Huang declara la AGI aquí — y lo convierte en una historia de NVIDIA

El tuit que reescribió la sala de juntas

Jensen Huang no anunció el AGI desde un escenario. Lo publicó en X el 6 de septiembre de 2026, en un mensaje tan sobrio que casi parecía un recibo: GPT-6 Astra, entrenado con aproximadamente 100.000 GPUs NVIDIA Grace Blackwell conectadas mediante NVLink72. Cuatro años desde ChatGPT hasta ese punto. Luego, el giro que hace todo el trabajo pesado: otras 400.000 GPUs se pondrán en línea a continuación. Felicitó a OpenAI. Luego se aseguró de que todos entendieran cuál era la empresa que construyó el suelo sobre el que estaban parados.

La publicación ha recibido más de 37.000 me gusta y 4.000 retuits. Pero el verdadero daño —o oportunidad, dependiendo de tu posición— no está en las cifras de engagement. Está en el encuadre. Huang acaba de colapsar la brecha entre la inteligencia general artificial y un SKU específico. El AGI ya no es un hito del software. Es un cronograma de despliegue de hardware.

De la cautela en resultados a la declaración pública

Veinte días antes, en la llamada de resultados del segundo trimestre del año fiscal 2027, el 26 de agosto, Huang fue visiblemente más circunspecto. Cuando lo presionaron directamente sobre el AGI y la mejora recursiva, ofreció una media admisión: para muchas tareas, podríamos decir que ya lo hemos logrado—, antes de dirigir inmediatamente la conversación hacia la economía. Los hitos eran insensatos, dijo. Lo que importaba era que la IA estaba haciendo trabajo productivo, generando jetones rentables, y podría generar más jetones rentables si solo hubiera más capacidad de cómputo.

Sus comentarios de apertura cristalizaron la nueva doctrina: la IA ha alcanzado su punto de inflexión. El cómputo es ingreso.

El tuit convierte esa convicción privada en doctrina pública. El lenguaje medido de una llamada de resultados —diseñado para evitar el escrutinio regulatorio y templar las expectativas de los inversores— ha desaparecido. En su lugar, hay una declaración que ata la palabra AGI a 100.000 chips físicos sentados en centros de datos ahora mismo. El cambio semántico es enorme. Si el AGI llegó la semana pasada, cada modelo de valuación quepreciaba la IA como una posibilidad futura necesita de inmediato ajustar una factura de infraestructura en tiempo presente.

Las cifras detrás de la declaración

Los ingresos del segundo trimestre de NVIDIA alcanzaron los 96.000 millones de dólares, un 106 % interanual. La guía del tercer trimestre se sitúa en 108.000 millones. La compañía ya está luchando para cumplir con los pedidos. La propia declaración de Huang reconoce que las 100.000 GPUs que impulsan GPT-6 Astra son apenas la posición inicial: otras 400.000 están en cola para el despliegue. Eso es una expansión quintuplicada de la base de cómputo en una sola oleada, e implica construcción de centros de datos, adquisición de energía y suministro de semiconductores a una escala que la mayoría de los analistas aún no han modelado por completo.

La demanda no es abstracta. Cada laboratorio de IA grande está corriendo hacia la misma restricción: quién puede enviar silicio más rápido, quién puede cablearlo junto y quién puede alimentarlo. NVLink72 no es un detalle menor en el tuit de Huang. Es la arquitectura de interconexión que hace posible el entrenamiento a esa escala. Sin ella, 100.000 GPUs son solo 100.000 piedras caras.

Quiénes ganan, quiénes pierden

El ganador es claro: NVIDIA. Pero los ganadores de segunda orden son menos obvios y más importantes.

Los desarrolladores de centros de datos que han asegurado tierras, energía y agua en los corredores adecuados —particularmente en Estados Unidos, donde la política energética y la zonificación crean ventajas desiguales— capturarán valor independientemente de qué modelo gane la carrera. El cronograma de despliegue de 400.000 GPUs convierte los inmuebles en un cuello de botella. Las redes eléctricas son el cuello de botella más difícil. Un solo centro de datos moderno puede consumir tanta electricidad como una ciudad pequeña. Escalar de 100.000 a 500.000 GPUs multiplica esa demanda sin un aumento proporcional en la capacidad de la red en la mayoría de las regiones.

Los perdedores son las empresas que apuestan a que el software las diferenciará por sí solo. Si el AGI llega en silicio Blackwell, entonces la defensa no es el modelo —es la capacidad de acceder a los chips a escala. La asociación de OpenAI con NVIDIA es ahora una dependencia estructural, no una elección táctica. Cualquier competidor sin acceso equivalente a GPUs enfrenta un techo, no un piso.

Los laboratorios de IA más pequeños y las startups son los más expuestos. No tienen el capital para pujar contra Google, Microsoft, Amazon o OpenAI por asignaciones de Blackwell. O licenciarán inferencia de los gigantes, o se retraerán hacia modelos más estrechos y menos capaces. La presión por consolidación se acelera.

El problema de la definición

La declaración de Huang también desplaza la pregunta de qué es el AGI a quién tiene el derecho de definirlo. Ahora mismo, la definición se está escribiendo en documentos de compras y registros de entrenamiento, no en artículos académicos. Si el baremo para el AGI es un modelo entrenado en 100.000 GPUs que produce jetones rentables a escala, entonces la métrica es industrial, no filosófica. Eso beneficia a las empresas que controlan la base industrial.

Esto importa más allá del sector tecnológico. Los contratistas de defensa, los fondos de riqueza soberana y los gobiernos nacionales están observando de cerca. La capacidad de AGI concentrada en un solo proveedor de hardware crea palanca que ningún regulador tiene un manual de respuesta para. La pregunta no es si esta concentración atraerá atención antimonopolio —ya la ha atraído—, sino si la respuesta será lo suficientemente rápida como para importar antes de que se entrene la próxima generación de modelos.

Qué sigue

Los próximos seis meses serán decisivos. El cronograma de despliegue de 400.000 GPUs le da a NVIDIA una pista de despegue visible, pero también un blanco visible. Cada competidor de chipmakers —AMD, Intel, los esfuerzos de silicio personalizado de Google y Amazon— ahora tiene una fecha límite. Si no pueden enviar infraestructura alternativa competitiva antes de que esas GPUs se pongan en línea, el ecosistema se bloqueará alrededor de la arquitectura de NVIDIA durante años.

OpenAI enfrenta una presión diferente. GPT-6 Astra demuestra que la escala masiva todavía produce capacidad, pero el costo de reproducir esa escala está escalando más rápido de lo que la mayoría de los modelos de ingresos pueden absorber. La compañía debe ahora demostrar que los modelos de nivel AGI pueden sostenerse económicamente, no solo técnicamente. El comentario de Huang sobre jetones rentables es la pregunta que OpenAI necesita responder públicamente.

La guía de ingresos del tercer trimestre de NVIDIA de 108.000 millones de dólares será la primera prueba de si el mercado cree que la construcción de infraestructura es real o aspiracional. Si la guía se mantiene y luego la supera, la narrativa de valuación se ajustará alrededor del hardware como cuello de botella. Si falla, el mercado reclasificará de dependencia a especulación overnight.

Huang convirtió un hito del software en un anuncio de hardware. La carrera que sigue no la ganará la compañía con el mejor modelo. La ganará la compañía que pueda enviar más chips, cablearlos más rápido y alimentarlos más barato. Todo lo demás es comentario.