En un momento en el que la Inteligencia Artificial se ha convertido en el centro gravitacional de la tecnología —y, cada vez más, de la geopolítica industrial—, Jensen Huang ha optado por un registro poco habitual en un CEO de una compañía de su tamaño: el de la anécdota personal con moraleja financiera. En el Foro Económico Mundial de Davos, el consejero delegado de NVIDIA recordó cómo, tras la salida a bolsa, vendió acciones cuando la empresa estaba valorada en 300 millones de dólares para comprar a sus padres un Mercedes S-Class. Hoy admite que se arrepiente del timing.
La historia, contada con naturalidad, funciona como metáfora de algo mayor: el vértigo de una revolución tecnológica que ha comprimido décadas de evolución industrial en pocos años. Aquella NVIDIA “pequeña” de la pos-OPV contrasta con la compañía que, en la ola de la IA, ha llegado a moverse cerca del umbral de los 5 billones de dólares de capitalización bursátil en distintos momentos recientes.
Del arrepentimiento personal al mensaje estratégico: “esto no ha hecho más que empezar”
El relato del coche no se quedó en la nostalgia. Huang lo utilizó como punto de apoyo para reforzar una tesis que viene repitiéndose en los últimos trimestres: la IA no es solo una capa de software, sino una transformación de la infraestructura global. En ese mismo contexto, defendió que el mundo ya está inmerso en “el mayor despliegue de infraestructura de la historia”, con “cientos de miles de millones” invertidos y “billones” todavía por construir.
El argumento no es menor: si la IA pasa de ser un conjunto de demos espectaculares a una tecnología ubicua en empresas y administraciones, el cuello de botella deja de ser el prompt y pasa a ser la capacidad física de computación (y todo lo que la hace viable): centros de datos, redes, energía, refrigeración, cadena de suministro y talento.
Tabla 1 — Qué implica “el mayor despliegue de infraestructura” (en términos prácticos)
| Capa del stack | Qué se está expandiendo | Por qué importa para la IA | Riesgo si falla |
|---|---|---|---|
| Cómputo | Clústeres de GPU/CPU, aceleración | Entrenamiento e inferencia a escala | Saturación, latencias, costes disparados |
| Red | Interconexión de alto rendimiento | Movilizar datos y sincronizar sistemas | Cuellos de botella, infra subutilizada |
| Energía | Capacidad eléctrica y estabilidad | El cómputo intensivo “come” vatios | Limitación de crecimiento, tensión regulatoria |
| Refrigeración | Aire y líquido a gran densidad | Mantener rendimiento sin degradación | Paradas, reducción de densidad, CAPEX/OPEX mayor |
| Software | Pilas optimizadas, herramientas | Exprimir hardware y acelerar despliegues | Retorno menor de inversión, complejidad operativa |
La parte incómoda: el coste de oportunidad y la psicología de la “venta demasiado pronto”
La escena del Mercedes S-Class es reconocible para cualquier inversor: vender para materializar un objetivo legítimo y descubrir, años después, que el activo entra en una fase de crecimiento que parecía improbable. En el caso de Huang, el contraste es extremo porque la propia compañía se convirtió en uno de los símbolos bursátiles del ciclo de la IA.
En paralelo, el mercado ha vivido episodios que alimentan ese mismo marco mental: empresas que redujeron exposición a NVIDIA antes del gran tramo alcista o que rotaron cartera hacia otras apuestas tecnológicas. SoftBank, por ejemplo, llegó a comunicar desinversiones relevantes en NVIDIA en años recientes, en decisiones vinculadas a su propia estrategia de capital y enfoque en otras áreas.
La lectura para el sector no es “comprar y no vender nunca”, sino entender que la IA está generando un tipo de ciclo donde el CAPEX se acelera primero y la captura de valor se reparte después, de manera desigual, entre plataformas, integradores y usuarios finales.
¿Está garantizado el retorno? La pregunta que sobrevuela el boom de los centros de datos
La tesis del “despliegue inevitable” no elimina una preocupación central: si la inversión masiva en infraestructura se traduce en beneficios sostenibles para clientes y sociedad. Huang sostiene que la dirección está marcada por la evolución de los modelos y las aplicaciones, y que el crecimiento de demanda de computación no se ha detenido.
Pero el propio mercado ya ha aprendido, en ciclos anteriores, que el exceso de capacidad puede castigar a operadores y fabricantes si la demanda no se materializa al ritmo previsto. En IA, el matiz es que el consumo computacional no solo depende de entrenar modelos grandes; también de servir inferencia a millones de usuarios y procesos empresariales, con requisitos de latencia y costes radicalmente distintos.
Tabla 2 — Dos escenarios plausibles para 2026–2027
| Escenario | Qué ocurre | Señales típicas | Ganadores probables |
|---|---|---|---|
| Expansión sostenida | La IA se integra en procesos y productos con ROI medible | Más cargas de inferencia, automatización real, adopción en sectores regulados | Proveedores de infraestructura, plataformas y servicios gestionados |
| Ajuste selectivo | Parte del CAPEX se aplaza por costes energéticos o falta de casos de uso | Presión regulatoria/energética, consolidación de proyectos, foco en eficiencia | Actores con tecnología más eficiente y clientes con mejor gobernanza de IA |
La idea fuerza: infraestructura, sí; pero también utilidad
El valor del testimonio de Huang es que aterriza la conversación: por un lado, humaniza el relato financiero (el “yo también vendí demasiado pronto”); por otro, insiste en que la IA se juega su futuro fuera de los titulares, en la ejecución industrial.
Davos fue el escenario, pero el mensaje tiene recorrido: si la IA está impulsando el mayor ciclo de construcción tecnológica contemporáneo, la pregunta relevante no es solo quién fabrica chips, sino quién convierte capacidad de cómputo en productividad, servicios y ventajas competitivas medibles.
Preguntas frecuentes
¿Qué quiso decir Jensen Huang con “el mayor despliegue de infraestructura de la historia”?
Se refería al volumen de inversión acumulada y futura en centros de datos, computación acelerada, redes y energía necesarios para sostener el crecimiento de la IA a gran escala.
¿Por qué la anécdota del Mercedes S-Class ha llamado tanto la atención?
Porque ilustra el coste de oportunidad de vender acciones antes de una fase de expansión extraordinaria y pone un ejemplo personal, poco frecuente, desde la cúpula de una empresa líder en IA.
¿NVIDIA ha llegado realmente cerca de los 5 billones de dólares de valor en bolsa?
En momentos recientes, la compañía ha sido descrita como cercana a ese umbral, con referencias a capitalizaciones en el entorno de 4,89 billones y aproximaciones al hito de los 5 billones.
¿Qué riesgo principal tiene esta ola de inversión en infraestructura de IA?
Que parte de la capacidad se construya más rápido de lo que madura la adopción útil (casos de uso con ROI), especialmente si entran en juego limitaciones energéticas, regulatorias o de costes operativos.
vía: wccftech
