El 92% de los ingresos de Nvidia en centros de datos eleva la apuesta
Nvidia generó $75.2 mil millones en centros de datos el último trimestre, una cifra impactante que explica su protagonismo en Google News: el 92% de los ingresos de la compañía depende ahora de ese mercado.
Esa concentración es a la vez la mayor ventaja de Nvidia y su principal riesgo de inversión. Las ventas de centros de datos aumentaron un 92% respecto al año anterior, mientras que los ingresos totales alcanzaron los $81.6 mil millones. Según el cálculo, este negocio generó aproximadamente el 92.1% de los ingresos trimestrales de Nvidia.
La coincidencia de los porcentajes es casual, pero reveladora. Uno mide el crecimiento anual y el otro, la concentración de ingresos. En conjunto, muestran hasta qué punto Jensen Huang ha vinculado el futuro de Nvidia al gasto sostenido en infraestructura de IA.
La compañía ya no es principalmente un proveedor de procesadores gráficos con una operación de centros de datos en expansión. Se ha convertido en un proveedor de infraestructura de IA cuyos negocios más pequeños apenas influyen en el resultado global.
Esta transición ha generado un crecimiento extraordinario de los ingresos y las ganancias. También implica que la tesis de inversión depende ahora en gran medida de que los clientes continúen construyendo costosos sistemas de computación.
Por tanto, la competencia central no enfrenta a Nvidia con un único rival. Enfrenta la expectativa de Huang de una demanda creciente de capacidad de cómputo para IA con la posibilidad de que el gasto de los clientes termine superando los retornos económicos.
Lo que realmente muestra la cifra del 92% de Nvidia en centros de datos
Los últimos resultados de Nvidia confirman que la infraestructura de IA se ha adueñado de casi toda la compañía.
En su primer trimestre fiscal de 2027, que finalizó el 26 de abril de 2026, Nvidia reportó $81.615 mil millones en ingresos totales. Los ingresos de centros de datos alcanzaron los $75.2 mil millones, según los resultados trimestrales de la compañía.
Esa cifra de centros de datos aumentó un 21% frente al trimestre anterior y un 92% interanual. Los ingresos totales de la empresa crecieron un 20% secuencialmente y un 85% interanual.
Los inversores deberían distinguir entre los dos usos del 92%. Nvidia informó oficialmente que los ingresos de centros de datos crecieron un 92% respecto al trimestre del año anterior. Dividir $75.2 mil millones entre $81.615 mil millones también muestra que los centros de datos aportaron aproximadamente el 92% de los ingresos totales.
Esta distinción importa porque el crecimiento y la concentración responden a preguntas diferentes. El crecimiento muestra con qué rapidez se expandió la demanda. La concentración muestra qué parte del negocio de Nvidia ahora sube o baja con esa demanda.
Las operaciones restantes aportaron unos $6.4 mil millones en conjunto. Es una cifra importante por sí sola, pero demasiado pequeña para compensar una desaceleración significativa de la infraestructura de IA.
Nvidia también reportó ingresos operativos GAAP de $53.5 mil millones e ingresos netos de $58.3 mil millones. Su margen bruto del 74.9% demuestra que los clientes están comprando mucho más que componentes básicos.
Están pagando por un sistema integrado construido en torno a aceleradores, redes, interconexiones, procesadores, software y experiencia de despliegue. Este enfoque a nivel de sistema brinda a Nvidia más oportunidades de ingresos dentro de cada clúster de IA.
Los sistemas Blackwell ilustran ese cambio. Los clientes no se limitan a instalar unidades individuales de procesamiento gráfico. Despliegan racks estrechamente conectados que combinan hardware de cómputo con redes NVLink, refrigeración, memoria y software.
Por tanto, los ingresos de Nvidia en centros de datos siguen la construcción de lo que Huang denomina fábricas de IA. Se trata de grandes instalaciones informáticas diseñadas para entrenar modelos y operarlos a escala.
El término es útil, pero los inversores no deberían aceptarlo como prueba de la rentabilidad de los clientes. Una fábrica de IA puede generar servicios valiosos o convertirse en un activo costoso con baja utilización.
