Chips de IA más caros y una Nvidia en crisis: lo que está en juego para las startups de Latinoamérica
Alquilar una de las GPU más usadas para inteligencia artificial cuesta hoy cerca de 50% más que hace un año, según un índice del sector. Ahora un reportaje del Wall Street Journal sobre cómo Nvidia financió a sus propios clientes añade dudas sobre cómo se forman esos precios.
Foto: Dimitris C en Unsplash
Hace un año, alquilar durante una hora una Nvidia H100, el chip con el que se entrenan y ejecutan buena parte de los modelos de inteligencia artificial, costaba unos 2 dólares. El 9 de noviembre de 2026 el índice de la firma Silicon Data marcaba 3,01 dólares. Para una startup latinoamericana que no tiene servidores propios y depende de la nube, es decir, de alquilar computadores remotos a empresas como Amazon o Google, esa subida pesa directamente en su presupuesto. Esta semana apareció una pieza más del rompecabezas: un reportaje del Wall Street Journal que describe cómo Nvidia ayudó a financiar a algunos de los clientes que le compraban esos chips.
El reportaje se publicó entre el 12 y el 13 de noviembre. Su contenido se conoce por lo que han difundido otros medios, porque el original está detrás de un muro de pago y no pudo consultarse directamente. No se trata de una demanda ni de una conclusión de un regulador. Según esos resúmenes, el entonces CEO Jensen Huang impulsó que la compañía financiara a startups y a nubes pequeñas para que adquirieran sus GPU, las tarjetas de procesamiento que hacen los cálculos de la IA. La directora financiera, Colette Kress, habría advertido que algunas de esas empresas no podían pagarlas y frenó varios compromisos. Entre ellos estaría un acuerdo propuesto con OpenAI de unos 250.000 millones de dólares, que Kress habría recortado a la mitad. Esa cifra no está respaldada por documentos públicos. Una versión revisada del acuerdo se firmó el 17 de agosto, y a finales de ese mes Nvidia pausó algunos financiamientos y sumó revisiones de sus ejecutivos y de su junta directiva, siempre de acuerdo con lo reportado.
¿Escasez fabricada o chips de sobra?
La historia llegó a la portada de Hacker News con un titular llamativo, el de «escasez fabricada». Esa expresión no viene del Wall Street Journal: es del sitio TechPowerUp. Según los resúmenes del diario, el panorama que describe es casi el opuesto, un exceso de oferta. En una reunión de agosto, Huang habría dicho que las obleas de silicio y la memoria que Nvidia se había comprometido a comprar le llegaban «como un alud», porque los grandes proveedores de nube empezaban a usar chips diseñados por ellos mismos. En esa línea, Wccftech informó que Nvidia habría pedido a TSMC, el fabricante que produce sus chips, reducir pedidos futuros. La idea de una escasez provocada a propósito circula en medios y foros, pero el sitio Explainx la califica de no verificada: ningún regulador ha llegado a esa conclusión y Nvidia no ha reconocido una estrategia así.
Detrás está un debate más antiguo sobre el llamado «financiamiento circular», en el que un proveedor invierte en sus clientes y luego esos clientes le compran. Nvidia ha invertido en OpenAI y en CoreWeave, una nube especializada en IA. Bloomberg menciona además a xAI (hoy parte de SpaceX), Mistral, Nscale y Nebius entre las empresas con acuerdos de este tipo. Huang rechazó esa lectura en una conferencia de Goldman Sachs: sostuvo que los montos son pequeños frente al tamaño del negocio y que cada inversión se justifica por sí sola.
¿Por qué entonces suben los precios? Los analistas consultados en la cobertura no culpan a una maniobra de Nvidia. SemiAnalysis midió que el alquiler de una H100 por un año pasó de 1,70 a 2,35 dólares por hora entre octubre de 2025 y marzo de 2026, casi 40% más, y lo atribuye a la demanda de agentes que escriben código y de modelos de razonamiento, que consumen mucho cálculo. La firma Aquanode añade dos cuellos de botella de fabricación: el empaquetado CoWoS, la técnica que une el chip con su memoria, y la propia memoria de alta velocidad, conocida como HBM.
El impacto en la región, todavía sin medir
Para Latinoamérica no existen datos directos sobre cómo todo esto mueve los precios de la nube. El indicio más concreto es físico: El Financiero reportó el 11 de noviembre que en México los servidores más sofisticados tardan entre 27 y 30 semanas en entregarse, y entre 16 y 18 los más sencillos, por la escasez de discos SSD, memoria y GPU. Sobre la nube, la referencia disponible viene del blog de Spheron, un proveedor de GPU con interés comercial en el tema. Según ese blog, AWS en São Paulo es la única región de la zona con H100 disponibles localmente, Google Cloud en esa ciudad solo ofrece el modelo T4, más antiguo, y una máquina virtual general allí cuesta cerca de 1,6 veces lo que en Iowa.
Todo ocurre en el peor momento para la compañía. Nvidia anunció el 12 de noviembre la renuncia de Huang como CEO y dejó a Kress como directora ejecutiva interina. CNBC y TechCrunch vinculan esa salida con un escándalo personal que involucra a una presunta espía china, un asunto distinto del reportaje sobre financiamiento, que salió después. La acción cerró por debajo de los 4 billones de dólares de capitalización por primera vez desde julio de 2025, y Motley Fool la ubica 32% por debajo de su máximo.
La próxima cita es el 17 de noviembre, cuando Nvidia tiene previsto presentar resultados y podría pronunciarse sobre el reportaje. Para las empresas de la región quedan preguntas abiertas: si el exceso de oferta que describe el Wall Street Journal termina reflejándose en lo que cobran las nubes, cuándo llegarán más chips de última generación a centros de datos latinoamericanos y cuánto acceso real tienen las startups locales a créditos de cómputo. Ninguna de las fuentes disponibles lo mide todavía.