El precio de construir capacidad de inteligencia artificial vuelve a subir. Los fabricantes de servidores están comunicando a algunos de los mayores clientes de NVIDIA incrementos superiores al 15% para sistemas basados en Blackwell y Vera Rubin, con estimaciones que acercan la subida al 17% en determinadas configuraciones que comenzarán a entregarse a principios de 2027.
Bloomberg Technology y CNBC han situado el encarecimiento de la memoria como la causa principal de un movimiento que llega cuando las grandes tecnológicas ya destinan cantidades extraordinarias a centros de datos y cuando el mercado empieza a examinar con más cuidado el retorno de esas inversiones.
La cifra adquiere otra dimensión cuando se traslada desde el precio de un servidor al tamaño de los nuevos campus de IA. Un incremento de estas características puede añadir alrededor de 5.000 millones de dólares al coste de desplegar un gigavatio de capacidad de cómputo. La presión afecta directamente a hiperescaladores y «neoclouds», pero también a cualquier empresa cuya estrategia dependa de alquilar capacidad de última generación en unas infraestructuras cuyo coste de entrada sigue aumentando.
NVIDIA traslada el coste de la memoria al precio de la IA
La memoria de alto ancho de banda, HBM, se ha convertido en una de las piezas decisivas de esa ecuación. Su precio se ha duplicado aproximadamente y ya puede representar cerca de una cuarta parte del coste de un rack de IA, según estimaciones de Deloitte. La presión podría mantenerse hasta 2029 o incluso 2030, un horizonte suficientemente largo para afectar a varias generaciones de aceleradores y a los planes de inversión que las compañías están diseñando ahora.
Blackwell y Rubin necesitan grandes cantidades de esa memoria para alimentar las GPU con datos a la velocidad que requieren los modelos avanzados. En cada acelerador, ocho pilas de HBM concentran a su vez múltiples capas de DRAM. El cuello de botella deja de estar únicamente en fabricar suficientes procesadores: también importa producir la memoria capaz de acompañarlos.
Simon Leopold, director gerente de infraestructura de datos en Raymond James, considera que una subida del 15% encaja con la magnitud del encarecimiento. «Dado el aumento porcentual del coste de la memoria y la cantidad de memoria necesaria en estas plataformas de IA, un 15% realmente no parece tan exigente», señaló.
Hay un matiz relevante. NVIDIA lleva tiempo cerrando acuerdos de suministro a largo plazo con varios fabricantes de memoria, después de anticipar con años de antelación las necesidades de sus nuevas plataformas. Esa planificación puede amortiguar parte del golpe. También existe una distancia entre el precio anunciado y el que pagan los grandes clientes después de negociar contratos de volumen.
«Los precios publicados pueden subir un 15%, pero eso no significa que los precios contratados estén reflejando la misma cantidad», advirtió Leopold. La diferencia resulta fundamental porque permite medir hasta dónde llega el poder de fijación de precios de NVIDIA y cuánto del incremento acaba realmente en la factura del comprador.
El margen de NVIDIA depende de cuánto estén dispuestos a pagar sus clientes
La primera reacción ante una subida de costes de esta magnitud podría apuntar a una reducción de rentabilidad. Sin embargo, las previsiones siguen situando el margen bruto de NVIDIA alrededor del 75%. La compañía parece estar tratando de repercutir la inflación de componentes antes que absorberla, una posición poco habitual para un fabricante de hardware y posible mientras la demanda continúe superando la oferta disponible.
Esa capacidad tiene un límite económico, aunque todavía resulte difícil localizarlo. Los clientes compran sistemas nuevos porque Blackwell y Rubin prometen más rendimiento y una mejor eficiencia para cargas cada vez más complejas. El coste de adquisición puede aumentar y, al mismo tiempo, caer el coste de generar cada token si el salto de rendimiento es suficientemente grande.
Ahí se encuentra una parte esencial del argumento de NVIDIA. Una infraestructura más cara puede tener sentido si produce mucho más cómputo por unidad de energía y permite atender más inferencias con el mismo recurso físico. Esa mejora resulta especialmente relevante a medida que la industria se desplaza desde el entrenamiento hacia la inferencia, donde los modelos generan respuestas de forma continua y el coste operativo empieza a pesar tanto como la inversión inicial.
