Jensen Huang defiende que las H100 de Nvidia son infraestructura rentable, no hardware que se deprecia

Jensen Huang, consejero delegado de Nvidia, plantea una tesis financiera además de tecnológica: una GPU no debería evaluarse únicamente como un equipo cuyo valor cae con el tiempo. Si puede reasignarse entre clientes, mantenerse en uso intensivo y producir ingresos recurrentes por alquiler, puede operar más como infraestructura productiva.

El principal ejemplo es la H100, la GPU de IA de la generación anterior de Nvidia. Los datos disponibles apuntan a una demanda real de esta capacidad pese a la llegada de productos más nuevos. Pero no resuelven por sí solos la cuestión decisiva: durante cuánto tiempo puede una H100 sostener flujos de caja atractivos cuando los sistemas de nueva generación estén ampliamente disponibles.

La idea: la capacidad de cómputo puede alquilarse una y otra vez

Huang describió la capacidad de cómputo de Nvidia como «fungible, duradera y altamente alquilable», además de un «activo productivo que genera ingresos». 16 En términos prácticos, su argumento se apoya en tres puntos:

• Fungibilidad: la capacidad puede reasignarse a distintos clientes y cargas de trabajo, en vez de quedar ligada a un solo comprador o aplicación.
• Durabilidad: una GPU puede conservar utilidad comercial después de que Nvidia lance una arquitectura posterior.
• Capacidad de alquiler: los operadores pueden convertir el hardware en ingresos recurrentes mediante servicios en la nube y contratos de capacidad de cómputo.

Es un enfoque distinto al de la renovación convencional de servidores. Un activo puede depreciarse en los libros contables y, al mismo tiempo, seguir aportando ingresos operativos relevantes. Para operadores de nube y proveedores de infraestructura de IA, la prueba económica es si los ingresos por alquiler, la utilización y los márgenes compensan el capital invertido durante la vida útil del equipo.

Qué muestran los precios de alquiler de la H100

El detonante inmediato de los comentarios de Huang fue un índice de precios de Ornn Exchange: una H100 de alrededor de tres años se alquilaba a US$3,28 por GPU-hora, tras subir un 22% en un mes. 16 Es una señal de que el mercado aún atribuye valor a la capacidad basada en la arquitectura Hopper, aunque Nvidia ya comercializa productos más recientes.

Los contratos de mayor duración ya habían mostrado una tendencia similar a comienzos de 2026. SemiAnalysis informó de que el precio de los contratos de alquiler de H100 a un año pasó de US$1,70 por GPU-hora en octubre de 2025 a US$2,35 en marzo de 2026: un aumento cercano al 40%. 61

Estas cifras son indicadores útiles de demanda, pero no representan un precio universal para la H100. Las cotizaciones publicadas bajo demanda en 2026 se movían aproximadamente entre US$2 y US$12 por GPU-hora; la capacidad interrumpible puede ser más barata, mientras que configuraciones premium de los grandes proveedores de nube pueden costar bastante más. 49 La diferencia responde a condiciones relevantes: duración contractual, garantías de disponibilidad, ubicación, red, soporte y si el cliente alquila una GPU aislada, un nodo dedicado o un clúster mayor.

Por qué el precio de alquiler importa para la infraestructura

Una flota de GPU resulta más financiable si el operador puede prever con cierta confianza la caja que generará. Precios más altos y una utilización elevada pueden permitir recuperar el coste de capital a lo largo de más años operativos rentables. Esa es la lógica económica de considerar el cómputo como infraestructura y no como una compra de hardware de uso único.

Sin embargo, la tarifa de alquiler es solo una variable. Una tesis sólida de infraestructura necesita pruebas de que las flotas pueden sostener:

1. Alta utilización en distintos ciclos económicos y segmentos de clientes;
2. Renovación de contratos, y no solo una demanda breve provocada por la escasez;
3. Márgenes saludables después de energía, redes, operaciones y depreciación; y
4. Valor residual cuando las nuevas generaciones de GPU se desplieguen a gran escala.

Una H100 puede seguir siendo técnicamente capaz y, aun así, sufrir obsolescencia económica si los clientes obtienen de un acelerador más nuevo un rendimiento por dólar —o por token— sensiblemente superior.

Nvidia construye una justificación financiera alrededor de esta tesis

La estrategia de Nvidia va más allá de los precios de alquiler. En agosto, la empresa anunció alianzas con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs y KKR para crear plataformas de financiación de cómputo destinadas a movilizar más de US$500.000 millones de capital de terceros para infraestructura de IA. 33

La formulación es importante: la iniciativa pretende movilizar capital con el tiempo; no significa que esos US$500.000 millones ya estén invertidos o garantizados. Aun así, muestra la ambición de Nvidia de presentar el cómputo, los centros de datos y los sistemas asociados como activos aptos para financiación de largo plazo vinculada al uso.

Nvidia también acordó adquirir Hugging Face por US$12.930,3 millones, ampliando su alcance hacia una plataforma de modelos abiertos y desarrolladores. 31 La operación no demuestra que una generación concreta de GPU conservará su valor, pero puede reforzar la presencia de Nvidia en el ecosistema que impulsa la demanda de cómputo para IA.

Los riesgos que debe superar el argumento de Huang

La objeción más fuerte no es que las H100 hayan dejado de ser útiles —los precios indican que conservan demanda—, sino que el mercado de alquiler actual puede no anticipar los retornos futuros.

Varios factores podrían debilitar la tesis de infraestructura:

• Desplazamiento por rendimiento: las arquitecturas nuevas podrían mejorar de forma sustancial el coste por token o el rendimiento de entrenamiento, reduciendo lo que los clientes están dispuestos a pagar por una H100.
• Normalización de la oferta: una mayor disponibilidad de GPU y de capacidad en centros de datos podría presionar tanto las tarifas al contado como las contractuales.
• Aceleradores alternativos: chips propietarios y aceleradores competidores podrían restar demanda a Nvidia en ciertas cargas de trabajo.
• Cuellos de botella temporales: una subida de precios puede reflejar escasez de corto plazo, no una mejora duradera del valor del activo.
• Presión de costes operativos: energía, redes y costes de centro de datos pueden reducir los retornos incluso si la tarifa nominal de alquiler sigue alta.

Por ello, el avance del 22% en un mes debe leerse como un dato de demanda relevante, no como una respuesta definitiva al debate sobre la depreciación.

Conclusión

La afirmación de Huang es plausible en un sentido concreto e importante: las GPU de IA de generaciones anteriores pueden continuar generando ingresos significativos por alquiler, y la evolución reciente de precios de la H100 confirma que los clientes aún valoran esa capacidad. 1661 Las alianzas de financiación de Nvidia muestran, además, un intento de convertir esa realidad operativa en un modelo de infraestructura invertible. 33

La prueba llegará cuando los sistemas más nuevos se escalen: habrá que comprobar si las flotas de H100 mantienen la utilización, renuevan contratos y generan suficiente caja neta tras los costes operativos. La utilidad técnica duradera es necesaria; los retornos económicos duraderos son lo que deberán demostrar ante inversores y financiadores de infraestructura.