Por qué el despliegue de Vera Rubin NVL72 de OpenAI importa para la IA de frontera

El primer despliegue de Vera Rubin NVL72 de OpenAI importa menos como una simple compra de hardware que como una prueba de mercado para el próximo modelo de negocio de Nvidia.

La compañía ya no se limita a vender chips que sus clientes deben integrar en sus propios clústeres. Con Rubin intenta entregar sistemas completos, instalados y validados a escala de rack, diseñados para el entrenamiento, la inferencia y el razonamiento avanzado que sostendrán la próxima generación de inteligencia artificial de frontera.

El cambio es estratégico, pero todavía no está plenamente demostrado desde el punto de vista financiero. OpenAI prevé desplegar Vera Rubin a escala durante el tercer trimestre, mientras Nvidia y sus socios de nube aún tienen que demostrar que estos sistemas pueden fabricarse, instalarse, validarse y operar en grandes volúmenes.

Qué es el Vera Rubin NVL72

El NVL72 es un sistema de IA a escala de rack que integra 72 GPU Rubin y 36 CPU Vera. Nvidia lo posiciona para entrenamiento e inferencia a gran escala, IA agéntica y cargas de razonamiento avanzado, no como una suma de aceleradores independientes.

En la práctica, este diseño hace que el rendimiento dependa del conjunto: procesamiento, interconexión de alta velocidad, memoria, red, suministro eléctrico y refrigeración deben funcionar coordinadamente. Para un laboratorio de IA, esa integración puede reducir el trabajo de ingeniería necesario para montar un clúster grande. Para Nvidia, abre la posibilidad de capturar más valor por instalación, aunque también complica la fabricación y la entrega.

Qué proveedores de nube ya lo han puesto en marcha

Nvidia afirma que los sistemas Vera Rubin NVL72 están operativos en:

• CoreWeave
• Google Cloud
• Microsoft Azure
• Oracle Cloud Infrastructure
• Nebius

La lista combina una nube especializada en IA con grandes plataformas de computación en la nube. Eso sugiere que Rubin se está probando en entornos operativos diferentes y no únicamente en demostraciones controladas de Nvidia.

OpenAI forma parte de un plan de despliegue mucho mayor. La empresa y Nvidia anunciaron una alianza para desarrollar al menos 10 gigavatios de centros de datos de IA equipados con sistemas Nvidia. El primer gigavatio está previsto para la segunda mitad de 2026 y utilizará plataformas Vera Rubin.

Por qué OpenAI es una prueba especialmente relevante

OpenAI constituye uno de los escenarios reales más exigentes para comprobar si Rubin puede respaldar el desarrollo de modelos de frontera. Un laboratorio líder necesita capacidad de entrenamiento, interconexiones rápidas, alta fiabilidad y la posibilidad de ampliar su infraestructura con rapidez.

Si el despliegue de OpenAI entra en funcionamiento, aportaría evidencia en tres frentes:

1. Relevancia de las cargas de trabajo: Rubin se usaría en un programa real de IA de frontera, no solo en una prueba comparativa o una presentación de producto.
2. Madurez del sistema: Nvidia demostraría que su arquitectura a escala de rack puede superar la fase de homologación del cliente y llegar a producción.
3. Tracción comercial: Un despliegue exitoso podría animar a otros laboratorios y proveedores de nube a adoptar sistemas Rubin completos, impulsando la demanda de toda la plataforma.

Aun así, conviene interpretar el anuncio con cautela. La confirmación de un despliegue no revela por sí sola cuántos racks se han instalado, qué resultados de entrenamiento se han obtenido ni cuándo se reconocerán los ingresos. Esos detalles determinarán si el hito transforma el negocio o si representa, por ahora, una validación temprana.

Cuánto cuesta un rack Vera Rubin NVL72

No hay un precio oficial de lista de Nvidia en la información disponible. Las estimaciones de la industria varían según la configuración y el momento del cálculo:

• Algunos informes sitúan el precio de un rack entre 7 y 8 millones de dólares.
• Una estimación de Bernstein citada en informes posteriores lo eleva a aproximadamente 9,1 millones de dólares.
• Morgan Stanley calculó unos 7,8 millones de dólares para un rack VR200 NVL72.

Estas cifras deben entenderse como estimaciones del coste para el sistema o para el comprador, no como un precio de venta confirmado por Nvidia. La diferencia también muestra por qué no basta con contar las GPU para calcular la economía del rack: memoria, almacenamiento, servidores, red, refrigeración y otros componentes tienen un peso considerable en la factura.

El desembolso no termina en el rack. Una estimación de Bernstein citada por Investing.com calculó en unos 47.000 millones de dólares el coste de construir 1 gigavatio de capacidad de centro de datos basada en Vera Rubin. Se trata de una estimación de infraestructura, no de una previsión directa de ingresos de Nvidia ni de un coste universal de construcción.

Qué dicen los márgenes de CoreWeave sobre la nube de IA

El caso de CoreWeave ofrece una primera señal comercial. La empresa afirmó que los contratos firmados en el segundo trimestre tendrían márgenes entre 5 y 10 puntos porcentuales superiores a los de acuerdos suscritos en trimestres anteriores. También comunicó subidas de precios en toda su gama de productos en julio.

Esto no demuestra que todos los despliegues de Rubin vayan a ser más rentables. Los márgenes de CoreWeave dependen de los precios contractuales, el nivel de utilización, la financiación, la energía, la refrigeración, los costes operativos y la configuración concreta del hardware.

