- Jensen Huang compara las GPU de NVIDIA con el “buen vino” porque se revalorizan con los años en plena fiebre por la IA.
- Modelos profesionales como A100, H100, H200 o L40S suben de precio en lugar de depreciarse por la escasez de hardware.
- La demanda de centros de datos y servicios de IA en Europa y el resto del mundo presiona toda la cadena de suministro.
- La situación alimenta el debate sobre una posible burbuja de la IA y el futuro coste de acceso a la computación acelerada.
La inteligencia artificial ha provocado un giro inesperado en el mercado de las tarjetas gráficas: en vez de perder valor con el tiempo, muchas GPU profesionales de NVIDIA se están encareciendo con los años. El propio Jensen Huang, director ejecutivo de la compañía, ha tirado de metáfora y ha comparado sus chips con el «buen vino», asegurando que envejecen mejor de lo que nadie habría imaginado.
La clave de este fenómeno está en la fiebre por la IA generativa y en la enorme presión sobre los centros de datos de todo el mundo, también en Europa y España. El apetito por capacidad de cómputo es tan grande que hasta las GPU lanzadas hace cuatro o cinco años se han convertido en un bien escaso, y eso ha disparado sus precios como si fuesen piezas de colección.
Jensen Huang y la metáfora del «buen vino» para explicar las GPU de NVIDIA
Huang ha utilizado en varias intervenciones públicas una comparación que no ha pasado desapercibida: según él, el consumo de GPU “se está disparando por los tejados y más allá”, y las tarjetas que NVIDIA vendió hace entre cuatro y cinco años están subiendo de precio «más rápido que un buen vino». El propio directivo va más allá y presenta la compra de una GPU de la marca casi como una inversión alternativa.
En declaraciones recogidas por distintos medios tecnológicos, el responsable de NVIDIA ha llegado a sugerir que adquirir una de sus GPU se parece a invertir en arte. Es una forma llamativa de describir una situación que rompe por completo con la lógica clásica del hardware, donde lo normal es que cualquier componente empiece a depreciarse en cuanto sale de la tienda y se abarate todavía más con la llegada de nuevas generaciones.
Tradicionalmente, cuando en el mundillo se hablaba de que una gráfica «envejece como el buen vino» se hacía referencia a mejoras de rendimiento con los drivers y el software. Ahora el sentido de la frase es puramente económico: lo que sube no son solo los fotogramas por segundo, sino el precio en el mercado de segunda mano y en los acuerdos entre empresas.
La comparación de Huang tiene también un punto delicado para el sector. Al poner sus productos al nivel de obras de arte o vinos de colección, NVIDIA sugiere que el valor de estas GPU puede fluctuar sin una referencia clara más allá de la oferta y la demanda. Para quienes necesitan acceso estable y predecible a potencia de cálculo, especialmente en Europa, este mensaje genera cierta inquietud.
Por qué las GPU antiguas se revalorizan en plena carrera por la IA
La situación actual es una anomalía frente a décadas de historia tecnológica. En un mercado normal, cada nueva arquitectura hace que los modelos previos bajen de precio para dejar hueco en los presupuestos a las últimas novedades. Con la IA, ha pasado justamente lo contrario: los aceleradores de generaciones anteriores se han convertido en un recurso codiciado.
El motivo de fondo es sencillo de explicar, aunque difícil de gestionar: hay una explosión de demanda de GPU para entrenar y ejecutar modelos de inteligencia artificial, mientras la oferta está limitada por la capacidad de las fábricas y la disponibilidad de componentes clave. Los grandes centros de datos no pueden permitirse esperar meses a que lleguen los chips más modernos, de modo que recurren a cualquier GPU que aún sea competitiva.
En este contexto, arquitecturas previas como Ampere y Hopper siguen siendo tremendamente atractivas. Modelos como las NVIDIA A100, H100, H200 o L40S, pensados para cargas de IA y centros de datos, se han convertido en los protagonistas de esta revalorización inesperada. Aunque no sean el último grito del catálogo, siguen rindiendo lo suficiente como para justificar precios al alza.
