Nvidia (NVDA) se ha transformado en los últimos años de ser un fabricante de chips para videojuegos en una fuerza dominante en chips de inteligencia artificial (IA), impulsando un crecimiento de ingresos masivo: los ingresos anuales aumentaron un 2. 500% en la última década. Al ingresar temprano en el mercado de chips de IA y mantener una innovación continua, Nvidia aseguró y mantiene su liderazgo en el mercado. Sin embargo, algunos inversores temen la creciente competencia de otros diseñadores de chips como Advanced Micro Devices y Broadcom, así como de los propios clientes de Nvidia, como Amazon y Alphabet, que han desarrollado sus propios chips de IA para clientes conscientes de los costos. Inicialmente, las GPU de Nvidia impulsaban el entrenamiento de modelos de lenguaje grandes (LLMs), permitiéndoles aprender y adquirir conocimientos. Hoy en día, estas GPU también apoyan el proceso de inferencia, donde los LLMs “piensan” y “razonan”.

Nvidia apuesta a la inferencia como una área de gran crecimiento para los chips de IA. Sus últimas GPU Blackwell superaron a los modelos anteriores, ofreciendo 10 veces más rendimiento por vatio y 10 veces menor costo por token en las pruebas MLCommons en comparación con los chips Hopper previos — destacando avances significativos en velocidad y eficiencia de costos. El CEO de Nvidia, Jensen Huang, destacó la ventaja duradera de la compañía durante una reciente llamada de resultados, afirmando que “va a llevar mucho tiempo antes de que alguien pueda enfrentarlo”, y reafirmando que el liderazgo de Nvidia es “ciertamente a largo plazo”. Aunque los competidores puedan encontrar nichos, ya que algunos clientes podrían no necesitar las GPU más potentes o preferir chips personalizados, Nvidia sigue siendo el principal proveedor de la capacidad de cómputo de IA de mayor rendimiento. Sus altos márgenes brutos por encima del 70%, ingresos récord que superaron los 130 mil millones de dólares en el último año fiscal y su innovación continua lo posicionan bien para el crecimiento futuro, especialmente a medida que aumentan la importancia de las cargas de trabajo de inferencia para potenciar las aplicaciones de IA.