Detrás de la abundancia de anuncios en Computex, el mensaje estratégico más importante no es sobre la PC, sino sobre el servidor. NVIDIA está consolidando su dominio en el corazón de la infraestructura de IA, donde usted decide quién controla los cálculos, los modelos y los márgenes. La nota clave de Jensen Huang No se limitó a presentar nuevos chips: relanzó la idea de una plataforma total, capaz de transformar el centro de datos en el motor operativo de la economía de los agentes.
Debajo de la superficie de los anuncios del mercado, algo más relevante ocurrió en GTC Taipei 2026: la formalización de una nueva idea económicaque Huang repitió como un mantra durante una hora y 45 minutos frente a una audiencia de socios, proveedores y operadores de centros de datos. La idea es la siguiente: el token, la unidad de producción atómica de los modelos lingüísticos, se ha convertido en una unidad de medida económica. Cada token generado vale dineroy cada vatio consumido para generarlo debe producir la mayor producción posible. El corolario es que gana la arquitectura que genera más tokens por vatio, independientemente del precio de la tarjeta individual. Esto cambia fundamentalmente las reglas del mercado de servidores de IA.
Vera Rubin: un sistema, no un chip
El primer y más denso bloque de anuncios se refería a Vera Rubin, ya presentada en CES 2026 y ahora declarada en plena producción. Vera Rubin no es una procesadora gráfica: es un sistema interconectado de cinco bastidores, diseñado desde cero para la informática de agentes a escala industrial.
La configuración NVLink 72 es el corazón palpitante: 72 GPU Rubin conectadas sin cables ni ventiladores gracias a un bus PCB central, con memoria HBM4 para un total de Seis billones de transistores en un solo sistema.. Lo que impresiona no es sólo la potencia, sino también la logística: el tiempo para montar un bastidor se ha reducido de dos horas a cinco minutosla cadena de suministro duplica la de Grace Blackwell y 150 socios taiwaneses participan en la producción repartidos en millones de metros cuadrados de espacio de producción.
Además de la GPU, Nvidia ha presentado el sistema Grok LPXbasado en 256 procesadores Grok LPU repartidos en 16 bandejas, con 40 petabytes por segundo de ancho de banda SRAM. Grok LPX no compite con Vera Rubin: la apoyaocupándose del régimen de baja latencia mientras Vera Rubin maximiza el rendimiento. La lógica es la de un sistema de audio bidireccional: Vera Rubin gestiona el volumen, Grok LPX precisión. Completan el sistema Verdadero Bluefield 4 STX para almacenamiento y seguridad, e Ethernet del espectro Xel primer conmutador de red del mundo con óptica de paquete conjunto de 200 gigabits por segundo basado en fosfuro de indio desarrollado con TSMC.
El nuevo procesador para agentes
El segundo gran anuncio fue el procesador CPU Vera, y aquí es donde la estrategia de Nvidia se vuelve más sutil. Todos los procesadores existentes fueron diseñados para humanos.: sistemas pacientes, que viven en un mundo medido en segundos, que se alquilan en núcleos individuales en la nube. Los agentes de IA están impacientes. Viven en un mundo medido en nanosegundos. Cada milisegundo de espera entre un paso de la cadena de procesamiento y el siguiente es un cálculo desperdiciado junto a una GPU que cuesta decenas de miles de dólares la hora.
CPU real responde a este problema con cuatro propiedades específicas: instrucciones por ciclo de reloj en el nivel más alto de la industria (diez instrucciones recuperadas, decodificadas y ejecutadas por ciclo), ancho de banda por núcleo y total en la cima absoluta gracias a la primera implementación de LPDDR5X en un procesador de centro de datos, alta eficiencia energética porque el procesador no tiene que robar vatios de la GPU. El núcleo del “Olimpo”que es el nombre de la arquitectura interna, introduce un predictor de rama neuronal y un motor de decodificación de diez vías. La latencia máxima de la memoria es un 40% menor que la de x86 comparables. en pruebas sobre SQLel lenguaje de base de datos creado por IBM sobre el que se ejecuta todo el mundo, la carga de trabajo de referencia para bases de datos, La CPU real es tres veces más rápida. Para el procesamiento de flujos en tiempo real, se utiliza, por ejemplo, en la Bolsa de Nueva York, seis veces. Números de CPU no de consumo: números de salto generacional.
DSX: infraestructura como producto
Tercer eje estratégico de la keynote: el sistema DSX (Experiencia de centro de datos)la plataforma de Nvidia para diseñar, construir y operar fábricas de IA. Ya anunciado en forma de anteproyecto en el GTC de marzo de 2026, DSX se presentó en su forma operativa completa en Taiwán. La idea es que un centro de datos de IA de un gigavatio, con una inversión de entre 80.000 y 100.000 millones de dólares, No podemos permitirnos errores en la fase de diseño.: cada rack físico debe ser validado antes de ser producido.
Simulación DSX usar el motor Omniverso para construir un gemelo digital de toda la infraestructura: diseño, simulación térmica, red, energía, todo se prueba virtualmente antes de que llegue un único servidor físico. Sistema operativo DSX luego se encarga del aprovisionamiento y el seguimiento en producción. DSX Max LPS optimiza la asignación dinámica de energía rack por rack, recuperando hasta el 40% de la capacidad desperdiciada en los sistemas tradicionales y convirtiéndola en tokens adicionales.
