SpaceX apuesta exclusivamente por Nvidia Vera Rubin para computación de IA
Elon Musk afirma que SpaceX estandarizará su infraestructura en hardware de Nvidia, pese a las crecientes alternativas de AMD y los proveedores de chips personalizados. El informe de Nvidia de Tom's Hardware señala que Musk calificó a Vera Rubin como la mejor arquitectura de IA disponible y describió planes para un despliegue orbital el próximo año.
El compromiso abarca una enorme expansión de la computación terrestre, así como las ambiciones orbitales más especulativas de SpaceX. Musk supuestamente espera que SpaceX termine 2026 con más de dos gigavatios de capacidad de cómputo. También prevé que su capacidad acumulada se multiplique durante 2027.
La decisión plantea una clara competencia entre los sistemas estrechamente integrados de Nvidia y una estrategia de aceleradores más diversificada. AMD está enviando sistemas Helios, mientras que Google opera sus propios TPU Ironwood. SpaceX opta en cambio por la concentración, apostando a que la pila completa de Nvidia ofrecerá más trabajo útil de IA por cada vatio limitado.
Esta apuesta importa porque SpaceX no está comprando chips aislados. Está adoptando procesadores, redes, refrigeración, interconexiones y software como una única arquitectura informática coordinada. Trasladar una versión de ese sistema a la órbita hace que el desafío de integración sea mucho más difícil.
SpaceX está convirtiendo una preferencia en un compromiso exclusivo
La declaración de Musk transforma a Nvidia de un proveedor importante de SpaceX en la base predeterminada de su infraestructura de IA en expansión.
Según el plan exclusivo de Nvidia, SpaceX pretende utilizar sistemas Vera Rubin para futuras capacidades de entrenamiento e inferencia. Musk supuestamente describió la arquitectura como el mejor ordenador de IA disponible actualmente.
Esa formulación es importante. Los grandes operadores de IA suelen conservar poder de negociación probando varias familias de procesadores, incluso cuando un proveedor gestiona la mayor parte de las cargas de trabajo de producción. Un compromiso exclusivo reduce esa flexibilidad a cambio de una mayor estandarización.
La estandarización puede simplificar las operaciones de los clústeres. Los ingenieros pueden optimizar modelos, bibliotecas de comunicación, sistemas de programación y herramientas de observabilidad en torno a una única pila de hardware y software. También evitan mantener rutas de rendimiento separadas para arquitecturas con diferente comportamiento de memoria, redes y compiladores.
SpaceX y xAI tienen requisitos de infraestructura estrechamente relacionados. Ambas necesitan clústeres densos de entrenamiento para el desarrollo de modelos y grandes flotas de inferencia para servir modelos y sistemas autónomos. SpaceX también tiene cargas de trabajo específicas relacionadas con satélites, operaciones de lanzamiento, comunicaciones, imágenes y navegación.
La frontera organizativa exacta sigue sin estar clara. Las referencias públicas combinan cada vez más partes de la infraestructura de las empresas bajo el nombre SpaceXAI. Sin embargo, los comentarios de Musk indican que Nvidia respaldará tanto grandes instalaciones terrestres como la computación orbital prevista.
La escala hace que esto sea más que un anuncio rutinario de adquisición. Más de dos gigavatios de cómputo representan un enorme compromiso eléctrico y de refrigeración. Como referencia, ese nivel de potencia se aproxima a la producción de varias instalaciones de generación a escala de servicios públicos.
Musk supuestamente afirmó que la capacidad a finales de 2027 debería ser varias veces superior al nivel de 2026. Estas proyecciones son planes, no despliegues completados. Dependen de que chips, equipos de red, edificios, conexiones eléctricas, sistemas de refrigeración, financiación y software operativo lleguen al mismo tiempo.
Vera Rubin NVL72 está diseñado para ese modelo de despliegue coordinado. NVL72 describe un sistema a escala de rack que contiene 72 GPU Rubin conectadas de modo que las cargas de trabajo puedan tratarlas como un dominio informático estrechamente acoplado.
El sistema también incluye 36 CPU Vera, componentes de red de Nvidia y unidades de procesamiento de datos. Nvidia afirma que NVLink 6 proporciona 260 terabytes por segundo de ancho de banda total entre todos los elementos dentro del rack.
