La industria tecnológica atraviesa un punto de inflexión donde la computación tradicional, basada en la recuperación de información almacenada, ha cedido el paso a un modelo de generación constante de conocimiento. Durante la apertura del GTC 2026, Jensen Huang, fundador y CEO de NVIDIA, ha definido este nuevo escenario como una fábrica de tókenes, un motor que transforma datos en conocimiento puro aprovechando nuevas ondas de energía limpia. Esta transición no es meramente técnica; representa el fin de la ley de Moore tal como se conocía, agotada por la incapacidad de los procesadores convencionales para seguir el ritmo de las demandas actuales.
La visión de Huang se sustenta en la idea de que la inteligencia es ahora un bien manufacturado. «Esta es la forma en que se hace la inteligencia», afirmó al inicio de su intervención, describiendo una infraestructura que ya no se limita a responder consultas, sino que razona, planifica y actúa. En este contexto, el concepto de centro de datos desaparece para dar paso a la Fábrica de IA, una unidad de producción donde el rendimiento se mide en tókenes por vatio y la eficiencia operativa dicta directamente la cuenta de resultados de las corporaciones.
Vera Rubin: la arquitectura para la era de la IA agéntica
El anuncio central en términos de hardware ha sido la presentación de Vera Rubin, la plataforma sucesora de Blackwell que ha sido diseñada específicamente para alimentar sistemas agénticos. Esta nueva arquitectura no es solo un chip, sino un sistema verticalmente integrado que redefine la escala del supercomputador de IA. Con 3,6 exaflops de potencia de cómputo y un ancho de banda NVLink de 260 terabytes por segundo, Vera Rubin busca eliminar los cuellos de botella en la comunicación entre GPUs, un desafío crítico a medida que los modelos de lenguaje crecen en tamaño y complejidad.
Una de las innovaciones más relevantes de esta plataforma es la Vera CPU. Se trata de un procesador diseñado para ofrecer un rendimiento extraordinario en un solo hilo (single-thread), una característica vital para la orquestación de flujos de trabajo donde la IA debe utilizar herramientas digitales, navegar por navegadores web o ejecutar código de forma secuencial. Esta CPU utiliza memoria LPDDR5, lo que le permite alcanzar una eficiencia energética que Huang califica de «inigualable» en el entorno del centro de datos.
La sostenibilidad y el coste operativo han sido ejes centrales de este diseño. La plataforma Vera Rubin es 100% refrigerada por líquido, utilizando agua a 45 grados centígrados. Este enfoque permite eliminar los costes y la energía necesarios para enfriar el aire del centro de datos, liberando esa potencia para el procesamiento puro. Según los datos presentados, esta eficiencia permite que la arquitectura Vera Rubin ofrezca 35 veces más rendimiento por vatio que las generaciones anteriores.
El salto hacia la inferencia desagregada con Groq
En un movimiento estratégico para dominar el mercado de la inferencia, NVIDIA ha integrado en su oferta el rack LPX de Groq. Esta colaboración introduce el concepto de «inferencia desagregada», una técnica que separa las distintas fases del procesamiento de un modelo de IA para optimizarlas de forma independiente. Mientras que las GPUs Vera Rubin se encargan de las fases de pre-llenado (prefill) y atención, que requieren una gran capacidad matemática y acceso masivo a memoria, los chips LPU de Groq gestionan la generación de tókenes (decode), donde la baja latencia es el factor determinante.
Esta arquitectura híbrida permite superar los límites de las GPUs convencionales en tareas que requieren una interactividad extrema. Huang explicó que, aunque el sistema NVLink 72 es imbatible en la mayoría de las cargas de trabajo, la integración con Groq permite alcanzar velocidades de generación de tókenes que el mundo «nunca ha visto», extendiendo el rendimiento más allá de los límites físicos del ancho de banda actual. Esta solución está orientada a servicios de ingeniería de alto valor y aplicaciones donde la respuesta en tiempo real es crítica.
OpenClaw: el sistema operativo de los agentes autónomos
Si el hardware es el cuerpo de esta nueva era, OpenClaw se presenta como su sistema operativo. Huang ha comparado el lanzamiento de OpenClaw con el «momento Linux» de la inteligencia artificial. En apenas unas semanas, este proyecto de código abierto se ha convertido en el más popular de la historia, permitiendo a los desarrolladores construir agentes que no solo responden preguntas, sino que realizan tareas complejas: leer archivos, compilar código, realizar experimentos y tomar decisiones autónomas.
La importancia de OpenClaw radica en su capacidad para actuar como una capa de orquestación. Gestiona recursos, accede a herramientas y sistemas de archivos, y es capaz de descomponer un comando simple en una serie de pasos lógicos ejecutados por sub-agentes. Huang sostiene que «cada empresa en el mundo hoy necesita tener una estrategia de OpenClaw», del mismo modo que en su día fue imperativo tener una estrategia para internet o para la nube móvil.