Al final, DSX Flex se comunica con la red eléctrica en tiempo real y modula el consumo del centro de datos en función de las señales de la red, hacer que las fábricas de IA sean activos energéticos flexibles en lugar de cargas rígidas y potencialmente desestabilizadoras para la red. Con cien gigavatios de fábricas de IA previstas para finales de la década, la diferencia entre un operador DSX y uno que no lo utiliza se medirá en miles de millones en ingresos perdidos, según Huang.
El modelo abierto: Nemotron y herramientas para empresas
En el frente del software, Huang anunció Nemotron 3 Ultra, la tercera generación del modelo de lenguaje abierto de Nvidia. La característica distintiva no es la calidad del modelo en sí.incluso si los puntos de referencia muestran resultados fronterizos: es la apertura radical del sistema. Nvidia publica el modelo, los datos de entrenamiento y los scripts de entrenamiento. Cualquiera puede tomar Nemotron 3 Ultra, agregar datos propietarios y crear un modelo vertical con su propio conocimiento.
Para una empresa como Cadenciaque mostró su superagente para la verificación de chips en el escenario en colaboración con Nvidia, esto significa poder construir un agente especializado en su proceso de diseño electrónico que reduce los ciclos de verificación RTL de semanas a horas.
La arquitectura interna de Nemotrón 3 Ultra es un SSM (State Space Model) híbrido con “mezcla de expertos“, lo que lo hace cinco veces más rápido que los modelos de referencia comparables y su funcionamiento es un 30 % más económico. El kit de herramientas empresariales para agentes que Nvidia ha estructurado en torno a estos componentes incluye cuatro elementos: modelos para personalizar, arnés de orquestación (la referencia es Open Shell, el sistema de código abierto de Nvidia ya adoptado por Red Hat y Microsoft), bibliotecas CUDA-X como herramientas para agentes y tiempos de ejecución.
NemoClaw, la versión de agente autónomo que Nvidia ya está desarrollando, encaja en esta misma arquitectura empresarial. CrowdStrike, Palantir, ServiceNow y SAP se encuentran entre los socios que están construyendo agentes verticales sobre esta arquitectura.
Cosmos 3 y la IA física
El último capítulo de la conferencia se centró en la inteligencia artificial física, con el anuncio de Cosmos 3, la tercera versión del modelo fundamental para la robótica y la simulación del mundo real. Cosmos 3 opera en una arquitectura mixta que combina un transformador autorregresivo para razonamiento y planificación con un transformador difusivo para generación de video y simulación física.
El modelo puede funcionar como un sistema de visión por computadora, como un generador de video sintético físicamente preciso para entrenamiento de robotscomo simulador de bucle para evaluación de políticas y como modelo de acción condicional para robots de cualquier forma.
El problema que resuelve Cosmos es estructural: entrenar robots físicos requiere datos en primera persona, pero casi todos los vídeos del mundo son en tercera persona. Cosmos ya estuvo en el centro de los anuncios de Nvidia en CES 2025, cuando Huang mostró las primeras aplicaciones para simular entornos físicos. Cosmos 3 puede reproyectar perspectivas, generar escenarios sintéticos a partir de imágenes o texto y cerrar el círculo entre la simulación y la política real sin datos humanos directos.
El cosmos también está completamente abierto.con modelos, datos y scripts de entrenamiento disponibles para cualquiera que quiera construir sistemas de IA de física vertical. Apolo Myrio 2el modelo abierto de Nvidia para la conducción autónoma, sigue la misma lógica: base pública en la que los fabricantes de vehículos pueden especializarse para sus propios sistemas Hyperion, con el runtime Hayloft como sistema operativo del vehículo.
El token como unidad de beneficio
El hilo conductor a lo largo de la conferencia fue más económico que tecnológico. Nvidia ya no se presenta como vendedor de chips: se presenta como un diseñador de toda la cadena de valor que convierte kilovatios en tokens Y token en ingresos. La métrica propuesta, fichas por vatioes nuevo y potencialmente disruptivo para el mercado de servidores, porque desplaza la comparación del precio unitario del chip a la rentabilidad de toda la infraestructura durante toda su vida útil.
Se menciona al fundador de Nvidia datos de GitHub como prueba de que la IA agente ya produce un valor económico mensurable: el número de compromisos mensuales en la plataforma casi se triplicó a principios de 2026 en comparación con el año anterior, y la misma población de desarrolladores produjo casi el triple del trabajo. Traducido a dólares, tres billones en gastos de personal calificado que generan nueve billones en producción. Estas cifras justifican cualquier gasto en infraestructurasiempre y cuando la arquitectura aguante.
Y ese es exactamente el punto: NVIDIA afirma ser el único capaz de garantizar ese rendimiento, porque es el único que diseña todo el sistema, desde el chip hasta el rack, desde la red hasta el tiempo de ejecución, desde la simulación del centro de datos hasta los agentes empresariales. Qualcomm y otros pueden vender chips de inferencia a precios más bajos. Pero Nvidia vende la certeza de que todo el sistema funcionainmediatamente, con la máxima eficiencia. En un mercado donde cada hora de retraso en la puesta en marcha de una fábrica de IA de 100 mil millones cuesta millones, esa certeza tiene un precio que, según Huang, el mercado parece dispuesto a pagar.