La financiación circular de NVIDIA para laboratorios de IA se ha convertido en una parte relevante de su estrategia de crecimiento. La compañía ha destinado casi 50.000 millones de dólares a laboratorios que también compran sus chips y calcula que la demanda asociada contribuirá aproximadamente a una cuarta parte de su negocio el próximo año.
El mecanismo conecta la inversión en empresas de IA con la construcción de centros de datos. NVIDIA aporta capital o respaldo financiero, los laboratorios amplían su capacidad de computación y esa infraestructura se equipa principalmente con hardware de la propia compañía.
NVIDIA afirma haber preparado acuerdos con seis firmas de inversión para movilizar más de 500.000 millones de dólares de capital externo destinado a infraestructuras de IA, aunque los contratos definitivos todavía no están firmados.
Cómo funciona el circuito de financiación
El esquema parte de la inversión de NVIDIA en un laboratorio de IA. Ese dinero, o el crédito que facilita la participación de la compañía, se utiliza para levantar centros de datos. La compra de servidores y aceleradores de NVIDIA se registra entonces como ingresos para el fabricante, que puede volver a invertir en el ecosistema.
La directora financiera Colette Kress reconoció que la estructura puede describirse como financiación circular, aunque defendió que los prestamistas analizan cada operación de forma independiente y que NVIDIA no concede directamente los préstamos. Según su explicación, los clientes son compañías con grado de inversión o cuentan con el respaldo de entidades que sí lo tienen.
Más de 500.000 millones previstos, no comprometidos en firme
NVIDIA ha anunciado asociaciones con Apollo Global Management, BlackRock, Blackstone, Brookfield Asset Management, Goldman Sachs y KKR para crear plataformas capaces de captar más de 500.000 millones de dólares. Esa cantidad representa una previsión de capital que todavía depende de acuerdos definitivos, no dinero ya disponible para construir los centros.
La compañía también ha asegurado terreno, energía y capacidad de construcción junto a SB Energy para instalaciones que utilizarán equipos de NVIDIA. La primera fase contempla 4,25 gigavatios y está destinada a OpenAI. NVIDIA sitúa en unos 12 gigavatios de capacidad sus compromisos actuales y previstos con OpenAI hasta 2030.
En otra operación, cuyo laboratorio beneficiario no ha sido identificado, NVIDIA ofrecerá respaldo crediticio para una infraestructura de casi dos gigavatios. Además, la compañía está apoyando a operadores de nube más pequeños mediante compromisos de alquiler: garantiza contratar una parte de su capacidad y obtiene una participación en los ingresos que superen ese nivel.
Esta estrategia guarda relación con otros planes de expansión de infraestructura de OpenAI, como el centro de datos de OpenAI en Ohio vinculado a NVIDIA.
Riesgos para NVIDIA y previsiones de negocio
El principal riesgo aparece si un laboratorio no puede pagar sus compromisos. En ese caso, NVIDIA podría perder al mismo tiempo una venta de hardware y parte de la inversión que ayudó a hacerla posible. Kress sostiene que los equipos podrían trasladarse a otro comprador, pero esa protección depende de que la demanda de capacidad siga superando a la oferta.
Durante la presentación de resultados, Jensen Huang también defendió la plataforma de NVIDIA frente a los chips diseñados por algunos laboratorios, al afirmar que su tecnología puede utilizarse en distintas nubes y durante las diferentes fases de un sistema de IA. La compañía no aportó datos independientes para respaldar su previsión de que los sistemas con agentes requieren entre 15 y 100 veces más computación que un usuario convencional.
Qué queda por comprobar
NVIDIA prevé ingresar 108.000 millones de dólares en el próximo trimestre y anticipa un crecimiento aproximado del 70 % en el año que termina en enero de 2028, aunque atribuye el límite a la oferta y no a la demanda. También ha advertido de que el encarecimiento de la memoria está reduciendo sus márgenes, debido en parte al propio despliegue de infraestructura de IA.
El modelo puede acelerar la construcción de centros de datos y dar acceso a computación a empresas jóvenes que aún no tienen contratos largos ni calificación crediticia. Al mismo tiempo, su dimensión real dependerá de que el capital externo llegue a formalizarse, de la capacidad de pago de los laboratorios y de que la demanda siga absorbiendo el hardware financiado.
Encuentra más IA en nuestra sección de IA o suscríbete a Guslok – Guías 100% en YouTube para más contenido.
Sobre el Autor