Nvidia registra una venta cuando la infraestructura llega a sus clientes. El retorno a largo plazo depende de lo que esos clientes construyan, de la frecuencia con que lo utilicen y de lo que los usuarios estén dispuestos a pagar.
Esa brecha entre la venta de Nvidia y el retorno de su cliente define la cuestión de inversión. El último trimestre demuestra que la demanda de infraestructura sigue siendo intensa. No resuelve si el gasto a esta escala seguirá siendo económicamente productivo.
Por qué Jensen Huang espera que continúe el crecimiento de Nvidia en IA
La tesis de crecimiento de Huang se basa en el aumento de las necesidades de cómputo, no simplemente en otra ronda de entrenamiento de modelos.
La primera ola de demanda provino de empresas que entrenaban grandes modelos fundacionales. Las cargas de trabajo más recientes implican cada vez más inferencia, es decir, ejecutar un modelo entrenado para producir respuestas, imágenes, código o acciones.
La inferencia genera demanda recurrente porque cada solicitud de un usuario consume capacidad de cómputo. Los modelos que dedican más tiempo al razonamiento pueden requerir considerablemente más procesamiento por cada respuesta.
La IA agéntica añade otra capa. Un agente de IA puede planificar y ejecutar una secuencia de tareas, realizando a menudo varias llamadas al modelo antes de completar una solicitud de usuario.
Huang sostiene que esta carga de trabajo en expansión crea nuevos patrones de escalamiento. Más usuarios, razonamientos más largos, medios más ricos y agentes autónomos aumentan la cantidad de inferencia que los centros de datos deben atender.
Ese argumento explica por qué Nvidia enfatiza el coste de producir tokens, las unidades generadas y procesadas por los modelos de lenguaje. A los clientes les importa el rendimiento de los chips, pero en última instancia necesitan resultados útiles a un coste aceptable.
Nvidia afirma que su hardware, redes y software pueden reducir ese coste al procesar más trabajo dentro de un determinado límite de energía y espacio. Estas afirmaciones aún requieren pruebas específicas para cada carga de trabajo, ya que los resultados reales dependen de los modelos, el software, la utilización y el diseño del despliegue.
La estrategia de la compañía también va más allá de vender su acelerador más rápido. Nvidia controla CUDA, una plataforma de software que los desarrolladores usan para programar sus GPU, y proporciona bibliotecas para cargas de trabajo de IA especializadas.
Esta base de software reduce la fricción asociada a la adopción de cada nueva generación de hardware. También crea costes de cambio porque las organizaciones han dedicado años a desarrollar experiencia y aplicaciones en torno a las herramientas de Nvidia.
Las redes se han vuelto igual de importantes. Los grandes modelos de IA distribuyen el trabajo entre miles de aceleradores, lo que convierte la velocidad de comunicación entre chips en una limitación del rendimiento.
NVLink, InfiniBand y los productos Ethernet de Nvidia permiten a la compañía captar una mayor parte del presupuesto del clúster. También ayudan a Nvidia a vender una arquitectura de centro de datos en lugar de competir por una única especificación de procesador.
Esta plataforma más amplia respalda la ambición de Huang para Blackwell y Vera Rubin, la próxima arquitectura importante de Nvidia. En GTC 2026, proyectó al menos $1 billón en ingresos acumulados de Blackwell y Rubin hasta 2027, según una previsión de chips de IA.
Esa proyección es una expectativa de la dirección, no un resultado contratado. Depende de que haya suficiente fabricación, energía, financiación, demanda de los clientes y transiciones de producto exitosas.
Rubin entró en producción completa durante 2026, y Nvidia afirma que los sistemas de sus socios estarán disponibles durante la segunda mitad del año. Se espera que AWS, Google Cloud, Microsoft y otros proveedores desplieguen infraestructura basada en Rubin.
Una rápida transición a Rubin reforzaría el crecimiento de Nvidia en IA de dos formas. Crearía otro ciclo de actualización y daría a los clientes un motivo para ampliar capacidad para cargas de trabajo más nuevas.
