El cambio de clientes de Nvidia revela un boom de IA más arriesgado

Nvidia registró $89 mil millones en ingresos trimestrales de centros de datos, pero el titular de Google News oculta un cambio más complejo tras ese récord. La demanda se está extendiendo más allá de Amazon, Microsoft y Google hacia nubes de IA especializadas, empresas, compañías industriales y compradores soberanos.

Esta mezcla más amplia de clientes respalda el argumento de Nvidia de que el gasto en inteligencia artificial está entrando en una segunda fase. La primera se centró en los hyperscalers que construían enormes plataformas de computación. La siguiente depende de que más organizaciones conviertan esas plataformas en productos, servicios y sistemas industriales útiles.

Sin embargo, Nvidia no se limita a observar cómo se expande ese mercado. Está comprometiendo capital, compras de servicios en la nube, garantías y apoyo a infraestructura para ayudar a nuevos clientes a adquirir sistemas Nvidia. Por tanto, el conflicto central es una demanda más amplia frente a un creciente entramado financiero.

Los últimos resultados cuestionan la versión más simple del argumento de la burbuja de IA. No resuelven si la nueva demanda puede generar retornos sostenibles sin el respaldo continuado de Nvidia y de grandes proveedores de capital.

Qué cambiaron realmente los últimos resultados de Nvidia

El cambio importante no es solo el récord de ingresos de Nvidia. Es el crecimiento más rápido de clientes fuera del grupo hyperscale tradicional.

Nvidia reportó $96.2 mil millones en ingresos durante su segundo trimestre fiscal de 2027, correspondiente al periodo finalizado el 26 de julio de 2026. Esto representó un crecimiento del 106 por ciento frente al mismo trimestre del año anterior.

Los ingresos de centros de datos alcanzaron $89 mil millones, un aumento del 18 por ciento respecto al trimestre anterior y del 117 por ciento interanual. El negocio representó la mayor parte de las ventas trimestrales de Nvidia y siguió siendo el principal motor de su crecimiento.

Estos totales son llamativos, pero aún describen una historia conocida. Microsoft Azure, Amazon Web Services, Google Cloud, Meta y otras grandes tecnológicas han gastado intensamente en unidades de procesamiento gráfico, redes y capacidad de centros de datos.

El detalle más revelador proviene de la segmentación de clientes de Nvidia. Los clientes hyperscale y de internet de consumo generaron $48.7 mil millones en ingresos de centros de datos. Esa categoría creció un 13 por ciento de forma secuencial y un 102 por ciento interanual.

Una segunda categoría generó $40.3 mil millones. Incluye empresas nativas de IA, proveedores de nube especializados, empresas, clientes industriales y compradores soberanos. Ese grupo creció un 25 por ciento respecto al trimestre anterior y un 138 por ciento frente a un año antes.

La categoría sigue siendo menor que el negocio hyperscale. Sin embargo, su crecimiento más rápido sugiere que la base de clientes de Nvidia depende menos de unas pocas plataformas globales de nube.

Esa diferencia explica por qué el informe original atrajo atención en Google News. El titular no era simplemente otra afirmación de que Nvidia había vendido más chips. Apuntaba a una estructura cambiante del mercado de infraestructura de IA.

Los resultados trimestrales también mostraron que Nvidia espera $108 mil millones en ingresos durante su próximo trimestre, dentro de un rango del dos por ciento. Alcanzar esa previsión elevaría los ingresos trimestrales por encima de $100 mil millones por primera vez.

Nvidia también pronosticó aproximadamente un 70 por ciento de crecimiento de ingresos para su ejercicio fiscal que termina en enero de 2028. La directora financiera Colette Kress describió esa previsión como limitada por la oferta disponible, y no por una demanda insuficiente.

Jensen Huang reforzó el argumento sobre la oferta durante la presentación de resultados de la compañía. Dijo que Nvidia contaba con suministro suficiente para atender aproximadamente el 70 por ciento de la demanda actual.

