Cómo los nombres de las GPUs de NVIDIA revelan una hoja de ruta estratégica secreta
Jensen Huang ha estado incorporando el futuro arquitectónico de NVIDIA en los nombres de sus GPUs durante décadas. El cambio de Blackwell a Rubin y hacia el próximo Feynman revela una empresa que pivota de la velocidad bruta de los chips a la eficiencia a nivel de sistema y la computación cuántica, antes de que sus competidores siquiera vean el siguiente producto.
El nombre antes del chip
Jensen Huang acaba de presentar la plataforma Vera Rubin en Hot Chips 2026, un sistema que integra 72 GPU, 36 CPU, SuperNIC y DPU en un solo nodo de computación para IA mediante NVLink de sexta generación. En papel parece otro salto generacional incremental; pero si te fijas bien en el nombre, se lee como otra cosa: un marcador de capítulo en una historia que Huang ha ido escribiendo durante treinta años.
NVIDIA ha estado nombrando sus arquitecturas de GPU en honor a científicos desde finales de los noventa. La línea lee como un syllabus de la historia de la computación moderna: Tesla, Fermi, Kepler, Maxwell, Pascal, Volta, Turing, Ampere, Hopper, Blackwell, Rubin… y ahora, Feynman. La secuencia no es casual. Sigue el campo expandido de lo que se supone que las GPU deben resolver.
De la física al código al cosmos
Los primeros nombres tomaban prestados de la electricidad y la física. Tesla y Ampere por el electromagnetismo. Fermi por la estadística nuclear y cuántica. Kepler por el movimiento planetario. Eran los cimientos de los problemas de ingeniería que las GPU terminarían acelerando.
El punto de inflexión llegó con Volta en 2017. La V100 llevó los primeros Tensor Cores de NVIDIA —silicio diseñado específicamente para las multiplicaciones de matrices en el núcleo del entrenamiento de redes neuronales—. Volta fue el momento en que la GPU dejó de ser un acelerador gráfico y se convirtió en un acelerador de IA. El nombre honraba a Alessandro Volta, pero la arquitectura nombró una nueva categoría de computación.
Tras Volta, los nombres se desplazaron deliberadamente hacia la informática. Turing honró a Alan Turing, el padre de la teoría computacional. Hopper honró a Grace Hopper, pionera de los lenguajes de programación. Blackwell, revelado en 2024, honró a David Harold Blackwell —el primer científico negro electo a la Academia Nacional de Ciencias, cuyo trabajo en teoría de juegos y estadística sustenta gran parte del machine learning moderno—.
Luego llegó Rubin.
Vera Rubin fue una astrónoma que aportó la primera evidencia observacional decisiva de la materia oscura estudiando las curvas de rotación galáctica. Hizo visible lo invisible. La plataforma que ahora lleva su nombre hace algo conceptualmente similar con la infraestructura de IA: pone al descubierto los cuellos de botella invisibles del movimiento de datos, el ancho de banda de memoria y la integración del sistema, y luego los resuelve.
Rubin no es una GPU más rápida. Es una fábrica de IA más rápida. Esa distinción importa más que los teraflops puros.
La verdadera competencia ya no trata sobre velocidad
Las cifras que NVIDIA publicó para Rubin son llamativas. Frente a Blackwell, la plataforma ofrece hasta 30 veces más trabajo por vatio de energía y reduce el costo de generar un millón de tokens hasta 35 veces. No son ganancias marginales. Son la diferencia entre un data center que puede ejecutar agentes de IA con rentabilidad y uno que no.
Los agentes de IA cambian las matemáticas. Una consulta estándar de IA generativa puede producir unos pocos miles de tokens. Un agente de IA que escribe código, llama a herramientas externas, itera sobre resultados y depura su propia salida puede consumir hasta 15 veces más tokens por sesión. El cuello de botella ya no es el rendimiento pico de la GPU. Es la eficiencia energética, el ancho de banda de memoria y el rendimiento a nivel de sistema —exactamente los problemas para los que Rubin fue diseñada—.