Sin embargo, los ciclos rápidos de producto también pueden generar complicaciones. Los clientes deben decidir si despliegan los sistemas Blackwell ya disponibles o esperan a Rubin, mientras que los proveedores deben gestionar requisitos de producción superpuestos.
Nvidia ha gestionado estas transiciones manteniendo márgenes excepcionales. Los inversores deberían observar si ese historial se mantiene con sistemas cada vez más complejos e intervalos de lanzamiento más cortos.
El verdadero rival es el retorno del gasto en IA
El principal desafío de Nvidia es demostrar que la economía de sus clientes puede seguir el ritmo de las compras de infraestructura.
Nvidia vende a proveedores de nube, empresas de internet de consumo, desarrolladores de modelos, empresas y gobiernos. Sus motivaciones difieren, pero muchas compras dependen en última instancia de la adopción comercial de la IA.
Los mayores proveedores de nube están incrementando los gastos de capital a un ritmo histórico. S&P Global Ratings estimó que cinco grandes proveedores podrían gastar unos $750 mil millones durante 2026, equivalentes a aproximadamente el 38% de sus ingresos combinados.
Esa estimación de gasto de capital cubre mucho más que el hardware de Nvidia. Incluye edificios, sistemas eléctricos, redes, procesadores, memoria, terrenos y otra infraestructura.
Aun así, este gasto crea el entorno que respalda los ingresos de Nvidia. Más centros de datos suelen significar más oportunidades para vender aceleradores y los equipos que los conectan.
Microsoft ofrece un ejemplo útil de esta tensión. Espera aproximadamente $190 mil millones en gastos de capital durante el año natural 2026 mientras amplía Azure y sus propios servicios de IA.
Durante la conferencia sobre los resultados de su tercer trimestre fiscal, Microsoft habló de una demanda superior a la capacidad disponible. También reconoció la preocupación de los inversores por el plazo entre el gasto de capital y los ingresos resultantes.
Microsoft utiliza hardware de Nvidia y AMD mientras desarrolla sus propios chips Maia. Este enfoque mixto refleja la estrategia más amplia de los clientes: comprar Nvidia cuando su rendimiento y ecosistema justifican el coste, y utilizar alternativas cuando la economía les resulta más favorable.
Google sigue un modelo similar con sus Tensor Processing Units. Amazon ofrece chips Trainium e Inferentia, mientras Meta ha desarrollado silicio interno y ampliado su uso de hardware de AMD.
Estos productos no necesitan superar a Nvidia en todas las tareas. Solo necesitan gestionar suficientes cargas de trabajo importantes a un coste operativo menor.
El silicio personalizado puede ser especialmente atractivo para tareas de inferencia maduras y de gran volumen. Un proveedor de nube que conoce su carga de trabajo puede optimizar el hardware para requisitos más acotados.
Nvidia contrarresta esta amenaza con flexibilidad. Su plataforma admite muchos modelos y cargas de trabajo, algo valioso cuando las arquitecturas de IA y las demandas de los clientes siguen cambiando.
Esa ventaja se vuelve menos decisiva si las cargas de trabajo se estandarizan. Una vez que una empresa sabe con precisión lo que necesita, las alternativas especializadas pueden resultar más económicas.
Por tanto, la competencia se refiere al coste total y a la velocidad de despliegue, no solo al liderazgo en benchmarks. Los clientes consideran la energía, las redes, la compatibilidad de software, la utilización, el mantenimiento y el coste de retrasar la capacidad.
El elevado margen bruto de Nvidia indica que los clientes siguen valorando su plataforma completa. También crea una oportunidad económica para competidores que buscan una parte de esos beneficios.
La mayor preocupación no es que todos los clientes abandonen Nvidia. Un cambio gradual en la combinación de cargas de trabajo aún puede afectar al crecimiento si los clientes reservan los sistemas Nvidia para las tareas más difíciles y trasladan la inferencia rutinaria a otros proveedores.
Nvidia podría compensar esa presión si la demanda total de IA crece más rápido de lo que disminuye su participación. Por eso Huang enfatiza el crecimiento del mercado en lugar de defender una categoría fija de chips.