Esa afirmación merece un tratamiento prudente. Una previsión basada en los planes de los clientes no equivale a ingresos ya contratados, y los clientes pueden retrasar proyectos cuando la financiación, la energía o la construcción se complican.

Aun así, las ventas reportadas no son previsiones. Muestran que el gasto se aceleró durante el trimestre tanto entre hyperscalers como entre clientes de infraestructura más recientes.

La evolución de la mezcla de clientes crea la verdadera tensión del artículo. Una demanda más amplia hace que el boom parezca más saludable, pero parte de esa expansión depende de que Nvidia ayude a los clientes a financiar y desplegar los sistemas que adquieren.

Google News captó una nueva clase de compradores de IA

La siguiente capa de crecimiento de Nvidia se sitúa entre el fabricante de chips y los usuarios finales, donde las nubes de IA especializadas convierten las GPU en capacidad informática alquilada.

El informe de entARABI detrás de la publicación de Google News describía clientes que van más allá de Microsoft, Amazon y Google. Ese enfoque está respaldado, en términos generales, por los resultados segmentados divulgados por Nvidia, aunque los hyperscalers siguen siendo esenciales para el negocio.

Un grupo importante está formado por las neoclouds, también llamadas nubes de IA o neoscalers. Una neocloud es un proveedor especializado que construye grandes clústeres de GPU y alquila su capacidad a desarrolladores de modelos, startups, organizaciones de investigación y empresas.

CoreWeave y Nebius son ejemplos destacados. Estas compañías no necesitan sustituir a AWS, Azure o Google Cloud para influir en el mercado. Pueden competir por cargas de trabajo que requieren acceso concentrado a aceleradores, redes rápidas y experiencia operativa especializada.

Para Nvidia, las neoclouds crean canales de distribución adicionales. Un proveedor puede comprar miles de sistemas, combinarlos con redes y software, y repartir esa capacidad entre muchos clientes.

Este modelo puede incorporar a compradores más pequeños al mercado de infraestructura. Una startup que no puede construir un centro de datos puede alquilar un clúster. Una empresa puede probar un modelo interno sin poseer todos los componentes físicos.

El modelo también permite a Nvidia llegar a clientes cuyas cargas de trabajo, de otro modo, podrían ejecutarse en chips personalizados de grandes proveedores de nube. Google ofrece Tensor Processing Units, mientras que Amazon desarrolla aceleradores Trainium e Inferentia.

Estas alternativas presionan a Nvidia porque los proveedores de nube pueden optimizar su propio hardware para servicios específicos. También pueden utilizar chips internos para reducir su dependencia de un proveedor con márgenes inusualmente altos.

Nvidia responde a esa presión mediante una amplia plataforma informática. Su oferta combina GPU, unidades centrales de procesamiento, redes, sistemas a escala de rack y CUDA, el entorno de software que los desarrolladores utilizan para ejecutar cargas de trabajo aceleradas.

La compatibilidad de software importa porque trasladar una carga de trabajo implica más que sustituir un procesador. Los equipos pueden necesitar reescribir código, reconstruir herramientas de despliegue y validar el rendimiento en un sistema desconocido.

Esa fricción de cambio respalda la posición de Nvidia. Sin embargo, no elimina la competencia de chips diseñados por proveedores de nube u otros fabricantes de aceleradores.

El auge de las neoclouds añade otra capa, en lugar de producir un reemplazo claro de los hyperscalers. Algunos proveedores especializados dependen de instalaciones, financiación o relaciones con clientes vinculadas al mercado de nube más amplio.

Los nuevos compradores también incluyen compañías industriales y gobiernos. Sus posibles cargas de trabajo abarcan simulación de fábricas, robótica, computación científica, servicios nacionales de IA y modelos que deben operar dentro de una jurisdicción específica.

Estas aplicaciones son más variadas que entrenar un modelo de lenguaje de frontera. Pueden implicar modelos más pequeños, cargas de trabajo de inferencia, equipos físicos, datos regulados y plazos de implementación más largos.

