Huang, de NVIDIA, dice que los equipos de IA pueden durar más de 8 años

Se describió un equipo de $50 billion como "el activo de menor riesgo"

Huang describió los equipos de cómputo que ejecutan la IA como centros de datos (fábricas de IA). Dijo que construir una instalación de clase gigavatio cuesta alrededor de $50 billion. Un centro de datos de un gigavatio, una fábrica de IA de un gigavatio, cuesta alrededor de $50 billion.── Jensen Huang (2026-10-21 11:17 UTC · YouTube "NVIDIA GTC Berlin 2026 Keynote With CEO Jensen Huang" (NVIDIA) en 0:14:32, fuente)

Esta cifra se convierte en la premisa cuando los bancos e inversores deciden sobre préstamos o inversiones. [Inferencia del consejo] La declaración de Huang es una afirmación de que es seguro usar este enorme equipamiento como garantía.

Huang añadió que el riesgo de asumir los activos de cómputo de NVIDIA es menor que el de cualquier otro activo. El riesgo de respaldar el activo de NVIDIA en nuestra computación NVIDIA es el más bajo de cualquier activo que existe.── Jensen Huang (2026-10-21 18:35 UTC · YouTube "Jensen Huang Exclusive: AI Financing Fears & Rising GPU Rents | GTC Berlin" (Deirdre Bosa y Yahoo Finance) en 0:07:48, fuente)

Esta declaración influye directamente en cómo los compradores del equipamiento estiman su valor dentro de varios años. Si se espera que el equipo conserve su valor, es más fácil conseguir financiación. Pero Huang también es parte del lado vendedor. Dijo que NVIDIA ha invertido hasta ahora unos 10.000 millones de dólares, no 1.000 millones, en empresas, y anunció inversiones en 14 empresas más esta semana. [Inferencia del consejo] Dado que el vendedor también participa en el flujo de fondos de los compradores, esta declaración debe leerse con cierto descuento.

La vida útil supuesta de los equipos se ha alargado de 4 años a 8 años o más

Sobre la vida útil de los ordenadores, Huang dijo que antes se pensaba que duraban 4 años, pero que en la práctica probablemente durarán 8 años o más. la gente está descubriendo que lo que se pensaba que era un ciclo de vida de cuatro años en realidad probablemente es de ocho o quizá más── Jensen Huang (2026-10-21 18:35 UTC · YouTube "Jensen Huang Exclusive: AI Financing Fears & Rising GPU Rents | GTC Berlin" (Deirdre Bosa y Yahoo Finance) en 0:06:28, fuente)

Si la vida útil se duplica, el periodo en que se recupera el costo del equipo también se duplica. Para las empresas que invierten, la carga anual se aligera y resulta más fácil alcanzar la rentabilidad. Huang lo dice porque ve una demanda sólida y cree que seguirá habiendo trabajo incluso para los equipos más antiguos. En la misma intervención, también dijo que el valor residual de las computadoras de NVIDIA, es decir, su valor después de usarse, es muy alto.

Sin embargo, en esas mismas declaraciones hay un punto que parece contradictorio. Blackwell, la generación actual, es unas 30 veces más rápida que la generación anterior, Hopper. Se dice que la siguiente, Vera Rubin, será otras 30 veces más rápida y llegará en dos años. [Inferencia del consejo] Si cada nueva generación es un orden de magnitud más rápida cada dos años, no está claro que los equipos antiguos puedan conservar su valor durante 8 años. Los expertos también están divididos en esto. El indicador de cuán dividido está el consejo sobre este tema es 0.966, cercano al máximo.

Por el lado de la financiación, también se informa de una respuesta más fría

La misma semana apareció otro informe. OpenAI busca 30.000 millones de dólares de financiación y ha rebajado su valoración a 1,25 billones de dólares, pero según se informa la reacción de los inversores es fría. Un informe cita una voz que dice: "esta vez es un poco decepcionante".