Esta arquitectura está orientada a modelos de mezcla de expertos, que activan componentes seleccionados del modelo para cada solicitud. Estos modelos generan un intenso tráfico de comunicaciones porque los tokens deben desplazarse entre expertos especializados distribuidos entre aceleradores.
Nvidia afirma que Vera Rubin puede entrenar grandes modelos de mezcla de expertos usando una cuarta parte de las GPU necesarias con Blackwell. La empresa también afirma lograr un rendimiento de inferencia por vatio hasta diez veces superior en determinadas cargas de trabajo.
Estas cifras requieren una interpretación cuidadosa. Nvidia elaboró las comparaciones utilizando configuraciones y cargas de trabajo definidas. No demuestran que cada modelo, clúster o aplicación experimentará la misma mejora.
Aun así, la dirección encaja con la limitación de SpaceX. A escala de varios gigavatios, obtener más tokens de cada vatio resulta tan importante como comprar procesadores más rápidos. La capacidad eléctrica puede limitar el despliegue antes de que lo haga la demanda de cómputo.
Por tanto, la narrativa de Nvidia Tom se basa en una decisión a nivel de sistema. SpaceX está seleccionando una arquitectura que vincula el rendimiento de los aceleradores con las redes, la memoria, la gestión energética, la refrigeración y el software. Esa elección crea ventajas operativas, pero también profundiza la dependencia de un único proveedor.
Por qué la historia de Nvidia Tom sobre Vera Rubin trata realmente de energía
El compromiso de SpaceX presiona a todos los proveedores de aceleradores para competir en eficiencia de infraestructura completa, no en el rendimiento destacado de los chips.
La infraestructura de IA ha pasado de colecciones de servidores a sistemas a escala de rack. Ahora un rack se comporta más como un ordenador coordinado, con sus procesadores, red, memoria, refrigeración y controles de energía diseñados conjuntamente.
Vera Rubin encarna ese cambio. Nvidia afirma que cada GPU Rubin contiene 288 gigabytes de HBM4, una memoria de alto ancho de banda situada cerca del procesador. Esa memoria suministra datos más rápido de lo que puede hacerlo la memoria convencional de servidor.
La GPU también utiliza el Transformer Engine de tercera generación de Nvidia, que acelera las operaciones matemáticas detrás de los grandes modelos de lenguaje. Nvidia afirma que Rubin ofrece un rendimiento agéntico por unidad de energía hasta diez veces superior al de Blackwell.
Las cargas de trabajo agénticas difieren de una simple respuesta de chatbot. Pueden implicar razonamiento repetido, llamadas a herramientas, pasos de verificación y contexto extenso. Por tanto, cada solicitud de usuario puede desencadenar muchas rondas de inferencia en lugar de una única secuencia de salida.
La estabilización de la energía gana valor en esas condiciones. Las cargas de trabajo de GPU pueden producir picos eléctricos rápidos, obligando a los operadores a reservar infraestructura para una demanda que aparece solo brevemente.
Nvidia afirma que los controles a nivel de rack de Rubin reducen la potencia media en aproximadamente un 10 por ciento frente a su enfoque anterior de estabilización. También afirma una reducción cercana al 20 por ciento en los picos medidos durante 50 milisegundos.
A nivel más amplio de instalación, Nvidia afirma que su diseño DSX MaxLPS puede alojar hasta un 40 por ciento más de GPU dentro de un límite de potencia fijo. El sistema coordina la ubicación de las cargas de trabajo, la refrigeración y el comportamiento eléctrico en lugar de tratarlos como problemas independientes.
Estas son mediciones de Nvidia, y los datos independientes de producción siguen siendo limitados. CoreWeave ha aportado una validación externa relevante a partir de hardware en funcionamiento. Informó de diez veces más tokens DeepSeek-R1 por segundo por megavatio que Grace Blackwell NVL72.
El benchmark cubre un modelo y un despliegue específicos. No resuelve el coste total, la fiabilidad ni el rendimiento en todas las cargas de trabajo de SpaceX. Sin embargo, mide exactamente el recurso que limita las enormes instalaciones de IA: la producción útil por megavatio.
Vera Rubin también utiliza refrigeración líquida con agua templada. Nvidia especifica una temperatura de entrada de 45 grados Celsius, lo que permite que las instalaciones en climas adecuados utilicen refrigeradores secos sin enfriadoras convencionales durante largos periodos.