Pero el dato cuestiona una idea demasiado sencilla: que los sistemas de IA más nuevos necesariamente reducen la rentabilidad de los proveedores de nube porque exigen más capital. La cuestión central es si un mayor rendimiento y unos precios más altos para el cliente pueden compensar la inversión inicial. Si los clientes pagan por una capacidad de IA más rápida o eficiente y los proveedores mantienen esa capacidad ocupada, los sistemas a escala de rack podrían mejorar la economía del negocio pese a su elevado precio.

El papel de CoreWeave en la validación

CoreWeave fue el primer proveedor de nube de IA en poner en marcha y validar por completo un sistema Vera Rubin NVL72. Su trabajo cubrió el rack de extremo a extremo: alimentación eléctrica, refrigeración, red y capacidad de cómputo.

La diferencia es importante. Encender chips individuales no equivale a operar un rack completo con refrigeración líquida, interconexiones y una pila de software integrada. La validación de CoreWeave fue una primera prueba de que la plataforma podía funcionar a escala de producción y ayudó a reducir el riesgo de integración para los siguientes clientes.

CoreWeave también publicó una comparación con hardware real según la cual Vera Rubin NVL72 generó 10 veces más tokens por segundo y por megavatio que Nvidia GB200 NVL72 en una carga de trabajo DeepSeek-R1 equivalente. Es un resultado comunicado por la propia empresa bajo condiciones concretas, no una garantía universal para cualquier modelo o aplicación.

Nvidia vende cada vez más que aceleradores

El lanzamiento de Rubin refleja el avance de Nvidia hacia la entrega de sistemas completos de infraestructura de IA. Nvidia describe una cadena de suministro formada por más de 350 centros fabriles en 30 países, que califica como la mayor que ha creado hasta ahora para sistemas a escala de rack.

La dimensión geográfica importa porque el cuello de botella ya no consiste únicamente en producir suficientes GPU. Un rack operativo requiere coordinar GPU, CPU, memoria avanzada, servidores, equipos de red, refrigeración líquida, infraestructura eléctrica y capacidad de instalación.

Una participación más intensa de Nvidia en la coordinación —o incluso en la entrega directa— de estos sistemas completos podría reforzar su control sobre la infraestructura de IA. También aumentaría el riesgo de ejecución. Un retraso en un componente clave puede aplazar el rack entero; y el retraso de un rack puede afectar al calendario del centro de datos del cliente y al momento en que Nvidia reconoce sus ingresos.

Las configuraciones propuestas de dos, cuatro y ocho racks tendrían 144, 288 y 576 GPU, respectivamente, si mantienen el bloque básico de 72 GPU. Esos totales son una simple ampliación aritmética; las fuentes disponibles no confirman de forma independiente que las tres configuraciones sean productos oficiales con calendarios de entrega definidos. El punto relevante es que Nvidia está diseñando bloques repetibles a escala de rack que pueden combinarse para construir auténticas “fábricas de IA”.

Qué habrá que vigilar en los resultados de Nvidia del 26 de agosto

Nvidia ha previsto unos ingresos de 91.000 millones de dólares, con un margen de variación del 2%, para su segundo trimestre fiscal. La previsión asume que no habrá ingresos por computación de centros de datos en China. La compañía también ha proyectado un margen bruto aproximado del 74,9% según GAAP y del 75,0% en términos no GAAP.

Los resultados del 26 de agosto deben leerse como una prueba del impulso comercial de Rubin, no solo como una publicación de ingresos pasados. Hay cuatro preguntas principales:

1. ¿Está Rubin pasando de la validación al volumen?

Habrá que buscar comentarios concretos sobre envíos de producción, despliegues de clientes, disponibilidad de componentes y el momento en que los ingresos de Rubin empezarán a contribuir de forma significativa. Nvidia ha dicho que los envíos de producción comenzarían en otoño, mientras otros informes describen la plataforma como ya plenamente producida y en proceso de envío a clientes.

2. ¿Puede Nvidia proteger sus márgenes?

Los sistemas a escala de rack incorporan más componentes costosos y complejos que los aceleradores independientes. La evolución del margen bruto mostrará si Nvidia puede trasladar esos costes al cliente y mantener su poder de fijación de precios cerca de sus previsiones.

3. ¿La memoria u otros componentes limitarán la oferta?

Nvidia ha advertido de restricciones de suministro y de un aumento del gasto para asegurar componentes en medio de una tensión más amplia en el mercado de memoria. Los inversores deberían fijarse en cualquier dato sobre disponibilidad, costes y posibles efectos de esas limitaciones en el ritmo de producción de Rubin.

4. ¿Las previsiones futuras confirman una demanda sostenida?

El dato inmediato de 91.000 millones de dólares será importante, pero quizá lo sea más la previsión para el trimestre siguiente y la descripción que haga la dirección de los compromisos de los clientes. Para que la historia de Rubin sea convincente hará falta una demanda repetible, no solo un primer despliegue exitoso.

Conclusión

El despliegue de Vera Rubin de OpenAI es relevante porque conecta la próxima plataforma de Nvidia con las cargas de trabajo más exigentes del desarrollo de IA de frontera. La presencia de sistemas Rubin en CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure y Nebius aporta señales de que la arquitectura está avanzando más allá del anuncio de producto.

Pero la tesis de inversión sigue dependiendo de la ejecución. Los precios de los racks son estimaciones, no tarifas oficiales; la mejora de márgenes comunicada por CoreWeave es específica de esa empresa; y una validación inicial no demuestra que Nvidia pueda entregar grandes volúmenes a tiempo.

Los resultados del 26 de agosto ayudarán a determinar si Vera Rubin está convirtiéndose en un negocio de sistemas escalable y rentable para Nvidia o si continúa siendo, por ahora, una transición de infraestructura técnicamente impresionante pero todavía temprana.