La competencia interna se ha vuelto tan intensa que el propio CEO de Nvidia, Jensen Huang, tiene que intervenir de vez en cuando para mediar entre las distintas unidades de negocio .

El dilema estructural: data centers vs. automoción

El negocio de data centers de Nvidia —que suministra GPUs para el boom de la IA— genera ingresos enormes e inmediatos, mientras que la división automotriz apuesta por un futuro de conducción autónoma que no dará frutos hasta dentro de varios años. Wu reconoció este incómodo cálculo interno: ¿cuánta capacidad de fabricación y suministro de GPUs se asigna a clientes que pagan precios altos hoy, frente a un mercado que podría materializarse mañana?

Lo que revela sobre la crisis global de recursos de IA

• Las GPUs escasean incluso para los propios equipos de Nvidia. Si la empresa que diseña y fabrica los chips más codiciados del mundo no puede abastecer fácilmente a su propia división automotriz, queda claro que la demanda de cómputo de IA ha superado con creces la oferta .
• Recorte del 30-40% en GPUs para gaming. Múltiples fuentes reportaron que Nvidia planea reducir la producción de la serie RTX 50 entre un 30% y un 40% en el primer semestre de 2026, debido a la escasez de memoria GDDR7. Los data centers de IA están consumiendo la capacidad disponible de memoria, y los proveedores priorizan la memoria HBM para chips de IA sobre la memoria para GPUs de consumo .
• La memoria es el cuello de botella. La GDDR7 representa ahora entre el 70% y el 80% del costo total de materiales de una GPU, y Samsung no puede producir suficiente para satisfacer la demanda combinada de IA y consumo . Los proveedores de HBM (SK Hynix, Micron) reportan que toda su producción de 2026 ya está vendida, confirmando una crisis de memoria impulsada por la IA que se extenderá por años .

La hoja de ruta de Nvidia hacia la autonomía

Durante la entrevista, Wu presentó un cronograma ambicioso para la conducción autónoma:

Nvidia está construyendo una pila completa de conducción autónoma llamada Nvidia Drive, que ofrece plataformas de hardware y modelos fundacionales entrenados con datos sintéticos. Wu argumentó que los fabricantes de automóviles no necesitan miles de millones de kilómetros de datos de conducción autónoma como Waymo o Tesla — pueden conectarse al ecosistema de Nvidia, que ejecuta 5 millones de pruebas de validación al día .

Contexto clave de la entrevista

• La oposición de Tesla al lidar. El enfoque de Nvidia incorpora múltiples tipos de sensores, incluido el lidar, posicionándose frente a la filosofía de Tesla de solo usar cámaras. Wu afirmó que no se necesitan millones de kilómetros de datos de conducción para vencer a Tesla — se necesitan los sensores adecuados y un sistema de IA que pueda razonar realmente .
• Tendencias de adopción de vehículos eléctricos y barreras comerciales. Wu comentó cómo las tendencias de adopción de vehículos eléctricos y las barreras comerciales de EE. UU. —especialmente los controles de exportación que afectan la venta de chips a China— crean vientos en contra para el negocio automotriz. Nvidia ha sufrido deserciones de fabricantes chinos debido a retrasos y problemas de rendimiento .
• Arquitectura de seguridad. Nvidia ejecuta dos sistemas en paralelo en su plataforma Drive: un modelo de IA de extremo a extremo se encarga de la conducción, mientras que una "pila clásica" basada en los estándares de seguridad ISO 26262 actúa como un "hermano mayor" que verifica cada fotograma .

Evidencia insuficiente

• Las palabras exactas de Wu sobre las tendencias de adopción de vehículos eléctricos y las barreras comerciales no se recogen completamente en las fuentes disponibles más allá de referencias generales.
• Nvidia no confirmó oficialmente las cifras de recorte del 30-40% en la producción de GPUs para gaming — estas se originaron en foros chinos (Board Channels) y fueron reportadas por varios medios como "rumores" o "informes" .

Resumen

La división automotriz de Nvidia se enfrenta a una competencia interna real por el acceso a las GPUs, con reuniones semanales de asignación y la mediación ocasional del CEO Jensen Huang . Esto refleja una crisis más amplia de recursos de IA donde el suministro de memoria para GPUs (GDDR7 y HBM) está severamente limitado por la demanda de los data centers, lo que obliga a Nvidia a recortar la producción de GPUs para gaming hasta en un 40% . Mientras tanto, la hoja de ruta de conducción autónoma de Wu apunta a funciones urbanas de Nivel 2++ en 2026, pruebas de robotaxis Nivel 4 en 2027 y vehículos Nivel 4 para consumidores en 2028 — un cronograma que depende de conseguir los mismos recursos de cómputo que su equipo ya está luchando por obtener.