En la Tierra, ese diseño puede reducir los equipos auxiliares y el consumo de agua. En órbita, el mismo rack de refrigeración líquida no puede funcionar sin cambios. Su calor residual debe salir finalmente a través de radiadores porque el espacio no ofrece aire circundante para la convección.
El relato de Nvidia Tom's Hardware describe un NVL72 optimizado, no un rack terrestre estándar colocado dentro de un cohete. Esa distinción es esencial. Un sistema de vuelo requiere diferentes supuestos de encapsulado, suministro eléctrico, refrigeración, blindaje, redundancia y mantenimiento.
Nvidia ya ha presentado un producto relacionado llamado Space-1 Vera Rubin Module. Su plataforma de computación espacial está orientada a centros de datos orbitales, procesamiento geoespacial y naves espaciales autónomas.
El módulo no es idéntico a un rack NVL72. Nvidia lo describe como un diseño limitado por tamaño, peso y potencia que contiene una GPU Rubin y una arquitectura CPU-GPU estrechamente integrada.
Nvidia afirma que el módulo proporciona hasta 25 veces más cómputo de IA que un H100 para inferencia basada en el espacio. No ha publicado suficientes resultados de vuelo independientes para establecer el rendimiento, la longevidad o la fiabilidad en una órbita operativa.
No obstante, los productos terrestres y orbitales comparten una misma idea. SpaceX quiere más computación allí donde la electricidad, la refrigeración, el ancho de banda y el espacio físico son limitados. La estrategia de Nvidia consiste en optimizar toda la plataforma en torno a esas restricciones.
Eso ejerce presión sobre AMD, los aceleradores personalizados y los proveedores de redes de uso general. Igualar un benchmark de una GPU ya no es suficiente. Los competidores deben demostrar que sus sistemas completos pueden ejecutar modelos de forma fiable a una escala comparable.
Vera Rubin se enfrenta a AMD Helios y al silicio personalizado de Google
La exclusividad de SpaceX es un voto por el ecosistema integrado de Nvidia, no una prueba de que los aceleradores rivales hayan perdido el mercado en general.
La plataforma Helios de AMD es la alternativa directa más clara. Helios combina aceleradores MI455X, CPU EPYC Venice, redes Pensando y el software ROCm de AMD en un diseño integrado a escala de rack.
AMD afirma que enviará Helios a clientes durante la segunda mitad de 2026. Microsoft planea desplegar el sistema para la inferencia de modelos de frontera, servicios Azure y cargas de trabajo de clientes.
Ese despliegue de Microsoft Helios importa porque proporciona a AMD un campo de pruebas a escala de hiperescala. Microsoft puede comparar arquitecturas en muchos modelos, patrones de clientes y condiciones de red.
AMD describe Helios como una plataforma abierta. Su posicionamiento enfatiza los estándares, la elección de infraestructura y la posibilidad de evitar la dependencia de un único sistema propietario.
SpaceX está siguiendo la ruta opuesta. Parece dispuesta a aceptar una dependencia más profunda de Nvidia si una integración más estrecha produce un despliegue más rápido y una mayor utilización. Ese intercambio sustituye la flexibilidad de proveedores por consistencia operativa.
La decisión no elimina de la noche a la mañana a AMD de las empresas de Musk. Los aceleradores existentes pueden seguir funcionando durante su vida útil. La migración también exige pruebas de modelos, cambios de software y planificación de capacidad.
Por tanto, “exclusivamente” debería describir la construcción futura, salvo que SpaceX proporcione un calendario de retirada del hardware actual. No debería interpretarse como prueba de que todos los procesadores no pertenecientes a Nvidia ya hayan desaparecido.
Google representa una vía competitiva diferente. Su Tensor Processing Unit Ironwood es silicio personalizado desarrollado para los modelos y servicios en la nube de Google, en lugar de una GPU comercial de uso general.
Ironwood es la TPU de séptima generación de Google y se centra en la inferencia. Google afirma que un superpod puede escalar hasta 9.216 chips, ofreciendo a los clientes una alternativa estrechamente integrada dentro de Google Cloud.
El diseño de TPU Ironwood muestra por qué Nvidia no puede depender únicamente del rendimiento de las GPU. Los principales operadores de nube pueden coordinar sus propios procesadores, redes, compiladores y software de modelos.
