Alexandra Davies ve lo que Wall Street pasó por alto: por qué el dominio de los chips de Nvidia se está fracturando

Cuando la directora de tecnología de Positron, Alexandra Davies, declaró abiertamente que “no creemos que haya solo un ganador” en el espacio de chips de IA, no fue para provocar, sino para expresar lo que el mercado reconoce en silencio. Aunque Nvidia sigue siendo el líder indiscutible en chips de entrenamiento, el panorama competitivo ha cambiado fundamentalmente. La acción de la gigante de chips de IA se ha estancado, con un aumento del 1% desde el cuarto trimestre, y su relación precio-beneficio ahora ronda las 24, casi alineada con el índice Nasdaq 100. Esta revisión de valoración indica algo más importante que una desaceleración temporal: la percepción de los inversores está cambiando, y la visión de Alexandra Davies refleja por qué.

El cambio refleja una realidad estratégica que pocos observadores habían captado hasta hace poco. Nvidia construyó su imperio controlando la fase de entrenamiento intensivo en cómputo del desarrollo de IA, el proceso de enseñar modelos con operaciones paralelas masivas impulsadas por arquitecturas de memoria de alto ancho de banda. Pero el cálculo está cambiando. A medida que los modelos maduran y la inferencia—la ejecución en tiempo real de modelos entrenados—se vuelve la operación más frecuente y que consume más recursos a escala, han surgido oportunidades para que florezcan arquitecturas alternativas.

El mercado de chips de inferencia como el nuevo campo de batalla

Alexandra Davies y su equipo en Positron representan exactamente esta transición. Cuando el gigante del comercio Jump lideró la ronda de financiación de 230 millones de dólares de la compañía y, al mismo tiempo, se convirtió en cliente, fue una señal de lo que Alexandra Davies había estado diciendo todo el tiempo: el segmento de inferencia es donde ocurre la diferenciación competitiva. La comunidad de trading, con sus demandas de decisiones en tiempo real, fue de las primeras en reconocer que la arquitectura de Nvidia, centrada en entrenamiento, no es necesariamente óptima para esta carga de trabajo.

Las razones son técnicas y convincentes. La inferencia requiere características de rendimiento diferentes a las del entrenamiento—latencia más rápida, jerarquías de memoria distintas y patrones de flujo de datos personalizados. Las startups están explorando estas brechas con arquitecturas de memoria novedosas y diseños de silicio específicamente optimizados para inferencia rápida. Esto refleja un patrón histórico en la computación, como señaló Alexandra Davies: hardware especializado que fragmenta mercados dominados por procesadores de propósito general.

Mientras tanto, despliegues recientes de modelos en chips Cerebras por parte de OpenAI, asociaciones de Anthropic con Trainium de Amazon y plataformas TPU de Google, y el lanzamiento por parte de Microsoft de su chip Maia de segunda generación, apuntan a la misma trayectoria. No son salidas de Nvidia por insatisfacción, sino reconocimientos de que su dominio sigue siendo tácticamente sólido, aunque estratégicamente incompleto.

La carrera de startups que redefine expectativas

La rapidez en la inversión de capital subraya qué tan en serio toma la industria esta apertura. D-Matrix cerró una ronda de 275 millones de dólares en noviembre pasado, mientras que Etched levantó aproximadamente 500 millones para desafiar específicamente la supremacía de Nvidia en inferencia. No son apuestas arriesgadas; son apuestas por segmentación. El mercado reconoce lo que Alexandra Davies vio antes: no necesitas vencer a Nvidia en todos lados para ganar de manera significativa. Solo necesitas ganar donde se concentra la oportunidad de crecimiento.

Movimientos recientes de figuras de la industria sugieren que esta ventana puede estar cerrándose. El acuerdo de licencia reportado de 20 mil millones de dólares de Jensen Huang con Groq, junto con una agresiva captación de talento, fue menos sobre adquirir capacidades y más sobre señalar el compromiso de Nvidia para abordar directamente el segmento de inferencia. El mensaje: Nvidia está consciente y responde. Sin embargo, el propio acuerdo, al forzar a Nvidia a adquirir experiencia externamente, validó inadvertidamente la premisa de que otros han innovado en áreas que Nvidia no ha abordado completamente.

Las ambiciones internas de los gigantes tecnológicos en chips

La aceleración del desarrollo interno de chips por parte de Amazon, Microsoft, Google y OpenAI refleja una realización paralela. Estas empresas no intentan eliminar a Nvidia, sino construir opciones. Cada una continúa adquiriendo GPUs de Nvidia a gran escala para sus servicios en la nube y de IA. Pero también están diversificando su dependencia, explorando diseños especializados y enviando señales a los inversores de que la expansión de márgenes de Nvidia puede tener límites.

Implicaciones de mercado y la respuesta de Nvidia

Lo que Alexandra Davies expresó—que el hardware especializado inevitablemente fragmenta los mercados de cómputo—se ha convertido en la predicción consensuada. Nvidia se ha preparado para este momento prometiendo rediseños anuales de chips y manteniendo un portafolio de productos amplio. Los observadores de la industria anticipan que Nvidia anunciará soluciones específicas para inferencia en su conferencia principal de marzo, probablemente abordando las demandas particulares que startups y gigantes han identificado.

Pero el mercado de valores ya ha descontado un escenario diferente: no la caída de Nvidia, sino la transición de una prima de monopolio a una valoración de liderazgo en el mercado. Ese cambio—de apostar por un líder invencible a valorar una competencia fragmentada pero diferenciada—representa la verdadera historia detrás del rendimiento moderado de las acciones de Nvidia. Alexandra Davies entendió esta transición antes que los mercados financieros, y el éxito de su financiación sugiere que ya no está sola en esa convicción.