsionado por una transición requeriría una interpretación más cautelosa.
El margen bruto y el inventario también merecen atención. Unos envíos fuertes acompañados de precios más débiles o inventarios crecientes no tendrían el mismo significado que ventas rentables destinadas a despliegues activos.
La segunda señal es la utilización por parte de los clientes tras la instalación. Las empresas de nube pueden anunciar grandes planes de hardware, pero el consumo sostenido determina si encargan la siguiente oleada.
Busque pruebas de que la inferencia empresarial, los sistemas agénticos, la computación científica, la robótica y los programas nacionales están utilizando la capacidad. El gasto de capital de los clientes sin un crecimiento correspondiente de las cargas de trabajo debilitaría la tesis de demanda de Huang.
Las acciones de los desarrolladores de chips personalizados importan aquí. Si los hyperscalers dirigen más trabajo de producción hacia procesadores internos, Nvidia aún puede crecer mientras captura una porción menor del mercado en expansión.
Por el contrario, grandes despliegues posteriores de Nvidia sugerirían que el silicio personalizado sigue siendo complementario en lugar de un reemplazo generalizado. Eso reforzaría el argumento a favor de la demanda de chips Nvidia en 2027 a través de generaciones sucesivas de productos.
La tercera señal es si los desarrolladores realmente posponen lanzamientos inseguros. Huang estableció un estándar de comportamiento claro en Escocia, aunque no definió un umbral universal.
Un retraso documentado, una evaluación independiente ampliada o una respuesta transparente a incidentes darían un significado práctico a ese estándar. Incidentes repetidos sin divulgación ni cambios de calendario lo debilitarían.
Las decisiones políticas pueden influir en las tres señales. Los controles de exportación pueden restringir los mercados accesibles, mientras que los requisitos de seguridad pueden cambiar los calendarios de despliegue y los costes de evaluación.
Las aprobaciones de energía y centros de datos también pueden determinar la rapidez con la que los sistemas adquiridos se vuelven utilizables. La demanda de hardware no elimina las limitaciones físicas que rodean una instalación de IA.
Los lectores deberían evitar tratar la previsión como una única cifra de aprobado o suspenso. Nvidia no ha proporcionado suficiente detalle público sobre unidades para ese cálculo.
En cambio, la predicción debería probarse como una cadena. Los clientes deben realizar pedidos, los proveedores deben construir los sistemas, los operadores deben instalarlos y las cargas de trabajo deben utilizarlos de forma rentable.
Cada eslabón afecta al siguiente. Un cuello de botella en memoria, empaquetado, energía, redes o financiación puede impedir que la demanda se convierta en ventas reconocidas.
La competencia añade otra rama. Una carga de trabajo puede crecer rápidamente mientras se desplaza hacia un acelerador personalizado o un proveedor regional.
La seguridad introduce la condición final. Una mayor capacidad informática debe respaldar productos que usuarios, empresas y gobiernos sigan dispuestos a desplegar.
Por eso no se trata de una previsión alcista ordinaria para los semiconductores. Huang combina un objetivo de expansión excepcional con un estándar de seguridad que puede exigir moderación.
Ambas posturas solo son compatibles si las pruebas escalan al mismo ritmo que el despliegue. Las empresas no pueden evaluar el volumen de mañana utilizando los procesos de ayer.
Los equipos de ingeniería necesitarán registros más sólidos de cambios de modelos, resultados de evaluaciones, incidentes y decisiones de lanzamiento. Una base de conocimiento con capacidad de búsqueda puede ayudar a los equipos a preservar esas pruebas en documentos técnicos y revisiones.
Para los compradores, la tarea inmediata es separar la capacidad disponible de la capacidad útil. Pregunten qué cargas de trabajo justifican nueva infraestructura, cómo se comparan las alternativas y qué nivel de utilización respaldará otra compra.
Para los desarrolladores, la cuestión es si las puertas de lanzamiento son medibles antes de que llegue la presión comercial. “Retenerlo” solo importa cuando un equipo puede identificar la condición que activa esa decisión.
Para Nvidia, los próximos trimestres deben conectar la ambición con la ejecución. La empresa necesita más que el doble de chips saliendo de las fábricas. Necesita que los clientes los instalen, utilicen y vuelvan a pedir sin socavar la confianza en los sistemas que esos chips hacen posibles.
La previsión de ventas de chips de Nvidia parecerá más sólida si los envíos se amplían, la utilización se mantiene elevada y los desarrolladores revelan decisiones de seguridad creíbles. ¿Cuál de esas tres señales aparecerá primero en los productos y la infraestructura que utiliza su organización?
