En Nvidia GTC 2026, Jensen Huang expresó con confianza: muchas empresas nativas de IA han surgido porque Nvidia “ha redefinido el cálculo”. Dijo que estamos en el inicio de una nueva revolución en plataformas, similar a la revolución de las computadoras personales. En los últimos dos años, con la aparición de ChatGPT, la era de la IA generativa realmente comenzó.
Huang mostró una diapositiva clave que revela que el mercado global de potencia de cálculo para IA está entrando en una fase de crecimiento explosivo. La gráfica muestra que el tamaño potencial del mercado de centros de datos (TAM) ha pasado de aproximadamente 500 mil millones de dólares en 2025 a más de 1 billón de dólares ($1T) en solo un año, y sigue expandiéndose. El concepto central en la diapositiva es “Inference Inflection” (Punto de inflexión en inferencia).
El desarrollo de la IA en el pasado se centraba principalmente en la fase de entrenamiento, que consiste en hacer que los modelos aprendan de grandes cantidades de datos. Pero a medida que los modelos grandes maduran, la IA comienza a desplegarse en diversos productos y servicios, como atención al cliente, generación de imágenes y desarrollo de software. Esto significa que el enfoque del mercado está cambiando del entrenamiento a la inferencia.
Cuando la IA es utilizada por miles de millones de usuarios simultáneamente, cada consulta, generación de imágenes o videos requiere soporte computacional. Esta demanda de cálculos de alta frecuencia y baja latencia hará que la demanda de potencia de inferencia crezca de manera geométrica, siendo esto un motor clave para el mercado de centros de datos de IA que podría alcanzar billones de dólares.
La estructura del mercado en la diapositiva de la derecha muestra que la demanda actual de potencia de cálculo en IA proviene principalmente de dos tipos de clientes. Aproximadamente el 60% de la demanda proviene de hyperscalers y empresas nativas de IA, incluyendo:
Amazon Web Services
Google Cloud
Microsoft
Y desarrolladores de modelos de IA como:
OpenAI
Anthropic
xAI
El otro 40% de la demanda proviene de áreas en las que Nvidia ha puesto énfasis en los últimos años, como Sovereign AI (IA soberana), aplicaciones industriales y empresariales. La IA soberana se refiere a que los gobiernos establecen infraestructura de IA propia, adaptada a su idioma, cultura y datos, por ejemplo:
Construcción de supercomputadoras nacionales de IA
Entrenamiento de modelos de lenguaje locales
Establecimiento de soberanía de datos nacionales
Además, las industrias tradicionales también están adoptando IA a gran escala, incluyendo:
Automoción y sistemas de conducción autónoma
Manufactura y fábricas inteligentes
Análisis de imágenes médicas
Modelos de riesgo financiero
En el centro de la diapositiva también se muestran los principales ecosistemas de modelos de IA actuales, como ChatGPT, Gemini, Grok y diversos modelos de código abierto. Se señala que Anthropic y Meta Superintelligence Labs emergen como nuevas fuerzas después de 2025, indicando que la competencia en modelos de IA se está expandiendo rápidamente.
Huang en GTC 2026: Nvidia es esencialmente una “empresa de algoritmos”
Durante su discurso, Huang dedicó mucho tiempo a explicar cómo la pila de software de Nvidia se aplica en diferentes industrias, desde salud, manufactura, finanzas hasta computación en la nube. Señaló que todas las capacidades finalmente se reducen a su ecosistema de bibliotecas CUDA-X. “Somos una empresa de algoritmos”, afirmó. Describió CUDA-X como la “joya de la corona” de Nvidia, enfatizando que el verdadero valor de las GPU proviene de su plataforma de software, no solo del hardware.
Uno de los componentes más críticos es cuDNN, una biblioteca diseñada para acelerar redes neuronales profundas en GPU, ampliamente adoptada por los principales frameworks de IA, y que se ha convertido en un componente fundamental en la infraestructura moderna de aprendizaje profundo.
Huang volvió a destacar la importancia del software en el ecosistema de IA, señalando que cuDNN es una de las bibliotecas más cruciales de la compañía, incluso calificándola como la gran explosión que desencadenó la ola de inteligencia artificial moderna. Nvidia mostró un video corto sobre su ecosistema CUDA-X, que incluía una escena generada completamente por IA y tecnología de simulación, casi indistinguible de la realidad, para destacar los avances en procesamiento visual gracias a GPU y frameworks de aprendizaje profundo.
Huang: La IA necesita “bibliotecas específicas por industria”
Huang señaló que la implementación de la IA no depende solo de la IA generativa. “Lanzar GenAI a la pared para ver si funciona no es una estrategia”, afirmó. Consideró que los problemas en diferentes industrias varían mucho, por lo que Nvidia debe desarrollar bibliotecas específicas para cada dominio (domain-specific libraries) que ofrezcan soluciones optimizadas para cada sector.
Esta es la razón por la cual el ecosistema CUDA-X continúa expandiéndose, cubriendo actualmente decenas de áreas, incluyendo:
Cálculo científico
Imágenes médicas
Conducción autónoma
Análisis financiero
Ingeniería de datos
Estas bibliotecas permiten que las GPU funcionen al máximo rendimiento en diferentes escenarios industriales.
Estrategia de pila de IA: integración vertical y apertura horizontal
Huang describió la estrategia de Nvidia como “integración vertical pero apertura horizontal”. Esto significa que Nvidia ofrece una pila completa desde chips, sistemas y software hasta plataformas de aplicación, pero también permite que diversas empresas y desarrolladores creen aplicaciones en su plataforma. En un contexto de explosión en la demanda de cálculo de IA, Nvidia considera que este modelo es la única forma de impulsar la computación acelerada.
El campo clave de la IA: datos no estructurados
Huang también mencionó otra tarea importante de la IA: procesar datos no estructurados. Señaló que aproximadamente el 90% de los datos globales son no estructurados, como imágenes, videos, voz y texto en lenguaje natural, pero en el pasado se consideraban casi inútiles debido a la dificultad para buscarlos y analizarlos. Con la madurez de la IA y la tecnología GPU, estos datos están siendo cada vez más transformados en activos analizables.
Por ejemplo, IBM está utilizando el marco GPU cuDF de Nvidia para acelerar su plataforma WatsonX, mejorando la eficiencia en el procesamiento de grandes volúmenes de datos no estructurados para análisis y uso rápido.
OpenAI implementará AWS para aliviar la presión de potencia de cálculo
Al hablar sobre infraestructura de IA, Huang mencionó que OpenAI actualmente enfrenta una “limitación total de potencia de cálculo”. Este año, la compañía incorporará infraestructura de Amazon Web Services para aliviar su enorme demanda computacional.
Este artículo sobre NVIDIA GTC 2026｜Huang: Nvidia redefine el cálculo, y el tamaño del mercado de centros de datos a nivel de billones de dólares, fue publicado originalmente en Chain News ABMedia.