Ninguna declaración real dentro del consejo aborda este informe. [Inferencia del consejo] La premisa de que los equipos conservarán su valor se apoya en que las empresas de IA puedan seguir captando fondos. Si la financiación se reduce, la premisa también se tambalea.

También hay novedades por el lado de los trabajadores. American Express recortará el 5% de sus empleados, diciendo que se está "preparando para la IA". Goldman Sachs estimó que cerca del 10% de los trabajadores será reemplazado por la IA en unos pocos años. Esto se conecta con la visión de que la enorme inversión de capital se recuperará mediante la sustitución de esa cantidad de trabajo. Sin embargo, ninguna declaración real dentro del consejo aborda este punto, por lo que no se puede afirmar nada con certeza.

Nadie ha verificado aún que "los modelos abiertos hayan alcanzado la frontera"

Huang dijo que, de los aproximadamente $600 billion en capital de riesgo que llegaron a las startups de IA, el 80% de las empresas usa modelos abiertos (IA cuyo contenido cualquiera puede obtener y utilizar). Creo que se destinaron $600 billion en financiación de capital de riesgo a startups nativas de IA. El 80% de esas startups nativas de IA usa modelos abiertos.── Jensen Huang (2026-10-21 18:35 UTC · YouTube "Jensen Huang Exclusive: AI Financing Fears & Rising GPU Rents | GTC Berlin" (Deirdre Bosa y Yahoo Finance) en 0:13:02, fuente)

Si esto es cierto, las empresas que usan IA pueden empezar a bajo costo sin tener que poseer equipos enormes. En otra ocasión, Huang también dijo que los modelos abiertos han alcanzado el nivel de frontera. Al mismo tiempo, recomienda alquilar modelos cerrados de los laboratorios de frontera siempre que sea posible. [Inferencia del consejo] Puestas una junto a la otra, estas dos afirmaciones suenan contradictorias.

¿Quién verificará si los modelos abiertos han alcanzado la frontera, y con qué evaluación independiente? Sobre este tema solo habló Huang, y no hay ninguna otra declaración real dentro del consejo. Mientras no se muestre un medio de verificación, es razonable que los lectores lo traten como la afirmación de una sola empresa.

Quienes se benefician y quienes cargan con el costo no están en el mismo lugar

Huang dijo que este es el mejor momento de los últimos 100 años para invertir en energía sostenible. esta es la mejor oportunidad para invertir en energía sostenible, no hay mejor momento que ahora en los últimos 100 años── Jensen Huang (2026-10-21 18:35 UTC · YouTube "Jensen Huang Exclusive: AI Financing Fears & Rising GPU Rents | GTC Berlin" (Deirdre Bosa y Yahoo Finance) en 0:19:31, fuente)

Es un viento a favor para las empresas de servicios públicos y los operadores de energía renovable. Pero en las localidades donde se construyen instalaciones de clase gigavatio, aumenta el consumo de electricidad y agua. En Australia, se informa de que el rechazo a los centros de datos de IA amenaza planes por valor de $70 billion. Se dice que Gebru, del consejo, sostiene la postura de criticar esto como una inversión que traslada cargas ambientales a la zona local (inferido). Si una auditoría de terceros confirmara que las cargas medidas no aumentan, esta visión sería rechazada.

[Inferencia del consejo] Se pueden considerar tres beneficios futuros: vidas útiles más largas que facilitan la rentabilidad, un menor tiempo desde la instalación hasta el inicio de la producción, de 4–5 meses a aproximadamente 1 mes, y una base más amplia de participantes a medida que se difunden los modelos abiertos. En cambio, también hay tres riesgos: inversiones a escala de $50 billion y una escasez de suministro que dura varios años, pérdidas de capital si falla la premisa del valor residual, y la carga energética y ambiental que recae sobre las comunidades locales. Los beneficios se basan en las estimaciones del vendedor, mientras que los riesgos los asumen las personas del entorno. Esta asimetría es el núcleo de la historia de hoy.