Los 2 millones de GPUs Nvidia de Amazon señalan la próxima fase de la economía de la IA en la nube

La magnitud detrás del anuncio

AWS anunció el miércoles que añadirá 2 millones de GPUs Nvidia a su infraestructura global durante 2027 y 2028, una cifra tan vasta que casi escapa a la comprensión, y un compromiso que efectivamente duplica lo que la empresa anunció hace apenas cinco meses. En la conferencia GTC de marzo, AWS reveló planes para desplegar más de 1 millón de GPUs Nvidia. Algo sucedió en el entretanto. La demanda de inteligencia artificial llegó más rápido de lo previsto, y AWS ajustó su estrategia.

Los chips adicionales corresponden a la última generación: Blackwell Ultra, Rubin y Rubin Ultra. Están destinados a cargas de trabajo que no existían de forma significativa hace un año: sistemas de IA agéntica, pipelines de automatización empresarial, IA física y computación científica a gran escala. Jensen Huang, director ejecutivo de Nvidia, fue tajante sobre la trayectoria. Dijo que la demanda de IA sigue acelerándose, y que la colaboración con AWS ahora se extiende mucho más allá de las GPUs para incluir CPUs, redes y memoria personalizada de alto ancho de banda. AWS también está adoptando la arquitectura de CPU Vera de próxima generación de Nvidia y desplegará tecnología de interconexión NVLink Fusion en toda su infraestructura en la nube.

Hay un detalle que vale la pena examinar. Amazon ha estado desarrollando su propio semiconductor de IA, Trainium, durante años. Está expandiendo el despliegue de Trainium. Y sin embargo, está triplicando simultáneamente su pedido a Nvidia. Eso no es una contradicción. Es una señal.

Qué está cubriendo Amazon

Amazon está ejecutando dos apuestas paralelas. Trainium es la jugada a largo plazo: un chip que reduce la dependencia de proveedores externos y mejora el margen de la infraestructura de AWS con el tiempo. Nvidia es la jugada inmediata: la única fuente de computación capaz de escalar lo suficiente para satisfacer la demanda de IA en la nube hoy. Ambas no son excluyentes. Reflejan una compañía que se niega a elegir entre soberanía y velocidad.

El hecho de que AWS esté acelerando el pedido de Nvidia en 1 millón de unidades dentro de un solo trimestre te dice algo sobre el panorama competitivo. La demanda no está creciendo de forma lineal. Se está componiendo. Los clientes están construyendo flujos de trabajo agénticos, sistemas multimodales y productos de IA física que requieren órdenes de magnitud más de rendimiento de inferencia y entrenamiento que las generaciones anteriores de computación en la nube podían soportar. Si eres un proveedor de nube y ves que tu lista de espera se acelera, no reduces tu pedido de semiconductores. Lo duplicas.

Esta estrategia dual también revela un cálculo más profundo sobre los tiempos. Los chips Trainium siguen siendo una fracción de la capacidad que ofrece Trainium una paridad de rendimiento significativa con las GPUs de gama alta de Nvidia para las cargas de trabajo de entrenamiento más exigentes. Alcanzar esa paridad es un proyecto de varios años. Mientras tanto, cada mes de retraso es un mes de ingresos perdidos frente a competidores que pueden ofrecer servicios superiores respaldados por GPUs. Amazon está comprando tiempo y cantidad con su pedido a Nvidia mientras construye la base de infraestructura que eventualmente le permitirá prescindir de proveedores externos.

La restricción de suministro que nadie quiere discutir

Dos millones de GPUs no es un número que pueda cubrirse de la noche a la mañana. Nvidia no produce chips en cantidades ilimitadas. La cadena de suministro —ópticas empaquetadas, empaquetado avanzado en TSMC, memoria HBM de SK Hynix y Samsung, distribución de energía, infraestructura de refrigeración líquida— no es infinitamente elástica. Cada gran proveedor de nube está intentando asegurar asignaciones del mismo canal restringido. Esta no es una competencia hipotética. Está sucediendo en tiempo real.

Microsoft y Google tienen sus propias relaciones con Nvidia, y no se quedan quietas. Microsoft ha sido uno de los mayores clientes empresariales de Nvidia durante años. Google está invirtiendo fuertemente en sus propios TPUs mientras mantiene pedidos sustanciales de Nvidia para cargas de trabajo que demandan flexibilidad de GPU. La implicación es directa: cuando un hiperscaler se compromete con un pedido de esta magnitud, los demás deben responder o correr el riesgo de quedarse atrás en disponibilidad. Esta es una carrera armamentista de infraestructura, y la munición es silicio.

Los efectos secundarios de esta concentración de demanda ya son visibles. Los proveedores de nube más pequeños y las empresas independientes de IA enfrentan tiempos de espera más largos y precios más altos. Algunas están recurriendo a la serie MI300 de AMD como alternativa, pero la cadena de suministro de AMD también está restringida, y su ecosistema de software queda rezagado frente al dominio de CUDA de Nvidia. El resultado es un mercado donde el acceso a la computación se está convirtiendo en una barrera de entrada en sí mismo. Empresas sin relaciones existentes con hiperscalers podrían encontrarse bloqueadas de la infraestructura más capable simplemente porque no pueden asegurar asignaciones.