La inferencia consiste en ejecutar un modelo entrenado para producir una respuesta o una acción. Su economía depende de la utilización, el consumo de energía, la latencia y los ingresos generados por cada carga de trabajo.

Esta distinción importa porque las grandes compras de chips no demuestran automáticamente una adopción exitosa por parte de los usuarios finales. Un proveedor puede instalar capacidad antes de que aparezcan suficientes clientes de pago.

Según el análisis original, el crecimiento más rápido fuera de los hyperscalers debilita la idea de que el gasto en IA circula únicamente entre varios gigantes tecnológicos. No elimina esa preocupación.

La propia categoría combina varios tipos de clientes. Un laboratorio de IA, un gobierno, una empresa industrial y un proveedor de alquiler de GPU tienen economías diferentes y distintos niveles de dependencia de financiación externa.

Por tanto, los inversores necesitan más detalle que un total amplio por segmento. Necesitan saber quién utiliza finalmente la capacidad, qué nivel de utilización alcanzan esos sistemas y si los clientes pueden obtener retornos aceptables.

El verdadero oponente es la demanda amplia frente a la demanda respaldada

La evidencia más sólida de Nvidia contra un circuito cerrado de gasto en IA también está vinculada a compromisos que hacen más difícil evaluar ese circuito.

Una interpretación alcista sencilla sostiene que el mercado ha ido más allá de un puñado de hyperscalers. La categoría de clientes de $40.3 mil millones creció más rápido que el segmento hyperscale de Nvidia, lo que aporta evidencia directa de una actividad de compra más amplia.

Una interpretación escéptica pregunta cuán independientemente se desarrolló esa demanda. Nvidia está invirtiendo en compañías de IA, comprometiéndose a servicios de nube, respaldando proyectos de infraestructura y ayudando a proveedores a obtener terrenos, energía y financiación.

Estas acciones no convierten las ventas subyacentes en ficticias. Sí hacen más compleja la relación entre proveedor, financiador, cliente y usuario final.

La presentación ante la SEC de Nvidia describe $36 mil millones en compromisos bajo acuerdos con socios de nubes de IA al 26 de julio. Estos compromisos suelen extenderse durante seis años.

En virtud de estos acuerdos, las nubes de IA compran infraestructura de Nvidia. Luego, Nvidia asume compromisos de contratos de servicios de nube, mientras los proveedores pueden vender esa capacidad a terceros en condiciones más favorables.

Los compromisos se reducen a medida que terceros utilizan la capacidad o Nvidia la consume para investigación y desarrollo. Nvidia también puede participar en los ingresos generados por clientes terceros que cumplan los requisitos.

Este modelo aborda una restricción real del mercado. Los proveedores de nube más jóvenes pueden tener un interés sustancial de clientes sin disponer de los balances necesarios para contratos plurianuales de centros de datos.

Los prestamistas quieren tener confianza en que las costosas instalaciones generarán ingresos. Un compromiso de compra o de capacidad de Nvidia puede ayudar a un proveedor a asegurar financiación y comenzar la construcción.

El acuerdo también respalda las ventas de Nvidia. Una empresa de nube con financiación puede comprar más sistemas Nvidia de los que podría financiar de forma independiente.

Esto crea la inversión en el centro de esta historia. Una base de clientes más amplia normalmente reduce el riesgo del proveedor, pero el respaldo de Nvidia puede transferir parte de ese riesgo de cliente de vuelta a Nvidia.

La empresa reveló una exposición bruta máxima de $3.5 mil millones derivada de garantías de terrenos, energía y edificios que involucran a socios seleccionados de nubes de IA. Los socios depositaron $712 millones en garantía para compensar parte de esa exposición.

En agosto de 2026, Nvidia también asumió garantías relacionadas con un proyecto de centro de datos de OpenAI en el PORTS Technology Campus de Ohio. El proyecto involucra aproximadamente 4.25 gigavatios de carga de tecnología de la información en nueve fases previstas.