Para el entorno corporativo, NVIDIA ha presentado NeMoClaw, un diseño de referencia que añade capas de seguridad y privacidad a OpenClaw. Con tecnologías como OpenShell, las empresas pueden permitir que sus agentes accedan a datos sensibles o ejecuten código dentro de la red corporativa de forma segura, garantizando que la información no se filtre al exterior. Este avance sugiere una transformación radical del software empresarial: el paso del modelo SaaS (Software as a Service) al modelo GaaS (Generative Agent as a Service).
La economía del billón de dólares y el presupuesto de tókenes
La escala económica de esta transformación es masiva. Huang ha actualizado las previsiones de demanda de infraestructura de NVIDIA, elevando la cifra a un billón de dólares hasta 2027. Esta visibilidad se apoya en el hecho de que la demanda de computación ha aumentado, según sus estimaciones, un millón de veces en los últimos dos años. Las empresas ya no compran servidores; invierten en fábricas cuya producción, los tókenes, se traduce directamente en ingresos.
Esta nueva realidad económica introduce conceptos novedosos en la gestión de recursos humanos y técnicos. Huang predice que, en el futuro, cada ingeniero contará con un «presupuesto anual de tókenes» como parte de su compensación o herramientas de trabajo. «Un ingeniero con acceso a tókenes será 10 veces más productivo», afirmó, sugiriendo que la capacidad de utilizar IA para amplificar el trabajo humano será el principal factor de diferenciación competitiva en Silicon Valley y en el resto del mundo.
Modelos de frontera y la búsqueda de la soberanía tecnológica
NVIDIA no solo suministra el hardware y el sistema operativo, sino que también compite en la frontera de los modelos de IA. Con la familia NeMoTron, la compañía ofrece modelos que lideran los rankings de razonamiento, voz y comprensión visual. El modelo NeMoTron 3 Ultra se presenta como la base ideal para que los países construyan su propia «IA Soberana», permitiendo personalizar la inteligencia artificial según los valores, el idioma y las necesidades específicas de cada región.
Para acelerar este desarrollo, se ha anunciado la Coalición NeMoTron, una alianza con actores clave como Perplexity, Mistral, Cursor y LangChain, además del nuevo laboratorio de investigación fundado por Mira Murati. El objetivo es crear modelos de dominio específico para áreas tan diversas como la biología digital (BioNeMo), la física del clima (Earth-2), la conducción autónoma (Alpha Mayo) y la robótica humanoide (Groot).
Robótica física: el momento ChatGPT de las máquinas
La convergencia entre la IA generativa y el mundo físico ha tenido un protagonismo destacado con la presencia de 110 robots en el evento. Huang ha declarado que el «momento ChatGPT» de los coches autónomos ya ha llegado, gracias a modelos de razonamiento que permiten a los vehículos no solo ver, sino «pensar» y explicar sus decisiones en tiempo real. Nuevos socios como BYD, Hyundai, Nissan y Geely se han unido a la plataforma de robotaxis de NVIDIA, sumando una producción potencial de 18 millones de coches al año preparados para la conducción autónoma.
En el ámbito de la robótica humanoide, la colaboración con Disney Research ha servido para demostrar las capacidades del nuevo solver de física Newton y la plataforma Omniverse. El robot «Olaf», un pequeño humanoide inspirado en el personaje de animación, fue entrenado íntegramente en simulaciones antes de pasar al mundo real, demostrando una capacidad de adaptación física sorprendente. Esta metodología, donde «el cómputo es el dato», permite entrenar a los robots en entornos virtuales masivos para que puedan enfrentarse a la imprevisibilidad del mundo real.
AI RAN Ready: la metamorfosis de las telecomunicaciones en nodos de computación
La industria de las telecomunicaciones, valorada en unos 2 billones de dólares, se enfrenta a una redefinición estructural de su infraestructura física. Lo que tradicionalmente se ha gestionado como estaciones base destinadas exclusivamente a la conectividad inalámbrica está en proceso de convertirse en una plataforma de infraestructura de IA distribuida. NVIDIA ha consolidado esta visión a través de Aerial, su arquitectura AI RAN (Radio Access Network), diseñada para ejecutar cargas de trabajo de inteligencia artificial directamente en el «borde» de la red.