Para los clientes, sin embargo, la comparación ya no se limita a cuántas GPU pueden comprar. Importan el precio del rack, la electricidad, la refrigeración, la red, la financiación y los años durante los cuales ese activo puede permanecer productivo. La subida de la memoria refuerza esa visión del centro de datos como una unidad económica completa.
El aumento de precios llega junto a una expansión de la financiación
A medida que esa factura crece, NVIDIA está ocupando una posición cada vez más amplia alrededor de sus propios clientes. La compañía invierte en empresas del ecosistema y participa en estructuras destinadas a movilizar capital hacia proyectos que acabarán necesitando aceleradores. En uno de esos esquemas aparecen seis firmas de Wall Street y más de 500.000 millones de dólares de capacidad financiera vinculada al despliegue de infraestructura.
La estrategia abre una cuestión incómoda para algunos inversores: hasta qué punto la extraordinaria demanda de cómputo responde exclusivamente a necesidades de uso y cuánto depende de que exista financiación suficiente para mantener el ciclo de inversión.
Leopold resume esa cautela con una frase directa: «No me encanta la financiación circular». Al mismo tiempo, recuerda que NVIDIA genera aproximadamente 1.000 millones de dólares de flujo de caja libre cada dos días. La empresa tiene recursos para invertir en el mercado que alimenta su crecimiento y para desplazar parte del riesgo financiero hacia terceros.
La preocupación aparece cuando proveedor, inversor y cliente quedan demasiado próximos. Financiación barata puede adelantar decisiones de compra y los periodos de escasez favorecen además los pedidos duplicados, porque las empresas reservan más capacidad de la que esperan utilizar para asegurarse suministro. El problema no necesita materializarse para influir en la valoración de NVIDIA: basta con que los inversores empiecen a cuestionar la calidad futura de una parte de esa demanda.
Rubin no convierte a Hopper en chatarra
El coste de los nuevos sistemas abre todavía otra derivada. Si NVIDIA lanza generaciones más potentes con gran rapidez, la rentabilidad de los equipos anteriores depende de que puedan seguir trabajando durante años. De lo contrario, un centro de datos tendría que amortizar inversiones cada vez mayores en periodos cada vez más cortos.
Ese escenario no es el que está observando actualmente la industria. Las cargas más exigentes migran hacia los aceleradores nuevos porque ofrecen mejor rendimiento y eficiencia, mientras generaciones como Ampere y Hopper permanecen activas para tareas menos intensivas.
«Las aplicaciones más avanzadas y más demandantes requerirán la generación más nueva de aceleradores», explica Leopold, pero las GPU anteriores mantienen «vidas útiles que podrían extenderse muchos años».
La convivencia de generaciones permite repartir la infraestructura según la exigencia de cada carga y protege parte del valor económico de los activos existentes. También será necesaria para sostener el crecimiento del mercado si las plataformas nuevas continúan encareciéndose: reservar Rubin para los trabajos en los que su eficiencia aporta una ventaja clara y mantener Hopper donde todavía resulte rentable.
El mercado bursátil empieza a exigir pruebas de esa economía, incluso mientras NVIDIA continúa creciendo. La compañía llegó a encadenar siete sesiones de descensos y sus fuertes resultados trimestrales han dejado de traducirse automáticamente en subidas de la acción. Las expectativas son tan altas que superar las previsiones ya forma parte del escenario de partida.
Para los compradores de infraestructura, la cuestión tiene una dimensión más concreta. Una subida del 15% o el 17% puede ser asumible si el nuevo hardware genera suficientes tokens, atiende cargas de mayor valor y reduce el coste operativo durante su vida útil. Si esa productividad no llega al ritmo previsto, el precio adicional se convierte en más capital que recuperar.
La próxima fase de la IA estará condicionada por esa relación. NVIDIA conserva una posición que le permite trasladar el encarecimiento de componentes a un mercado todavía limitado por la oferta. Pero cada aumento del precio del hardware eleva también el listón para sus clientes. La carrera ya no consiste únicamente en conseguir GPU. Consiste en conseguir que unos centros de datos cada vez más caros produzcan suficiente actividad económica para justificar todo lo invertido.
