NVIDIA ha continuado su dominio de los centros de datos de inteligencia artificial (IA), con sus últimos resultados trimestrales que muestran un crecimiento de los ingresos del 16%, un aumento del 93% con respecto al mismo período del año pasado.
El negocio de datos de datos de la compañía reportó ingresos trimestrales de $ 35.6 mil millones e ingresos de $ 115 mil millones para todo el año, un aumento del 142% en comparación con el año pasado.
En sus comentarios preparados, el CEO y fundador de NVIDIA, Jensen Huang, dijo: “La demanda de Blackwell es sorprendente, ya que el razonamiento AI agrega otra ley de escala: aumentar el cómputo para la capacitación hace que los modelos más inteligentes y el aumento de la cómputo para un pensamiento largo hacen que la respuesta sea más inteligente.
“Hemos aumentado con éxito la producción a gran escala de supercomputadoras de IA Blackwell, alcanzando miles de millones de dólares en ventas en su primer trimestre. La IA avanza a velocidad de la luz, ya que la IA agente y la IA física preparan el escenario para la próxima ola de IA para revolucionar las industrias más grandes “.
Durante la llamada de ganancias, los analistas financieros cuestionaron a NVIDIA sobre Deepseek, que requiere unidades de procesamiento de gráficos menos potentes (GPU), y el hecho de que los proveedores de servicios en la nube (CSP) como Microsoft están diseñando sus propios chips personalizados optimizados para las cargas de trabajo de IA.
Según una transcripción de la llamada de ganancias publicada en la búsqueda de alfa, los CSP representan aproximadamente la mitad del negocio de Nvidia. Pero también existe una creciente demanda de los clientes empresariales. Huang dijo: “Vemos el crecimiento de la empresa en el futuro”, que él cree que representa una oportunidad mayor para vender GPU de NVIDIA a largo plazo.
Huang usó la llamada de ganancias para discutir por qué cree que los nuevos modelos de IA aumentarán la demanda, incluso a medida que los modelos de IA se vuelven más eficientes computacionalmente. “Cuanto más piense el modelo, más inteligente es la respuesta”, dijo. “Modelos como OpenAI, Grok-3 y Deepseek-R1 son modelos de razonamiento que aplican escala de tiempo de inferencia. Los modelos de razonamiento pueden consumir 100 veces más cómputo. Los modelos de razonamiento futuros pueden consumir mucho más cómputo “.
Cuando se le preguntó sobre el riesgo de que los CSP estuvieran desarrollando circuitos integrados (ASIC) específicos de la aplicación en lugar de usar GPU, Huang respondió hablando sobre la complejidad de la pila de tecnología que se encuentra en la cima del desafío, lo que implica que este sería un desafío si se desplegaran chips personalizados en lugar de GPU estándar. “La pila de software es increíblemente difícil. Construir un ASIC no es diferente a lo que hacemos: construimos una nueva arquitectura ”, dijo.
Según Huang, el ecosistema tecnológico que se encuentra en la parte superior de esta arquitectura Nvidia es 10 veces más complejo hoy que hace dos años. “Eso es bastante obvio”, dijo, “porque la cantidad de software que el mundo se está construyendo sobre la arquitectura está creciendo exponencialmente y la IA avanza muy rápidamente”. Así que traer todo ese ecosistema [together] Además de múltiples chips, es difícil “.
Al discutir los resultados de NVIDIA, el analista senior de Forrester, Alvin Nguyen, dijo: “Tener otro rendimiento récord de Nvidia parece común a pesar de la enormidad de la hazaña. Las ganancias récord representan la demanda continua de productos NVIDIA AI. El énfasis en los modelos de razonamiento que conducen más, no menos, el cálculo es un buen mostrador verbal para las preocupaciones sobre el profundo see que impactan su demanda “.
Sin embargo, en opinión de Nguyen, las respuestas de Huang a preguntas sobre chips personalizados que ofrecen una alternativa a las GPU de Nvidia fueron “despectivas”.
“Su respuesta a la pregunta sobre los chips personalizados de Amazon, Microsoft y Google amenazando su negocio fue despectivo e ignora la necesidad de que estas compañías tengan opciones fuera de NVIDIA y que tengan semiconductores adaptados específicamente a sus necesidades de capacitación e inferencia de IA”, dijo.