Por eso importa el nombramiento. Huang está señalando que la próxima fase de la carrera de hardware para IA no trata de quién construye el chip individual más rápido. Trata de quién construye el sistema completo más eficiente. NVIDIA está moviendo el poste de gol hacia el terreno donde competidores como AMD e Intel son más fuertes —el rendimiento individual de la GPU— y hacia el terreno donde su ventaja de stack es más amplia: la integración de computación, memoria, red y software.
Feynman es la señal cuántica
Si Rubin marca el paso a la computación a nivel de sistema, Feynman marca la siguiente frontera. NVIDIA ya ha identificado la arquitectura de 2028 que llevará el nombre de Richard Feynman. Feynman ganó el Nobel de Física en 1965 por la electrodinámica cuántica y es famoso por proponer que las computadoras cuánticas podrían simular la física cuántica —un desafío que ha impulsado el campo desde entonces—.
NVIDIA no nombra un chip en honor a un físico cuántico por casualidad. La compañía anunció un Centro de Investigación de Computación Cuántica Acelerada con sede en Boston en marzo de 2025 y presentó NVQLink en octubre de 2025, una tecnología diseñada para conectar supercomputadoras GPU con procesadores cuánticos de latencia ultra baja. Huang ha descrito públicamente un futuro en que las supercomputadoras científicas de NVIDIA se convierten en sistemas híbridos que combinan procesamiento clásico y cuántico.
El nombre Feynman es una bandera plantada antes de conquistar el territorio. Le dice a clientes y competidores que NVIDIA ve la computación potenciada por lo cuántico como la siguiente etapa de su hoja de ruta, incluso si los procesadores cuánticos comerciales siguen estando años por llegar.
Qué revela la secuencia sobre la carrera
La progresión de Blackwell a Rubin a Feynman cuenta una historia estratégica coherente. Blackwell optimizó la GPU para cargas de trabajo de IA generativa. Rubin optimizó el sistema en torno a los agentes de IA y la economía de inferencia a escala. Feynman apunta hacia la computación híbrida cuántico-clásica.
Cada paso amplía la brecha entre NVIDIA y el resto. Un competidor puede diseñar una GPU más rápida de forma aislada. Replicar la integración a nivel de sistema de NVIDIA a través de GPU, CPU, NIC, DPU, NVLink y el stack de software CUDA requiere miles de millones en capital, décadas de IP acumulada y relaciones profundas con los mayores proveedores de nube. Por eso Amazon, Microsoft, Google y Meta despliegan todos sistemas basados en NVIDIA Rubin… y por qué los nombres en esas cajas pesan más que cualquier nota de prensa.
El riesgo para NVIDIA es que la secuencia de nombres genere expectativas más rápido de lo que el hardware puede entregar. Las ganancias de eficiencia de Rubin son reales, pero dependen de la arquitectura de plataforma completa, no de un chip individual. Las ambiciones cuánticas de Feynman siguen siendo especulativas. Y la misma integración a nivel de sistema que otorga a NVIDIA su foso hace que cada retraso sea más visible: un fallo de NVLink o un bug de software puede degradar toda una fábrica de IA, no solo una GPU.
Aun así, la estrategia de Huang está clara. Al incrustar la hoja de ruta en los nombres, convierte los lanzamientos de producto en momentos culturales. Cada presentación es simultáneamente un anuncio técnico, un ejercicio de marca y una señal al mercado sobre dónde pretende estar la empresa dentro de tres a cinco años. Ese es un tipo de poder blando que ningún competidor ha igualado.
La próxima vez que NVIDIA anuncie una nueva arquitectura, fijaTE en el nombre. Te dirá más sobre hacia dónde va la computación para IA que cualquier hoja de especificaciones.