Nvidia afirmó que su obligación agregada está limitada a $105 mil millones y comienza a medida que las fases que cumplan los requisitos entren en servicio. Se espera que la primera fase comience durante el ejercicio fiscal de 2029.

Las garantías se relacionan con partes definidas de los pagos de arrendamiento y energía. No representan un pago inmediato, y la exposición disminuye a medida que OpenAI cumple sus obligaciones.

No obstante, la escala cambia la forma en que los observadores deberían evaluar el boom. Nvidia ya no actúa únicamente como un proveedor de componentes que recibe pedidos y envía equipos.

También está ayudando a establecer las condiciones comerciales necesarias para que los clientes realicen esos pedidos. Su participación abarca ahora capacidad de nube, garantías de proyectos, inversiones de capital y planificación de infraestructura.

Kress respondió directamente a las críticas de que estas relaciones constituyen financiación circular. Sostuvo que las empresas que reciben apoyo cuentan con tecnología creíble, tracción de clientes y un uso creciente.

Esa es la postura de Nvidia, no una conclusión establecida de forma independiente. La prueba definitiva es si clientes externos compran suficientes servicios para sostener a estos proveedores sin un apoyo recurrente de los proveedores.

La cobertura de resultados recogió este desacuerdo aún sin resolver. Nvidia considera el apoyo financiero selectivo una forma de acelerar a clientes con limitaciones, mientras que los críticos ven una exposición correlacionada dentro de un ciclo de inversión en IA.

La distinción entre financiación circular y catalítica es importante. La financiación circular crea demanda principalmente porque los participantes se financian entre sí. La financiación catalítica ayuda a una demanda viable a superar obstáculos temporales de capital o construcción.

Las divulgaciones actuales contienen indicios que respaldan ambas interpretaciones. Las nuevas categorías de clientes están creciendo con rapidez, pero Nvidia está comprometiendo recursos significativos para ampliar su capacidad de compra.

Las cifras demuestran que se están vendiendo sistemas. Aún no demuestran que cada capa del mercado pueda obtener rendimientos suficientes al operarlos.

Lo que las cifras de ingresos no demuestran

Las ventas récord muestran una demanda inmediata de sistemas Nvidia, pero no demuestran una utilización sostenible, financiación independiente ni servicios de IA rentables.

La primera incertidumbre se refiere a la concentración de clientes. A pesar del crecimiento de categorías más amplias, un pequeño número de compradores directos sigue representando una gran parte del negocio de Nvidia.

Un cliente representó el 16 por ciento de los ingresos trimestrales. Cinco clientes concentraban el 70 por ciento de las cuentas por cobrar, según la presentación de la empresa.

Las cuentas por cobrar miden las ventas por las que Nvidia aún no ha recibido el pago. Una alta concentración significa que el gasto retrasado o reducido de varios clientes puede afectar materialmente al cobro de efectivo y al crecimiento futuro.

Nvidia también ha ampliado los plazos de pago para determinados clientes con grado de inversión. Los plazos más largos pueden respaldar grandes despliegues, pero aumentan el tiempo entre registrar una venta y recibir el efectivo.

Esta práctica no es automáticamente una señal de alerta. Los grandes proveedores de infraestructura suelen utilizar acuerdos de crédito para asegurar volumen y reforzar las relaciones con los clientes.

La cuestión es si los plazos ampliados siguen siendo selectivos y manejables. Un aumento sostenido podría indicar que los clientes necesitan más apoyo financiero para mantener su ritmo de compras.

La segunda incertidumbre implica el despliegue físico. Las GPU generan poco valor económico mientras esperan energía, refrigeración, redes o edificios terminados.

Nvidia elevó sus compromisos de suministro y capacidad de 119.000 millones de dólares en el trimestre anterior a 279.000 millones de dólares al 26 de julio. La empresa afirmó que esos compromisos ayudan a asegurar el inventario necesario para la demanda futura.