La competencia interna se ha vuelto tan intensa que el propio CEO de Nvidia, Jensen Huang, tiene que intervenir de vez en cuando para mediar entre las distintas unidades de negocio .

El dilema estructural: data centers vs. automoción

El negocio de data centers de Nvidia —que suministra GPUs para el boom de la IA— genera ingresos enormes e inmediatos, mientras que la división automotriz apuesta por un futuro de conducción autónoma que no dará frutos hasta dentro de varios años. Wu reconoció este incómodo cálculo interno: ¿cuánta capacidad de fabricación y suministro de GPUs se asigna a clientes que pagan precios altos hoy, frente a un mercado que podría materializarse mañana?

Lo que revela sobre la crisis global de recursos de IA

• Las GPUs escasean incluso para los propios equipos de Nvidia. Si la empresa que diseña y fabrica los chips más codiciados del mundo no puede abastecer fácilmente a su propia división automotriz, queda claro que la demanda de cómputo de IA ha superado con creces la oferta .
• Recorte del 30-40% en GPUs para gaming. Múltiples fuentes reportaron que Nvidia planea reducir la producción de la serie RTX 50 entre un 30% y un 40% en el primer semestre de 2026, debido a la escasez de memoria GDDR7. Los data centers de IA están consumiendo la capacidad disponible de memoria, y los proveedores priorizan la memoria HBM para chips de IA sobre la memoria para GPUs de consumo .
• La memoria es el cuello de botella. La GDDR7 representa ahora entre el 70% y el 80% del costo total de materiales de una GPU, y Samsung no puede producir suficiente para satisfacer la demanda combinada de IA y consumo . Los proveedores de HBM (SK Hynix, Micron) reportan que toda su producción de 2026 ya está vendida, confirmando una crisis de memoria impulsada por la IA que se extenderá por años .

La hoja de ruta de Nvidia hacia la autonomía

Durante la entrevista, Wu presentó un cronograma ambicioso para la conducción autónoma:

Nvidia está construyendo una pila completa de conducción autónoma llamada Nvidia Drive, que ofrece plataformas de hardware y modelos fundacionales entrenados con datos sintéticos. Wu argumentó que los fabricantes de automóviles no necesitan miles de millones de kilómetros de datos de conducción autónoma como Waymo o Tesla — pueden conectarse al ecosistema de Nvidia, que ejecuta 5 millones de pruebas de validación al día .

Contexto clave de la entrevista

• La oposición de Tesla al lidar. El enfoque de Nvidia incorpora múltiples tipos de sensores, incluido el lidar, posicionándose frente a la filosofía de Tesla de solo usar cámaras. Wu afirmó que no se necesitan millones de kilómetros de datos de conducción para vencer a Tesla — se necesitan los sensores adecuados y un sistema de IA que pueda razonar realmente .
• Tendencias de adopción de vehículos eléctricos y barreras comerciales. Wu comentó cómo las tendencias de adopción de vehículos eléctricos y las barreras comerciales de EE. UU. —especialmente los controles de exportación que afectan la venta de chips a China— crean vientos en contra para el negocio automotriz. Nvidia ha sufrido deserciones de fabricantes chinos debido a retrasos y problemas de rendimiento .
• Arquitectura de seguridad. Nvidia ejecuta dos sistemas en paralelo en su plataforma Drive: un modelo de IA de extremo a extremo se encarga de la conducción, mientras que una "pila clásica" basada en los estándares de seguridad ISO 26262 actúa como un "hermano mayor" que verifica cada fotograma .

Evidencia insuficiente

• Las palabras exactas de Wu sobre las tendencias de adopción de vehículos eléctricos y las barreras comerciales no se recogen completamente en las fuentes disponibles más allá de referencias generales.
• Nvidia no confirmó oficialmente las cifras de recorte del 30-40% en la producción de GPUs para gaming — estas se originaron en foros chinos (Board Channels) y fueron reportadas por varios medios como "rumores" o "informes" .

Resumen

La división automotriz de Nvidia se enfrenta a una competencia interna real por el acceso a las GPUs, con reuniones semanales de asignación y la mediación ocasional del CEO Jensen Huang . Esto refleja una crisis más amplia de recursos de IA donde el suministro de memoria para GPUs (GDDR7 y HBM) está severamente limitado por la demanda de los data centers, lo que obliga a Nvidia a recortar la producción de GPUs para gaming hasta en un 40% . Mientras tanto, la hoja de ruta de conducción autónoma de Wu apunta a funciones urbanas de Nivel 2++ en 2026, pruebas de robotaxis Nivel 4 en 2027 y vehículos Nivel 4 para consumidores en 2028 — un cronograma que depende de conseguir los mismos recursos de cómputo que su equipo ya está luchando por obtener.