Amazon sigue una estrategia similar con Trainium, mientras otros desarrolladores de modelos buscan aceleradores personalizados. Estos sistemas pueden orientarse a perfiles de carga de trabajo más específicos y reducir la exposición a la disponibilidad de GPU comerciales.
Sin embargo, el silicio personalizado funciona mejor para organizaciones capaces de mantener compiladores, kernels, frameworks y herramientas de despliegue a través de múltiples generaciones. Esa inversión es difícil incluso para las grandes empresas.
La ventaja de Nvidia es CUDA, su entorno de software para programar GPU, además de bibliotecas maduras y una amplia base de desarrolladores. Los modelos y las herramientas de infraestructura suelen llegar primero al hardware de Nvidia.
La ventaja se extiende a las redes. NVLink conecta procesadores dentro de un dominio estrechamente acoplado, mientras Spectrum-X e InfiniBand trasladan datos entre racks. Nvidia también suministra procesadores BlueField para tareas de infraestructura y almacenamiento.
Un cliente que elige Vera Rubin puede obtener gran parte de la pila tecnológica de una sola hoja de ruta. Esto reduce los límites de integración, aunque también da a Nvidia un mayor control sobre el calendario de actualizaciones del cliente.
Para SpaceX, la velocidad puede pesar más que la opcionalidad. Según informes, la empresa quiere añadir gigavatios de capacidad de cómputo en un periodo corto. Mantener varias pilas de aceleradores podría ralentizar la optimización, el despliegue y la respuesta ante incidentes.
El cálculo es distinto para Microsoft, Google, Meta y los clientes de nube. Pueden distribuir cargas de trabajo entre Nvidia, AMD y procesadores internos según la disponibilidad, la economía y la idoneidad técnica.
AMD informó que Meta planea desplegar hasta seis gigavatios de GPU Instinct, empezando con un gigavatio mediante un diseño personalizado basado en MI450. Esa escala prevista demuestra que el mercado de aceleradores aún admite alternativas de gran tamaño.
Por tanto, la decisión exclusiva de una empresa no debería convertirse en una conclusión para toda la industria. SpaceX está realizando una apuesta concentrada bajo su propio calendario y limitaciones.
La frase de Nvidia Tom puede atraer a lectores que buscan un ganador sencillo. El resultado más preciso es más acotado: Nvidia ha convencido a un comprador excepcionalmente ambicioso de que la integración importa más que la diversidad de hardware.
Un NVL72 orbital debe sobrevivir a algo más que un lanzamiento
El plan orbital sigue siendo una exigente afirmación de ingeniería hasta que el hardware de vuelo demuestre su comportamiento térmico, tolerancia a la radiación y fiabilidad operativa.
Un NVL72 terrestre es un rack refrigerado por líquido diseñado para un centro de datos controlado. Los técnicos pueden sustituir piezas averiadas, las bombas pueden mover el refrigerante y los sistemas de la instalación pueden expulsar el calor al entorno.
La órbita elimina esas premisas. El vacío impide la refrigeración por convección, mientras que cada vatio consumido por la computación termina convirtiéndose en calor. Los radiadores deben emitir ese calor como energía infrarroja.
El sistema también se enfrenta a vibraciones de lanzamiento, aceleración, radiación y cambios repetidos de temperatura. Los componentes optimizados para el rendimiento terrestre no cumplen automáticamente los requisitos de fiabilidad de las naves espaciales.
La NASA señala que la radiación espacial puede dañar los componentes electrónicos con el tiempo. Las partículas individuales también pueden provocar errores transitorios que corrompen datos o interrumpen el funcionamiento.
Su programa de computación para vuelos espaciales considera la tolerancia a fallos y la gestión de energía como requisitos fundamentales de diseño. La recuperación autónoma es importante porque las naves espaciales no pueden depender de una reparación física inmediata.
El riesgo de radiación no significa que el silicio comercial no pueda volar. Los operadores espaciales pueden combinar blindaje, redundancia, corrección de errores, selección de componentes y recuperación por software. La pregunta práctica es cuánta masa y energía añaden esas protecciones.
El blindaje ilustra el conflicto. Más material puede reducir la exposición a la radiación, pero la masa de lanzamiento es costosa y tiene consecuencias estructurales. La redundancia adicional también consume energía y genera calor.