Las guías de Nvidia no eran una sugerencia

Las propias proyecciones de Nvidia, emitidas el mismo día, pueden ser la parte más trascendental de esta historia. La empresa proyectó un crecimiento de ingresos para el año fiscal 2028 de aproximadamente 70% año contra año. El consenso del mercado estaba alrededor del 45%. Nvidia está guiando casi 25 puntos porcentuales por encima de lo esperado, y atribuyó explícitamente la diferencia a restricciones de suministro más que a una demanda ilimitada. En otras palabras, Nvidia está diciendo: podríamos vender más, pero no podemos producir lo suficiente para satisfacer a todos.

Esa guía importa porque te dice quién gana y quién pierde en este ciclo. Los ganadores son las empresas con prioridad de asignación: Nvidia misma, y los proveedores de nube con relaciones consolidadas. Los perdedores son las pequeñas empresas de IA, las startups e incluso las empresas medianas que se encontrarán con precios prohibitivos o relegadas a listas de espera más largas. Cuando los hiperscalers aseguran millones de chips para 2027 y 2028, el suministro residual disponible para el resto del mercado se reduce drásticamente.

También existe una implicación estratégica para el poder de fijación de precios de Nvidia. Cuando el suministro es tan ajustado y la demanda tan amplia, el vendedor establece los términos. Espera que Nvidia presione por estructuras contractuales más favorables: compromisos de plazos de entrega más largos, precios por unidad más altos y potencialmente acuerdos de compartición de ingresos que le den un porcentaje de los servicios de computación construidos sobre su hardware. El pedido de 2 millones de GPUs de AWS puede ser el compromiso individual más grande del ciclo, pero también es un precedente que moldeará cómo Nvidia negocia con cada otro hiperscaler durante los próximos años.

Efectos de segunda orden en el ecosistema más amplio

Las consecuencias de este pedido se extienden mucho más allá de las tres empresas directamente involucradas. Los propios centros de datos enfrentan presión creciente. Dos millones de GPUs de próxima generación requerirán electricidad masiva, infraestructura significativa de refrigeración líquida y miles de acres de espacio de instalación. Los costos y la disponibilidad de electricidad ya están emergiendo como restricciones vinculantes, particularmente en regiones donde la capacidad de la red no puede seguir el ritmo de la demanda. Algunos operadores están explorando generación propia, incluyendo gas natural y microreactores nucleares, para asegurar energía confiable para cargas de trabajo de IA.

La capa de redes es otra área de tensión. NVLink Fusion y tecnologías de interconexión similares requieren infraestructura de switching y cableado que escale proporcionalmente con la densidad de GPUs. Dell’Oro Group y otros analistas de infraestructura han señalado equipos de networking como el próximo cuello de botella después de las propias GPUs. Los fabricantes de switches y productores de cables están compitiendo para aumentar la capacidad, pero las mismas restricciones de la cadena de suministro que limitan la producción de chips también afectan los componentes que hacen funcionales los clusters de chips.

Finalmente, está la dimensión ambiental. AWS se ha comprometido con metas de carbono neutral, y la intensidad energética del entrenamiento e inferencia de IA es significativa. Dos millones de GPUs adicionales incrementarán la huella de carbono de la computación en la nube a menos que se compense con inversiones en energía renovable o mejoras dramáticas en la eficiencia. La compañía ha reconocido públicamente esta tensión e invierte en diseños de chips más eficientes y tecnologías de refrigeración líquida. Pero la magnitud del pedido deja claro que las ganancias de eficiencia por sí solas no cerrarán la brecha: se requerirá nueva capacidad, y esa capacidad necesitará ser alimentada.

Qué sigue

Esperemos que Nvidia aumente los precios o reestructure su modelo de venta a la nube si el suministro permanece tan ajustado. Esperemos que AWS use su escala para negociar términos preferenciales que los proveedores de nube más pequeños no puedan igualar. Esperemos que la brecha entre las capacidades de infraestructura de las plataformas de nube más grandes y el resto se amplíe aún más. Y esperemos que la conversación sobre el acceso a computación de IA cambie de costo por chip a disponibilidad por chip, porque en un mercado restringido, la disponibilidad importa más que el precio.

El pedido de 2 millones de GPUs de Amazon no es solo una compra. Es una declaración de intenciones. La empresa está apostando a que la demanda de IA seguirá creciendo a un ritmo que ningún proveedor de semiconductores puede satisfacer solo, y que las compañías que aseguren la mayor capacidad hoy definirán la economía de la IA en la nube durante los próximos años. La expansión de infraestructura tomará tiempo: los centros de datos no se construyen en meses, y los despliegues de GPUs se escalonan a lo largo de años, pero la dirección es clara. La IA en la nube está entrando en una fase donde la escala, el acceso a la cadena de suministro y el compromiso de capital son los determinantes primarios de la ventaja competitiva. Amazon ha señalado que tiene la intención de estar del lado correcto de esa ecuación.