Para los inversores, la evidencia necesaria aparece en los resultados de los clientes. Los ingresos de la nube, la adopción de servicios de IA, las mejoras publicitarias, la demanda de desarrolladores y los contratos empresariales deben acabar justificando la infraestructura.
La concentración del 92% de Nvidia convierte esa economía externa en su propia variable central. Si los clientes obtienen retornos sólidos, la expansión puede persistir. Si los retornos decepcionan, la disciplina en las compras se intensificará.
Lo que no reflejan los titulares de Google News
El récord de ingresos es real, pero varios riesgos permanecen ocultos tras el porcentaje del titular.
Primero, Nvidia depende de un grupo concentrado de compradores. Entre sus clientes se encuentran distribuidores, fabricantes de equipos originales, integradores de sistemas, proveedores de nube y grandes empresas de internet.
La presentación regulatoria de la compañía identifica la concentración de clientes como una consideración relevante. Un pequeño número de clientes directos puede representar porciones significativas de los ingresos trimestrales.
Los datos de clientes directos no siempre revelan la demanda final, porque un fabricante o distribuidor puede atender a varios usuarios finales. Aun así, los grandes pedidos pueden hacer que los resultados trimestrales sean sensibles a los calendarios de despliegue.
Un centro de datos retrasado, una conexión eléctrica no disponible, un problema de refrigeración o un cambio en la financiación pueden desplazar miles de millones de dólares entre períodos de presentación de resultados. Estos cambios no siempre indican una pérdida de demanda, pero hacen que la trayectoria de crecimiento sea irregular.
En segundo lugar, la propia infraestructura afronta limitaciones físicas. Los sistemas avanzados de IA requieren electricidad, equipos de refrigeración, terreno, redes y construcción especializada.
Nvidia no puede resolver estos cuellos de botella únicamente con silicio más rápido. Su presentación señala que la disponibilidad de centros de datos, energía y capital es crucial para los ingresos futuros.
En tercer lugar, la fabricación sigue concentrada. Nvidia depende de socios externos para la fabricación avanzada de chips, el empaquetado, la memoria y el ensamblaje de sistemas.
La demanda puede superar la oferta de un componente incluso cuando hay disponibles otras piezas. Un rack completo no puede enviarse simplemente porque sus aceleradores estén listos.
En cuarto lugar, las restricciones comerciales han eliminado un mercado importante de las previsiones inmediatas de Nvidia. Las perspectivas de la compañía no asumían ingresos de computación para centros de datos procedentes de China.
Esa exclusión demuestra fortaleza porque Nvidia obtuvo resultados récord sin depender de esa oportunidad. También muestra cómo las políticas pueden remodelar abruptamente el mercado potencial de la compañía.
El desarrollo doméstico chino de aceleradores añade otra incertidumbre. Los controles de exportación pueden restringir a Nvidia al tiempo que animan a clientes y gobiernos a financiar ecosistemas alternativos.
En quinto lugar, los resultados contables no miden los retornos de los usuarios finales. Nvidia puede reconocer ingresos antes de que el comprador final demuestre que una aplicación de IA genera flujo de caja sostenible.
Esta es la limitación fundamental de utilizar a Nvidia como indicador de toda la economía de la IA. Sus ventas indican a los inversores que se está construyendo infraestructura, no que todos los servicios que operan sobre ella vayan a tener éxito.
La distinción cobra mayor importancia a medida que aumentan las necesidades de capital. Los proveedores de nube pueden financiar ciclos de inversión largos, pero los accionistas públicos seguirán examinando los márgenes y el flujo de caja libre.
Las startups afrontan una presión aún mayor. Muchas dependen de financiación externa o créditos de nube mientras pagan costes de inferencia considerables. Su demanda puede contraerse rápidamente si las condiciones de financiación se debilitan.
Ninguno de estos riesgos invalida los últimos resultados de Nvidia. Explican por qué unos ingresos récord no deberían generar automáticamente una previsión ilimitada.
Google News puede hacer que cada sorpresa en los resultados parezca una nueva confirmación de dominio permanente. Los inversores necesitan un estándar más exigente.