Esa decisión protege a Nvidia cuando el suministro es escaso. También aumenta la exposición si cambian los calendarios de los clientes o no se materializa la demanda esperada.

La presentación de la empresa identifica el terreno, la energía, el capital y la disponibilidad de edificios como restricciones esenciales. Ampliar estos recursos implica construcciones plurianuales, aprobaciones regulatorias, trabajo de ingeniería y conexiones a redes eléctricas.

Por tanto, un sistema vendido y un sistema operativo son hitos distintos. Los ingresos pueden llegar antes de que desarrolladores y empresas utilicen plenamente la capacidad informática instalada.

La tercera incertidumbre se refiere a los márgenes. La próxima plataforma de productos de Nvidia, Vera Rubin, inició los envíos de producción durante el tercer trimestre del ejercicio fiscal 2027.

Vera Rubin sucede a la generación Blackwell y combina nuevos componentes de computación, redes y sistemas. Nvidia espera enviar ambas generaciones mientras gestiona suministros limitados.

Las transiciones de producto pueden elevar los costes antes de que la fabricación se estabilice. La disponibilidad de memoria, los rendimientos de los componentes, los gastos de garantía y la complejidad de los sistemas pueden afectar a la rentabilidad incluso cuando crecen los ingresos.

El análisis independiente del trimestre señaló que Nvidia esperaba presión sobre el margen bruto durante la transición. Eso no invalida la fuerte demanda, pero muestra que unos envíos más rápidos no se traducen perfectamente en mayores rendimientos económicos.

La cuarta incertidumbre involucra a los clientes de los clientes de Nvidia. Una neocloud puede comprar hardware porque espera uso futuro, no porque cada hora de capacidad ya esté contratada.

La utilización mide la consistencia con la que la infraestructura informática realiza trabajo remunerado. Una baja utilización puede dificultar la financiación de un clúster costoso, incluso cuando la demanda parece fuerte durante los lanzamientos de productos.

Por ello, la economía de los usuarios finales importa más que los anuncios de compra. Los creadores de modelos deben generar ingresos, reducir costes operativos o crear otro valor medible a partir de la capacidad informática que alquilan.

Las empresas se enfrentan a un desafío adicional. Deben conectar los sistemas de IA con datos fiables, flujos de trabajo, controles de seguridad y empleados capaces de utilizar los resultados.

Una empresa puede comprar infraestructura sin completar ese trabajo organizativo. La brecha entre el despliegue y la adopción productiva puede extenderse durante trimestres o años.

Por eso, los grandes resultados en todo el sector tecnológico no han respondido a todas las preguntas sobre los rendimientos. Como observó el análisis de beneficios, los sólidos resultados corporativos siguen proporcionando evidencia limitada sobre los rendimientos de toda la ola de inversión.

La quinta incertidumbre es la competencia. Google, Amazon y otros grandes clientes continúan desarrollando aceleradores internos capaces de gestionar determinadas cargas de trabajo de IA.

La plataforma de Nvidia sigue utilizándose ampliamente, pero los compradores tienen incentivos claros para reducir costes y mejorar su poder de negociación. Los chips especializados pueden ganar cuota cuando las aplicaciones se vuelven lo bastante predecibles como para una optimización más precisa.

El crecimiento de las neocloud puede ayudar a Nvidia a compensar esa presión porque esos proveedores suelen organizar sus ofertas en torno al hardware de Nvidia. Sin embargo, también puede concentrar la exposición de Nvidia en negocios intensivos en capital.

La conclusión más defendible es más acotada que cualquiera de los extremos. Unas compras más amplias cuestionan la afirmación de que solo varios hyperscalers sostienen el mercado, mientras que la financiación y la concentración impiden una declaración clara de independencia.

Tres señales que pondrán a prueba el segundo ciclo de IA de Nvidia

La siguiente fase se validará mediante evidencia operativa, no con otro titular récord ni con un único ciclo de Google News.

