Mientras los titulares siguen centrados en la carrera por las GPUs más potentes, los números del último trimestre fiscal de Nvidia han enviado una señal mucho más interesante al sector: la infraestructura de inteligencia artificial está dejando de ser un negocio de un solo componente. Las GPUs siguen siendo el corazón del boom, pero el ecosistema que las rodea —procesadores auxiliares, redes de alta velocidad, robótica y computación en el borde— está absorbiendo una parte cada vez mayor de la inversión empresarial.

Nvidia volvió a superar las expectativas del mercado con ingresos récord, impulsada por una demanda que no muestra signos de moderación. Sin embargo, el dato más revelador no es solo cuánto creció la compañía, sino hacia dónde se dirige ahora el gasto de los hyperscalers y las grandes corporaciones. La pregunta ya no es cuántos chips H100 o Blackwell se están desplegando, sino qué arquitectura completa se está construyendo alrededor de ellos.

El ascenso de las CPUs en un mundo dominado por GPUs

Durante años, la conversación sobre infraestructura de IA se redujo a un solo acrónimo: GPU. Pero a medida que los modelos de lenguaje grandes se entrenan y despliegan a escala, las CPUs vuelven a escena con un papel renovado. Procesadores de propósito general de AMD, Intel y los chips Graviton de Amazon están asumiendo cargas de inferencia, preprocesamiento de datos y orquestación de pipelines que no requieren la potencia bruta de una GPU. En los centros de datos modernos, la proporción entre CPUs y GPUs se está recalibrando, y los proveedores que ofrecen arquitecturas balanceadas están capturando una parte significativa del presupuesto.

Redes: el cuello de botella silencioso

Entrenar un modelo frontier exige mover terabytes de datos entre miles de nodos en cuestión de milisegundos. Las redes InfiniBand y Ethernet de alta velocidad se han convertido en un factor competitivo crítico, y Nvidia —con su adquisición de Mellanox y su plataforma Spectrum-X— sigue marcando el paso. Pero la competencia se intensifica: Broadcom, Marvell y los diseños propios de Google y Meta están reduciendo la dependencia de un solo proveedor. Para los CTOs hispanohablantes que planifican despliegues a gran escala, entender la topología de red es ahora tan importante como elegir el chip adecuado.

Robótica y edge computing: la próxima frontera

Lo que hace particularmente interesante este momento es la expansión hacia cargas de trabajo que hasta hace poco parecían ciencia ficción. La plataforma Isaac de Nvidia para robótica, junto con los nuevos módulos Jetson para inferencia en el borde, apunta a un mercado donde la IA deja de vivir exclusivamente en el centro de datos y se distribuye en fábricas, vehículos y dispositivos. En España y Latinoamérica, donde la industria manufacturera y la logística tienen un peso significativo, esta transición abre oportunidades concretas para proyectos de automatización inteligente que no requieren conectividad constante a la nube.

¿Por qué importa para los profesionales tech?

Quien esté planificando infraestructura de IA en los próximos 18 meses debe dejar de pensar en términos de "comprar más GPUs" y empezar a diseñar ecosistemas integrados. Las decisiones sobre proveedores de CPU, switches de red, plataformas de orquestación y dispositivos edge tendrán un impacto directo en el rendimiento, el coste total de propiedad y la capacidad de escalar. La ventaja competitiva no estará solo en quién acceda a los chips más avanzados, sino en quién construya la arquitectura más coherente.

El boom de la infraestructura de IA no se está ralentizando: se está diversificando. Y en esa diversificación está la verdadera oportunidad para quienes sepan leer las señales más allá de los titulares sobre GPUs.