Este despliegue se apoya en alianzas estratégicas con líderes del sector como Nokia y T-Mobile, quienes buscan transformar la torre de radio convencional en lo que Jensen Huang denomina una «torre de radio robótica». Esta nueva entidad no solo gestiona señales, sino que posee la capacidad de razonar sobre el tráfico de datos en tiempo real, ajustando el conformado de haces (beamforming) de manera dinámica para maximizar la fidelidad de la conexión mientras reduce drásticamente el consumo energético. En la práctica, esto supone que la infraestructura que sostuvo la anterior generación de computación está siendo reinventada para servir como el tejido neuronal de la IA en el mundo físico
La hoja de ruta hacia Feynman y la computación espacial
NVIDIA no muestra signos de desaceleración en su ritmo de innovación anual. Para 2026, la compañía planea el lanzamiento de Rubin Ultra, que introducirá la precisión NVFP4 para un nuevo salto en la velocidad de procesamiento. Sin embargo, la mirada ya está puesta en 2028 con la arquitectura Feynman.
Este futuro ecosistema incluirá la GPU Feynman, un nuevo procesador de generación de tókenes llamado LP40 y una CPU bautizada como Rosa (en honor a Rosalind Franklin). Además, la compañía ha anunciado sus planes para llevar la computación al espacio con Vera Rubin Space One, un sistema diseñado para operar centros de datos en satélites, enfrentando los desafíos de la refrigeración por radiación en ausencia de atmósfera.
Fronteras extendidas: de la aceleración de datos a la computación orbital
El ecosistema presentado en el GTC 2026 trasciende el hardware de procesamiento puro para abarcar desde la gestión de bases de datos empresariales hasta la exploración espacial, consolidando la estrategia de NVIDIA como una compañía verticalmente integrada pero horizontalmente abierta.
- Neural Rendering y DLSS 5: NVIDIA ha presentado DLSS 5, una evolución tecnológica que fusiona el renderizado 3D tradicional (datos estructurados) con la IA generativa probabilística para dotar de realismo y control total a los mundos virtuales.
- Aceleración de datos críticos: Las nuevas bibliotecas CuDF (para data frames estructurados en SQL o Pandas) y CuVS (para almacenes de vectores semánticos) permiten procesar el 90% de la información mundial que hasta ahora era inútil por falta de indexación.
- Integración en la nube y el «Enterprise IT»: IBM está acelerando Watsonx.data con estas herramientas, mientras que Google Cloud ha reducido los costes de computación de Snapchat en un 80% mediante la optimización de BigQuery.
- OpenAI en AWS y Seguridad: Se ha confirmado el despliegue de los modelos de OpenAI en la infraestructura de AWS para aliviar las restricciones de cómputo actuales. Además, la implementación de «Confidential Computing» asegura que ni siquiera el operador de la nube pueda acceder a los modelos o datos sensibles de los clientes.
- Holoscan Quantum: Un total de 35 empresas colaboran ya en esta plataforma para desarrollar sistemas híbridos que unan la computación cuántica con la potencia de las GPUs.
- Plataforma DSX: A través de Omniverse, NVIDIA ofrece un «gemelo digital» para el diseño y operación de Gigafactorías de IA, permitiendo que socios como Siemens, Dassault Systems y Cadence simulen desde la termodinámica interna hasta la gestión de energía con la red eléctrica.
- Spectrum-X y Conectividad Optica: La compañía ha entrado en producción con conmutadores Spectrum-X que utilizan óptica co-empaquetada (CPO) mediante el proceso Coop de TSMC, conectando directamente fotones y silicio para una eficiencia energética radical.
- Rack Kyber: Este nuevo diseño de infraestructura permite conectar hasta 144 GPUs en un único dominio NVLink mediante un plano medio de cobre de alta densidad.
- Computación Orbital: El proyecto Vera Rubin Space One marca el inicio de los centros de datos en el espacio, utilizando procesadores Thor con certificación de radiación para operar en satélites de imagen y procesamiento.
- Alianza con Palantir: Junto a Dell, NVIDIA ha habilitado la plataforma Ontology para ser desplegada en regiones «air-gapped» o instalaciones on-prem de alta seguridad, llevando la IA agéntica a los entornos más restrictivos.
Estas iniciativas subrayan la ambición de NVIDIA de activar cada capa del mercado tecnológico, desde el procesamiento de datos en silos corporativos hasta la gestión de infraestructuras críticas a escala planetaria.
El cierre de GTC 2026 deja una pregunta abierta para el tejido empresarial español y global: en un mundo donde la inteligencia se fabrica a escala industrial y los agentes autónomos gestionan la operativa diaria, ¿cuál será el papel de las organizaciones que no logren integrar una fábrica de tókenes en su núcleo productivo?
La respuesta parece residir en la capacidad de adoptar esta «arquitectura de capas» que Huang ha desplegado: desde la infraestructura física y los chips hasta los modelos, los agentes y, finalmente, las aplicaciones que definirán la economía de la próxima década.
