Las cifras financieras de Nvidia ilustran la magnitud de la demanda.
La compañía reportó ingresos trimestrales récord de 81.6 mil millones de dólares en el primer trimestre de su año fiscal 2027, lo que representa un aumento del 85% respecto al año anterior.
De ese total, 75.2 mil millones de dólares provinieron del negocio de centros de datos, que incluye principalmente GPUs utilizadas para entrenar y ejecutar modelos de inteligencia artificial.
En la práctica, esto significa que la infraestructura de IA —servidores, clusters de entrenamiento y centros de datos— se ha convertido en el motor dominante del negocio de Nvidia.
Gigantes tecnológicos como Microsoft, Amazon y otros proveedores de nube están invirtiendo enormes sumas en centros de datos diseñados específicamente para IA. Cada uno de estos sistemas puede requerir miles de GPUs de Nvidia, lo que dispara la demanda global de chips.
El auge de la inteligencia artificial también ha cambiado el equilibrio de poder en la industria de los semiconductores.
Durante años, Apple fue el cliente más importante de TSMC debido a los chips del iPhone. Pero en 2025 Nvidia superó a Apple y se convirtió en el mayor cliente del fabricante taiwanés, representando aproximadamente el 19% de sus ingresos.
Ese cambio refleja una transformación profunda del sector: los chips para smartphones dejaron de ser el principal motor de la fabricación avanzada, y ahora los procesadores de IA —muchos diseñados por Nvidia— están liderando la demanda de nodos de última generación.
Pero esa relación también implica dependencia. Si TSMC no puede producir suficientes obleas o ampliar el empaquetado avanzado con suficiente rapidez, Nvidia no podrá entregar todos los chips que el mercado quiere comprar.
Jensen Huang ha advertido públicamente que la demanda de IA podría tensar la cadena global de semiconductores durante años.
Según sus estimaciones, solo la demanda de Nvidia podría obligar a TSMC a más que duplicar su capacidad de fabricación durante la próxima década para satisfacer el crecimiento del mercado.
El desafío es especialmente relevante mientras Nvidia prepara nuevas generaciones de hardware de IA, como las arquitecturas Blackwell y Rubin, que requieren procesos de fabricación extremadamente avanzados y técnicas de empaquetado complejas.
Asegurar esa capacidad con anticipación es crucial porque Nvidia no es la única empresa compitiendo por ella. AMD, grandes compañías de nube que diseñan sus propios chips y numerosas startups de IA también buscan acceso a los mismos recursos de fabricación limitados.
Detrás de toda esta urgencia hay una tendencia económica mucho más grande: la carrera global por construir infraestructura de inteligencia artificial.
Huang sostiene que la industria apenas está en las primeras etapas de ese ciclo de inversión. Según las proyecciones de Nvidia, el gasto global en infraestructura de IA podría alcanzar entre 3 y 4 billones de dólares con el tiempo.
En esa visión, los centros de datos están evolucionando hacia lo que Nvidia llama "fábricas de IA": instalaciones que convierten energía y computación en predicciones, contenido, automatización y decisiones inteligentes.
Si ese escenario se materializa, la demanda de GPUs de alto rendimiento podría mantenerse fuerte durante muchos años.
Todo esto significa que el crecimiento futuro de Nvidia depende de dos carreras paralelas:
Nvidia claramente ha liderado la primera carrera hasta ahora. Pero la segunda —el acceso a fábricas capaces de producir semiconductores avanzados— podría determinar qué tan rápido la empresa puede convertir la enorme demanda de IA en ingresos reales.
Por eso los viajes de Jensen Huang a Taiwán son tan importantes. En la era de la inteligencia artificial, incluso una de las compañías tecnológicas más valiosas del mundo sigue dependiendo de algo muy físico: tener suficientes fábricas capaces de fabricar sus chips.