Un aspecto clave es que NVIDIA no ha dejado de pulir el software, las librerías y las herramientas que acompañan a estas GPU. Gracias a la evolución del ecosistema CUDA y al trabajo sobre frameworks de IA, un chip comprado hace años puede hoy sacar más partido de su hardware que cuando se lanzó. Esta «segunda juventud» de rendimiento se combina con la escasez para convertir esas GPU veteranas en activos muy disputados.
Los modelos más codiciados: de A100 a L40S
Dentro de este escenario, algunos modelos de NVIDIA destacan especialmente. La lista que más se repite entre proveedores y grandes clientes incluye las A100, H100, H200 y L40S, todas ellas orientadas a centros de datos, computación acelerada y servicios cloud.
La NVIDIA A100, basada en arquitectura Ampere y lanzada en 2020, fue durante mucho tiempo la referencia para entrenamiento de modelos de IA. A pesar de sus años, sigue siendo más que válida para cargas intensivas, lo que explica que su precio haya seguido una curva ascendente en lugar de caer. En el mercado europeo, se ha convertido en un recurso muy buscado para ampliar clústeres existentes sin esperar a nuevas remesas de hardware.
La H100, ya dentro de la familia Hopper, se transformó en uno de los símbolos de la explosión de la IA generativa. Su rendimiento en entrenamiento e inferencia la ha colocado en el centro de las inversiones de los gigantes tecnológicos. La H200, por su parte, refuerza el apartado de memoria y ancho de banda, algo especialmente relevante para modelos de gran tamaño desplegados en la nube.
La L40S ocupa otra posición dentro de la gama profesional de NVIDIA. Aunque no es la opción más conocida para el usuario de a pie, tiene un papel importante en inferencia, renderizado y cargas profesionales en entornos cloud. En muchas empresas sirve como caballo de batalla para ejecutar modelos ya entrenados, donde se prima la disponibilidad inmediata frente a la última generación posible.
A todo esto se suma que, según apuntan actores del sector, el stock de estas GPU está extremadamente ajustado. Proveedores de infraestructura en la nube admiten que gran parte de su inventario ya está comprometido, y que los precios han ido aumentando trimestre tras trimestre, incluso en unidades que en teoría pertenecen a generaciones pasadas.
El papel de proveedores cloud como CoreWeave y la presión sobre Europa
Empresas especializadas en infraestructura para IA, como CoreWeave, se han convertido en termómetro de esta situación. Directivos de la compañía han reconocido que sus reservas de modelos como A100, H100, H200 y L40S están prácticamente agotadas y que ven cómo el coste de estos aceleradores sigue escalando.
Esta dinámica no se queda en Estados Unidos. Los grandes proveedores de servicios cloud con presencia en Europa, desde gigantes estadounidenses hasta actores regionales, se ven obligados a competir por el mismo tipo de hardware para alimentar sus centros de datos en países como España, Alemania, Francia u Holanda. La capacidad de ofrecer instancias GPU a precios razonables se ha convertido en un factor estratégico.
Para las empresas europeas que desean entrenar sus propios modelos o desplegar servicios de IA, esto implica un aumento del coste de entrada a la computación acelerada. Ya sea mediante la compra directa de servidores con GPU o a través de alquiler de capacidad en la nube, la factura sube cuando incluso las GPU «viejas» se cotizan como si fuesen producto de lujo.
En el caso de pymes, startups o centros de investigación, esta escalada de precios puede marcar la diferencia entre lanzar o no un proyecto. Algunos equipos se ven obligados a retrasar iniciativas, recurrir a modelos más pequeños o buscar acuerdos con universidades y consorcios europeos para acceder a clústeres compartidos.
Una cadena de suministro tensionada: de las obleas a la memoria DRAM
La presión que ejerce la IA no se limita a las GPU de NVIDIA. Toda la cadena de semiconductores se está viendo afectada, desde las obleas de silicio hasta las memorias especializadas y las unidades de almacenamiento necesarias para alimentar los centros de datos.