La prueba correcta es si Nvidia puede preservar el valor de su plataforma mientras sus clientes se vuelven más sensibles al precio, sus rivales mejoran y las limitaciones de infraestructura se intensifican.
Los inversores también deberían evitar tratar la cifra del 92% como diversificación. Las redes, los aceleradores, los procesadores y el software aportan amplitud de producto, pero gran parte de esos ingresos sigue dependiendo del mismo ciclo de inversión en IA.
Nvidia tiene múltiples productos dentro de un único motor económico dominante. Eso es más sólido que depender de un solo chip, pero más débil que contar con fuentes de demanda no relacionadas.
Vera Rubin pone a prueba la ventaja de plataforma de Nvidia
Rubin mostrará si Nvidia puede convertir el rápido reemplazo de hardware en una economía duradera para sus clientes.
Nvidia anunció que la plataforma Vera Rubin había entrado en producción plena, con disponibilidad a través de socios prevista para la segunda mitad de 2026. La plataforma combina una CPU Vera, GPU Rubin, redes y sistemas a escala de rack.
Nvidia afirma que Rubin puede reducir los costes de inferencia en comparación con Blackwell. Esa afirmación importa porque los clientes necesitan obtener más rendimiento por cada dólar invertido en infraestructura.
Sin embargo, las afirmaciones de rendimiento dependen del entorno operativo completo. Un benchmark no puede captar cada modelo, objetivo de latencia, precio de la energía, pila de software o tasa de utilización.
La evidencia más significativa procederá de despliegues reales. Los proveedores de nube deben instalar los sistemas, poner la capacidad a disposición, atraer cargas de trabajo y divulgar señales útiles de adopción.
Rubin también pone a prueba la ejecución de Nvidia. Los sistemas a escala de rack requieren coordinación entre más componentes que los procesadores independientes.
Un problema relacionado con la refrigeración, las redes, la memoria, el software o la energía puede retrasar todo el despliegue. La complejidad ofrece a Nvidia más oportunidades para aportar valor, pero crea más puntos de fallo.
La transición de plataforma también revelará el comportamiento de compra de los clientes. Una fuerte demanda de Blackwell junto con una adopción temprana de Rubin indicaría que los compradores necesitan capacidad de inmediato.
Una pausa marcada antes del lanzamiento de Rubin sugeriría que el calendario de lanzamientos influye más en los pedidos de lo que implica la amplia narrativa de demanda de la dirección.
La competencia seguirá activa durante esta transición. AMD continúa desarrollando aceleradores para centros de datos, mientras los principales proveedores de nube amplían sus programas de chips propios.
La respuesta de Nvidia es hacer que la plataforma sea más difícil de sustituir pieza por pieza. Un cliente que elige Nvidia recibe procesadores, aceleradores, redes, software, bibliotecas y diseños de despliegue concebidos para funcionar conjuntamente.
Esa integración puede reducir el tiempo de instalación y el riesgo técnico. También puede aumentar la dependencia de un único proveedor.
Los clientes evaluarán este equilibrio de forma distinta. Un desarrollador de modelos de frontera puede priorizar el máximo rendimiento y el acceso rápido a nuevas capacidades.
Un proveedor de nube que opera a enorme escala puede dar mayor peso a la diversidad de suministro y al coste unitario. Una empresa con experiencia interna limitada puede preferir un sistema completo con soporte.
Rubin no necesita eliminar estas disyuntivas. Debe mantener los beneficios de Nvidia lo bastante valiosos como para que los clientes sigan aceptando una economía de precios premium.
La arquitectura también debe ampliar la demanda más allá de un puñado de desarrolladores de modelos. La adopción empresarial, los proyectos soberanos de IA, la robótica, la computación científica y los sistemas industriales pueden aportar vías adicionales de crecimiento.
Estos mercados tienen ciclos de venta y restricciones presupuestarias diferentes. Puede que no se expandan al mismo ritmo que la infraestructura de hiperescala.
Por eso, el éxito de Rubin debería evaluarse con más elementos que los anuncios de lanzamiento. Los inversores necesitan pruebas de volumen de despliegue, disponibilidad en la nube, utilización e ingresos de clientes.