SpaceX puede contar con ventajas de las que carecen otros operadores. Controla vehículos de lanzamiento, producción de satélites, redes de comunicaciones y operaciones de constelaciones. Puede diseñar cargas útiles de cómputo junto con las plataformas que las transportan.
Los lanzamientos frecuentes también permiten un modelo de fiabilidad diferente. En lugar de hacer que cada sistema sobreviva durante décadas, SpaceX podría aceptar vidas útiles más cortas y sustituir unidades con regularidad. Ningún plan público detallado confirma aún ese enfoque.
La energía solar ofrece otra posible ventaja. Las plataformas orbitales pueden recibir luz solar sin interrupciones por el clima o la noche en trayectorias adecuadas. Sin embargo, sus paneles, baterías, radiadores y sistemas de orientación añaden complejidad y masa.
La lógica económica depende de la carga de trabajo. Procesar imágenes satelitales localmente puede reducir la demanda de enlace descendente y ofrecer resultados más rápidos. La navegación autónoma y la gestión de comunicaciones también se benefician de la inferencia a bordo de baja latencia.
Entrenar modelos de frontera de propósito general en órbita es más difícil de justificar de inmediato. Los datos terrestres deben llegar al clúster orbital, y las salidas o puntos de control del modelo deben regresar. La fiabilidad y el ancho de banda de la red pasan a formar parte del sistema de cómputo.
El anuncio Space-1 de Nvidia hace hincapié en la inferencia, la inteligencia geoespacial y las operaciones autónomas. Estas aplicaciones están más cerca de las necesidades actuales de los satélites que los gigantescos clústeres de entrenamiento de propósito general.
El NVL72 optimizado descrito por Musk parece más ambicioso. Sugiere una carga útil de cómputo mayor que conserva el comportamiento estrechamente conectado del rack terrestre de Nvidia.
Aún no existe una especificación técnica pública que establezca cuántas GPU volarán, cómo estarán protegidas o cómo funcionará la refrigeración. SpaceX no ha detallado la plataforma espacial, la órbita, el área de los radiadores ni la vida útil esperada de la misión.
La fecha de lanzamiento también sigue siendo un objetivo. Las empresas de Musk suelen fijar calendarios agresivos que se desplazan a medida que avanza la ingeniería. Los lectores deberían considerar “el próximo año” como un hito previsto para 2027, no como una entrada confirmada en el manifiesto de lanzamiento.
La brecha de verificación importa porque el NVL72 estándar de Nvidia ya es un complejo sistema de instalación. Su arquitectura de rack integra 72 GPU, 36 CPU, refrigeración líquida, redes y controles de energía.
Hacer que los procesadores funcionen en órbita es solo un desafío. Preservar un rendimiento útil a escala de rack mientras se cumplen los límites de masa, térmicos y de fiabilidad de una nave espacial es el problema de sistemas más difícil.
La latencia añade otra complicación. Los satélites dentro de un clúster necesitan comunicaciones estables y de alto ancho de banda si las cargas de trabajo distribuidas abarcan varias naves. Los enlaces láser ofrecen capacidad, pero la topología y las condiciones de línea de visión cambian a medida que los satélites se desplazan.
Una sola nave espacial grande podría mantener más conexiones locales. Ese enfoque concentra el riesgo de lanzamiento y exige una carga útil más pesada. Los sistemas distribuidos reparten el riesgo, pero dificultan más las redes y la sincronización.
También existe un problema de mantenimiento. El rack terrestre de Nvidia utiliza bandejas de red intercambiables en caliente, lo que permite a los operadores sustituir componentes sin desmontar el sistema. El hardware orbital obtiene poco beneficio del intercambio en caliente sin mantenimiento robótico.
Por tanto, el software debe tolerar fallos parciales. Los trabajos necesitan puntos de control, enrutamiento alrededor de procesadores dañados y recuperación autónoma cuando la comunicación con la Tierra no está disponible.
Estas incógnitas no hacen imposible el proyecto. Lo convierten en un programa aeroespacial, no en una instalación de centro de datos. Las afirmaciones de rendimiento siguen siendo secundarias hasta que SpaceX demuestre un sistema homologado para vuelo.
El informe de Nvidia Tom's Hardware refleja la confianza de Musk, pero la confianza no es información de homologación. El primer lanzamiento deberá demostrar cómputo, refrigeración y comunicación estables bajo condiciones orbitales reales.
