NVIDIA defiende que sus fábricas de IA son productivas, durables y fungibles
En su blog del 1 de octubre de 2026, NVIDIA estima en unos 60 millones de dólares el costo de cada megavatio de una fábrica de IA y plantea tres ejes para justificar el retorno: productividad, durabilidad y fungibilidad. Las cifras proceden de la propia empresa o de terceros que ella cita, y ninguna está verificada de forma independiente.
Cada megavatio de una fábrica de IA cuesta unos 60 millones de dólares. Es la cifra de NVIDIA, que añade que los operadores solo comprometerán capital a esa escala con una visión clara del retorno de la inversión.
Todo lo que sigue procede de ese blog, incluidos los datos de terceros, que la empresa cita sin que existan verificaciones independientes. Tampoco hay voces críticas ni precios para consumidores. Para quien juega, la relevancia es indirecta.
Productividad: Vera Rubin NVL72 frente a GB300 NVL72
Datos de SemiAnalysis AgentX muestran que los sistemas Vera Rubin NVL72 entregan más de 30x de rendimiento (throughput) por megavatio que los GB300 NVL72. En costo por millón de tokens, la reducción llega hasta 45x, solo en el modelo DeepSeek V4 Pro.
El 45x es un máximo en un único modelo. No debe leerse como resultado general.
Durabilidad: cuánto duran y cuánto valen las GPU
La A100 salió en 2020 y sigue en servicio comercial seis años después, afirma NVIDIA. La empresa también cita que CoreWeave extendió recientemente hasta 2029 las reservas de unidades introducidas en 2020.
Silicon Data indica que una A100 de seis años aún vale una cuarta parte de su costo, cuando un calendario de depreciación a cinco años la dejaba en cero hace más de un año. Ornn Data halla que el mercado paga por alquilar una A100 a cinco años el 80% de lo que paga por un contrato de un mes. Sprout, a partir de comunicados de empresas y prensa, apunta que la flota de V100 de Microsoft operó 8,4 años frente a una vida contable de seis.
Barkr estima, a partir de los precios de reventa, una vida útil de cinco a seis años para un sistema H100 de ocho GPU y de nueve a 10 años para GB300 NVL72. Es una opinión de esa firma, no una medición.
Fungibilidad: una plataforma para muchos usos
La tesis de la fuente es que una misma plataforma puede reasignarse a distintas cargas de trabajo. NVIDIA ofrece como ilustración su ecosistema CUDA-X: más de 1.000 bibliotecas y modelos listos para usar, con más de 10 millones de desarrolladores.
Entre los casos que cita, Pinterest hace posentrenamiento y despliegue de un modelo de visión y lenguaje con 14.000 GPU Blackwell, Hopper y anteriores. Texas A&M ejecuta simulación molecular y descubrimiento de fármacos con IA a 95-98% de utilización, en 26 proyectos y siete instituciones. Unilever genera imágenes de producto con gemelos digitales y reduce a la mitad sus costos de producción. Son afirmaciones de NVIDIA.
Tokens más baratos, más demanda
NVIDIA sostiene que los tokens más baratos amplían la demanda de cómputo en lugar de reducirla: hacen económicos más casos de uso, y estos consumen más tokens de los que se ahorran. Es una postura de la empresa, no un hecho demostrado.
NVIDIA remite al keynote de Jensen Huang en GTC Berlín, el miércoles 21 de octubre a las 11 a.m. CEST. El blog no detalla qué se tratará allí.