Tras años de euforia bursátil y promesas tecnológicas, la industria del hardware para IA muestra sus primeras grietas. Nvidia pierde valor en bolsa y las NPU, hasta hace poco anunciadas como el futuro, no logran despegar.
Guillermo Crespo
Durante gran parte de los últimos dos años, Nvidia fue el símbolo perfecto de la inteligencia artificial: su nombre encabezaba las listas de las acciones más rentables, sus chips eran considerados esenciales para entrenar modelos como ChatGPT y su valor bursátil se disparaba con cada nuevo boom tecnológico. Pero algo cambió. En las últimas semanas, la empresa ha perdido cerca de un 30% de su valor en el mercado, arrastrando consigo al resto del sector.
La caída no se explica por un solo motivo, sino por la acumulación de señales que apuntan a un momento de ajuste. Primero, Estados Unidos impuso nuevas restricciones a la exportación de chips avanzados hacia China, lo que dejó a Nvidia con miles de unidades de su chip H20 diseñadas exclusivamente para ese mercado… sin poder venderlas. Según reportes de Financial Times, esa pérdida bordea los 5.500 millones de dólares.
Pero no es solo geopolítica. En paralelo, empresas chinas como Huawei comenzaron a mostrar los dientes. Su nuevo chip Ascend 910D, presentado como alternativa local al H100 de Nvidia, ya está en el radar de gigantes como ByteDance y Alibaba. Si antes Nvidia era la única opción seria en la carrera por entrenar modelos grandes, ahora ya no lo es.
A eso se suman advertencias internas. Super Micro, uno de los principales fabricantes de servidores para IA, recortó sus proyecciones de ganancias citando una desaceleración en la demanda. El aviso golpeó fuerte a todo el ecosistema, y los analistas empezaron a preguntarse si la fiebre por la IA generativa no había alcanzado su primer techo.
En medio de este escenario incierto, otra promesa tecnológica también empieza a mostrar señales de desgaste: las Unidades de Procesamiento Neural, conocidas como NPU. Pensadas como una solución específica para acelerar tareas de inteligencia artificial directamente en el dispositivo —ya sea en un teléfono, un notebook o una tablet—, las NPU fueron ampliamente promocionadas por marcas como Intel, Qualcomm y Apple. Incluso Microsoft presentó su nuevo sello “Copilot+ PC” como la entrada a una era donde estos chips serían esenciales.
Pero por ahora, la realidad va por otro carril. Las NPU no han logrado convencer. En parte, porque los desarrolladores aún no han adaptado sus aplicaciones para sacarles provecho. En parte, porque para muchos usuarios no hay una diferencia tangible entre tener o no tener una. Y en parte, porque las GPU y CPU tradicionales siguen siendo lo suficientemente buenas como para manejar la mayoría de las tareas de IA.
“Una tecnología no basta con ser buena. Tiene que ser necesaria”, decía hace poco el analista Patrick Moorhead en Forbes, aludiendo justamente a este fenómeno. Y hoy, la necesidad de las NPU aún no está clara.
El resultado es un momento de pausa. Nvidia, por primera vez en años, enfrenta presión real. Y las NPU, lejos de consolidarse como protagonistas, parecen estar esperando su ocasión, si es que alguna vez llega.