Tres señales pondrán a prueba la apuesta de SpaceX por Nvidia
El plan de SpaceX gana credibilidad cuando la escala de adquisición, el hardware de vuelo y el rendimiento de producción pasan de las declaraciones a una operación medible.
La primera señal es el despliegue terrestre de Vera Rubin dentro de SpaceX y xAI. Nvidia afirma que la producción de NVL72 está aumentando, con sistemas ya operativos en varios socios de nube, en más de 350 centros de fabricación de 30 países.
SpaceX necesita revelar o demostrar avances comparables. Los megavatios instalados, la disponibilidad del clúster, los tiempos de finalización del entrenamiento y la producción de inferencia mostrarían si la exclusividad genera ganancias operativas.
El objetivo de dos gigavatios para finales de año ofrece un punto de control claro. Alcanzarlo reforzaría el argumento de Musk de que una arquitectura estandarizada acelera la construcción. Un retraso significativo expondría limitaciones de energía, suministro o integración de instalaciones.
La segunda señal es una carga útil orbital identificable. SpaceX debería proporcionar finalmente un nombre de misión, ventana de lanzamiento, órbita, presupuesto energético, número de aceleradores, arquitectura térmica y vida útil prevista.
Un anuncio de lanzamiento sin esos detalles aportaría evidencia técnica limitada. Un diseño homologado para vuelo, con pruebas de radiación y datos térmicos, reforzaría materialmente la afirmación sobre computación orbital.
La relación entre el módulo Space-1 de Nvidia y el NVL72 optimizado de SpaceX también necesita aclaración. Uno es un producto orbital compacto, mientras el otro implica un dominio de cómputo mucho mayor a escala de rack.
Si SpaceX lanza un módulo Rubin pequeño, validará parte de la ruta de hardware. No demostrará que un sistema de la clase NVL72 pueda operar con rendimiento a escala de rack en órbita.
La tercera señal es el rendimiento competitivo de AMD Helios y los aceleradores personalizados. AMD está iniciando los envíos de Helios, Microsoft planea un despliegue en producción y Google ya ofrece capacidad Ironwood.
Los buenos resultados de esos sistemas debilitarían la afirmación de que Vera Rubin es categóricamente la mejor arquitectura. También aumentarían el coste económico de la posición exclusiva de SpaceX.
Por el contrario, un despliegue amplio de Rubin con una eficiencia de producción superior reforzaría la elección de Musk. Las mediciones más útiles incluirán tokens por megavatio, utilización del clúster, tasas de fallos y tiempo de migración de modelos.
Los compradores deberían distinguir entre liderazgo en benchmarks y liderazgo en cargas de trabajo. Un sistema puede dominar con un modelo o formato de precisión, mientras otra arquitectura funciona mejor bajo requisitos distintos de latencia, memoria o software.
Los desarrolladores también deberían observar si SpaceX publica herramientas creadas para la computación con restricciones. La programación, la recuperación ante fallos, la inferencia distribuida y la reducción de datos desarrolladas para la órbita podrían influir en los sistemas edge terrestres.
Los trabajadores del conocimiento percibirán los efectos de forma indirecta. Una mayor capacidad de inferencia puede respaldar modelos más rápidos, flujos de trabajo de agentes más largos y servicios que analizan grandes flujos de sensores cerca de su fuente.
La lección más amplia no es que todas las empresas deban elegir un solo proveedor. Es que las decisiones de infraestructura de IA ahora implican sistemas eléctricos, redes, refrigeración, compiladores y capacidades operativas, además de las especificaciones de los procesadores.
SpaceX ha elegido una pila coordinada y ha aceptado el riesgo de concentración. AMD, Google y otros proveedores pondrán a prueba si una ruta abierta o personalizada verticalmente puede ofrecer una mejor economía.
La historia de búsqueda de Nvidia Tom comienza con Musk calificando a Vera Rubin como la mejor. La cuestión importante es si SpaceX puede convertir esa confianza en clústeres terrestres fiables y computación orbital homologada para vuelo.
Observe la potencia instalada, las especificaciones de la primera carga útil y los resultados de producción de los sistemas competidores. Esas señales mostrarán si la exclusividad creó una ventaja o simplemente redujo las opciones de SpaceX.