El resultado pondrá a prueba si la estrategia de plataforma de Nvidia genera ganancias repetibles o simplemente acelera el reemplazo de hardware dentro de la misma base de clientes.
Tres señales que los inversores deberían vigilar a continuación
El próximo trimestre debe conectar las ventas récord de Nvidia con una demanda sostenida, despliegues exitosos de Rubin y mejores retornos para los clientes.
La primera señal es el informe del segundo trimestre fiscal de Nvidia, previsto para el 26 de agosto. Las previsiones de ingresos, el crecimiento de centros de datos, el margen bruto y los comentarios de la dirección sobre el suministro mostrarán si el impulso de Blackwell se mantuvo intacto.
Un resultado respaldado por una demanda amplia de clientes reforzaría la tesis de Huang. Un crecimiento impulsado principalmente por unos pocos despliegues excepcionalmente grandes dejaría sin resolver las preocupaciones sobre concentración.
Los inversores deberían examinar el crecimiento secuencial en lugar de depender solo de las comparaciones interanuales. Las cifras del año anterior se convierten en comparaciones más fáciles o más difíciles según las transiciones de producto y los cargos relacionados con las exportaciones.
El margen bruto también merece atención. Márgenes estables indicarían que Nvidia conserva poder de fijación de precios pese a las complejas puestas en marcha de sistemas y a la creciente competencia.
Una caída significativa podría reflejar la combinación de productos, los costes de transición, las condiciones de suministro o los precios competitivos. Los inversores deberían estudiar la explicación de la dirección antes de tratar un trimestre como un cambio estructural.
La segunda señal es la disponibilidad de Rubin a través de los principales proveedores de nube. Nvidia afirma que AWS, Google Cloud, Microsoft y otros desplegarán sistemas basados en Rubin.
Los anuncios por sí solos son insuficientes. Los indicadores más sólidos son las instancias de disponibilidad general, el acceso de clientes, una capacidad significativa y pruebas de que los desarrolladores están trasladando cargas de trabajo de producción.
Una adopción rápida respaldaría la afirmación de Nvidia de que los clientes valoran las mejoras a nivel de plataforma. Los retrasos o la disponibilidad limitada debilitarían las expectativas de una transición generacional fluida.
La tercera señal es el retorno que los hyperscalers reportan sobre la inversión en IA. Los inversores deberían seguir el crecimiento de la nube, los ingresos de servicios de IA, las mejoras publicitarias, la adopción de software y los comentarios de la dirección sobre la utilización de capacidad.
El gasto de capital puede mantenerse elevado mientras los retornos se retrasan durante varios trimestres. Con el tiempo, sin embargo, esa brecha debe reducirse.
Microsoft, Alphabet, Amazon y Meta no divulgan una única medida clara de la rentabilidad de la infraestructura de IA. Los lectores deben combinar varios indicadores y evitar atribuir todo el crecimiento de la nube o la publicidad a la IA.
Ese trabajo es menos emocionante que seguir cada noticia de Nvidia en Google News. También es más útil.
La tesis de inversión se fortalece si Nvidia sigue creciendo mientras los clientes reportan una utilización creciente e ingresos de IA medibles. Se debilita si el gasto aumenta mientras los márgenes y la monetización de los clientes siguen bajo presión.
Nvidia ya ha demostrado una ejecución extraordinaria. Su concentración del 92% en centros de datos significa que los inversores ahora necesitan pruebas de las empresas que compran sus sistemas.
Una revisión disciplinada puede comenzar con comunicados de resultados, presentaciones regulatorias, actualizaciones de despliegue y métricas de clientes. Un sistema personal de conocimiento puede ayudar a conectar esas señales entre períodos de presentación de resultados sin depender de titulares aislados.
La pregunta decisiva ya no es si Nvidia puede vender infraestructura de IA. Claramente puede hacerlo. La cuestión es si la producción económica de esa infraestructura puede expandirse con la suficiente rapidez para respaldar la próxima expectativa de Huang de un billón de dólares.