Fabricantes de procesadores y foundries trabajan al límite de su capacidad, mientras que los proveedores de servicios en la nube intentan ampliar su infraestructura lo más rápido posible. El problema es que el ritmo al que surgen nuevos modelos de IA y servicios basados en ellos es superior a la capacidad física de las fábricas para sacar más chips al mercado.
Además de las GPU, las CPUs de servidor, la memoria DRAM y el almacenamiento de alto rendimiento también se han encarecido o escasean en determinados segmentos. Cuando un proveedor consigue asegurar un lote de componentes, estos suelen estar ya asignados a proyectos concretos incluso antes de llegar al almacén.
En Europa, la respuesta política y empresarial pasa por iniciativas de reindustrialización y programas como el European Chips Act, que buscan reducir la dependencia de fábricas en Asia y Estados Unidos. Sin embargo, estos planes son a medio y largo plazo, mientras que la demanda actual de GPU para IA es inmediata.
Impacto en el mercado de consumo y recuerdo de la era de la criptominería
De momento, la parte más afectada por esta revalorización son las GPU profesionales de centros de datos, no las tarjetas gráficas gaming de consumo masivo. Eso no significa que el usuario doméstico esté completamente a salvo. La historia reciente muestra que una presión extrema sobre la producción puede acabar trasladándose a todo el mercado.
NVIDIA ya vivió una situación parecida durante el auge de la criptominería, cuando la gama GeForce RTX 30 alcanzó precios difíciles de justificar por la falta de stock y la fiebre por minar criptodivisas. En aquella ocasión, muchas tarjetas pensadas para jugar terminaron en granjas de minería, disparando su cotización muy por encima del PVP recomendado.
La diferencia ahora es que la tensión se concentra en modelos específicamente diseñados para IA y centros de datos. Aun así, hay voces que señalan el riesgo de que, si la escasez se prolonga, algunas empresas empiecen a mirar con más interés a tarjetas de consumo de gama alta para cubrir necesidades urgentes de cálculo.
Se han visto ya movimientos puntuales en determinadas GPU de nueva generación, con precios que se alejan del valor de referencia en algunos mercados. Si la situación de falta de hardware persiste, no sería extraño que el efecto rebote acabe llegando también al segmento gaming, como ya sucedió años atrás con las criptomonedas.
¿Burbuja de la IA o nueva normalidad del hardware?
El discurso de NVIDIA, presentando sus GPU como un bien que se revaloriza con el tiempo, abre inevitablemente el debate sobre si estamos ante una burbuja o ante un cambio estructural en la forma de valorar el hardware. Algunos analistas comparan el momento actual con la época de las puntocom a principios de los 2000.
La idea es que la explosión de proyectos de IA podría no ser sostenible a largo plazo. Si demasiadas empresas apuestan por modelos que no generan suficiente retorno o por servicios sin demanda real, la inversión podría desinflarse de forma brusca, arrastrando también el mercado de GPU y otros componentes relacionados.
Al mismo tiempo, hay quien defiende que la IA se ha integrado ya tan profundamente en sectores clave —finanzas, salud, industria, administración pública— que la necesidad de cómputo acelerado ha llegado para quedarse. En ese escenario, el hardware dejaría de ser un simple producto que se compra y se sustituye cada pocos años para convertirse en un activo estratégico, casi financiero.
En Europa y España, la discusión tiene una dimensión adicional: la brecha entre las grandes tecnológicas con capacidad para acaparar GPU y el resto del tejido empresarial. Si el acceso a la potencia de cálculo se vuelve demasiado caro, la competitividad de startups y pymes europeas en IA podría resentirse frente a actores con bolsillos mucho más profundos.
A día de hoy, lo único claro es que la comparación de NVIDIA entre sus GPU y el buen vino refleja un mercado fuera de los cánones habituales. Chips que deberían estar rumoreando su retirada se han convertido, de repente, en el bien más disputado de la industria tecnológica. Mientras la fiebre de la IA siga en plena ebullición, parece que estas «cosechas» de GPU seguirán subiendo de precio y marcando el ritmo de la innovación digital.