La primera señal es el crecimiento fuera de los hyperscalers durante el próximo informe de resultados de Nvidia. La categoría de 40.300 millones de dólares debe seguir expandiéndose sin perder impulso en relación con las plataformas de nube más grandes.

Otro trimestre sólido respaldaría el argumento de que la demanda de IA se está extendiendo entre proveedores, empresas, gobiernos y clientes industriales. Un crecimiento más lento sugeriría que la reciente aceleración reflejó el calendario de los proyectos o pedidos inusualmente grandes.

La composición de ese crecimiento importa tanto como el total. Nvidia combina varios tipos de clientes en una sola categoría, por lo que los inversores deberían vigilar una mayor divulgación sobre empresas, compradores soberanos, laboratorios de IA y nubes especializadas.

Una mezcla más amplia de usuarios finales independientes reforzaría el argumento de Nvidia. Un crecimiento concentrado en varios proveedores de infraestructura financiados dejaría sin resolver la preocupación central.

La segunda señal es la utilización por terceros de la capacidad de neocloud. Los compromisos de nube de Nvidia disminuyen cuando los clientes externos consumen capacidad, lo que convierte esa actividad en un elemento central del modelo de financiación.

Un aumento del uso por terceros demostraría que el apoyo de Nvidia está ayudando a los proveedores a superar una brecha temporal de capital. También mostraría demanda de clientes que no necesitaron que Nvidia se convirtiera en su comprador directo de nube.

Una utilización débil apuntaría en la dirección contraria. Nvidia podría necesitar consumir más capacidad internamente, mantener los compromisos durante más tiempo o aceptar una mayor exposición al rendimiento de los proveedores.

Los anuncios públicos de contratos ofrecen solo evidencia parcial. Indicadores más útiles incluyen la cartera contratada, la concentración de clientes, la actividad de renovaciones, el flujo de caja operativo y el porcentaje de sistemas desplegados que realizan trabajo remunerado.

La tercera señal es la ejecución durante la transición a Vera Rubin. Nvidia debe convertir su previsión limitada por el suministro en sistemas terminados sin dañar los márgenes ni retrasar los despliegues de los clientes.

Los resultados publicados muestran una demanda que avanza por delante del suministro. Eso respalda el crecimiento a corto plazo, pero también aumenta la presión sobre la memoria, la fabricación, las redes, la energía y la construcción.

Una transición fluida de Rubin junto con una demanda continuada de Blackwell reforzaría el argumento de Nvidia sobre el segundo ciclo. Mostraría que los clientes no están retrasando compras mientras esperan la próxima arquitectura.

Los retrasos de producción, márgenes más débiles o aperturas de centros de datos pospuestas lo debilitarían. Esos resultados revelarían que las restricciones físicas y financieras pueden interrumpir la demanda antes de que los usuarios finales reciban capacidad utilizable.

Los lectores deberían evitar tratar cada récord de ventas de Nvidia como prueba definitiva de que la economía de la IA funciona. También deberían evitar asumir que la financiación de proveedores vuelve artificial cada transacción.

El mercado emergente contiene al mismo tiempo demanda real, apoyo estratégico, presión competitiva y riesgo financiero correlacionado. Los resultados de Nvidia revelan esa combinación con mayor claridad que una simple etiqueta de auge o burbuja.

Para los desarrolladores, el cambio puede mejorar el acceso a computación especializada fuera de las tres mayores nubes. Para los compradores empresariales, amplía las opciones de proveedores, pero hace más importante la estabilidad de los proveedores y los términos contractuales.

Para los trabajadores del conocimiento y los usuarios de productos de IA, el resultado relevante no es el número de GPU instaladas. Es si esa capacidad produce servicios mejores, más fiables y económicamente útiles.

Observe en conjunto la próxima mezcla de clientes, la utilización de neocloud y el despliegue de Rubin. Esas tres señales mostrarán si este momento de Google News marca una adopción duradera o un ciclo de infraestructura más elaborado.