Nvidia vale más que la economía de España

Hoy hablamos de la cifra que mejor resume el desbarajuste de prioridades de la economía global contemporánea. Una empresa estadounidense fundada en 1993 por tres ingenieros en un Denny's de San José vale, a fecha de 2025, en torno a tres billones y medio de dólares de capitalización bursátil, con picos por encima de cuatro billones. El PIB anual de España en 2024 fue, según los datos del INE, de aproximadamente 1,6 billones de dólares. Una sola empresa vale más del doble que toda la economía española junta. ¿Cómo se llega ahí? Mi opinión está sesgada porque tuve acciones de Nvidia hace una década, las vendí pronto, y todavía me duele. Forma la tuya: la historia es más larga y menos espectacular que la cifra.

Llevo años explicando la historia de Nvidia en cenas con amigos no técnicos. La parte que más sorprende es que durante quince años fue una apuesta perdida y poco más. La capitalización actual no es el resultado de una década, es el resultado de tres. Vamos a recorrer las tres con detalle porque cada una explica un poco de la cifra.

Los primeros veinte años, gaming y subsistencia

Jensen Huang, Chris Malachowsky y Curtis Priem fundaron Nvidia en abril de 1993 en California. La historia que les gusta contar es que la reunión fundacional fue en un Denny's de East San José, sentados en una mesa de plástico tomando café americano. La fecha exacta y la mesa exacta importan poco; la intención sí. Querían fabricar chips gráficos para PC. En esos años, el mercado lo dominaban 3Dfx, ATI, S3 y media docena de empresas más pequeñas. Nvidia era una de ellas.

Durante los primeros cinco años, la empresa estuvo cerca de quebrar varias veces. Su primer producto, el NV1, fracasó comercialmente. El NV2, encargado por SEGA para una consola, se canceló a mitad de desarrollo. Lo que les salvó fue el lanzamiento del RIVA 128 en 1997 y, sobre todo, del GeForce 256 en 1999, comercializado bajo la categoría que ellos mismos inventaron: la Graphics Processing Unit o GPU. Esa decisión nominal —llamar GPU a lo que la industria llamaba acelerador gráfico— tuvo más consecuencias de lo que parece. La palabra se quedó.

Entre 1999 y 2005, Nvidia se consolidó como una empresa de gaming respetable. Su rival principal era ATI, después adquirida por AMD en 2006. El mercado era estable pero limitado. Las acciones cotizaban en torno a los 20 dólares y la capitalización rondaba los 6.000 millones de dólares. Una empresa decente, no espectacular. En esos años, si alguien hubiera predicho que Nvidia llegaría a valer más que toda España junta, lo habrían tratado de loco.

El giro CUDA y la década perdida

En 2006, Nvidia tomó una decisión que el sector consideró excéntrica. Publicó CUDA —Compute Unified Device Architecture—, una plataforma de software que permitía usar sus GPUs no solo para gráficos sino para cualquier tipo de cómputo paralelo. La idea técnica era sencilla. Una GPU contiene miles de pequeños núcleos diseñados para procesar píxeles en paralelo. Cualquier operación matemática que se pueda paralelizar —álgebra lineal, simulación física, procesamiento de señal— puede beneficiarse de esa arquitectura.

La inversión en CUDA fue enorme. Nvidia rediseñó parcialmente sus chips para que ese cómputo general fuera eficiente, publicó documentación extensa, formó a desarrolladores, financió cursos universitarios y becas de doctorado. El retorno comercial fue casi cero durante siete u ocho años. Algunos investigadores académicos empezaron a usar CUDA para problemas de simulación, dinámica molecular, finanzas computacionales. Ninguno de esos usos era lo bastante masivo para justificar la inversión.

Wall Street llevaba años criticando la apuesta. Los informes de analistas describían a Nvidia como una empresa de gaming que se distraía en proyectos académicos. Las llamadas trimestrales con inversores incluían preguntas escépticas sobre cuándo CUDA generaría ingresos. Jensen Huang —al frente desde la fundación— defendía la inversión como visión a largo plazo. Las acciones se movían entre los 10 y los 30 dólares durante casi una década. El mercado no compraba la apuesta.

El año 2012 y el cambio de orden

En septiembre de 2012, Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton publicaron ImageNet Classification with Deep Convolutional Neural Networks (NeurIPS, 2012), el paper donde presentaron AlexNet. La red neuronal convolucional ganó el concurso ImageNet con una distancia abismal respecto a la siguiente clasificada, reduciendo el error de clasificación del 25% al 15%. AlexNet se había entrenado sobre dos GPUs Nvidia GTX 580. La hazaña no habría sido posible sin esas GPUs, porque entrenar una red de ese tamaño en CPU habría tardado semanas en lugar de días.

Ese momento ha sido contado mil veces como el inicio del deep learning moderno. Lo que se cuenta menos, y conviene retener, es lo que significó para Nvidia. CUDA y las GPUs de Nvidia se convirtieron, de la noche a la mañana, en el hardware estándar de cualquier proyecto serio de aprendizaje profundo. Cada paper de IA publicado desde finales de 2012 empieza, en su sección de método, citando «entrenado en Nvidia GPUs». Esa cita es publicidad gratuita continuada durante una década entera.

Pero la transformación no fue inmediata en cifras. Entre 2012 y 2017, Nvidia siguió siendo, sobre todo, una empresa de gaming, con un negocio creciente pero todavía minoritario en el ámbito de centros de datos y de IA. Las acciones empezaron a subir de manera sostenida, pasando de los 15 dólares de 2012 a los 50 dólares de 2017. La capitalización rondaba ya los 30.000 millones de dólares. Razonable, no espectacular.

La aceleración real empezó hacia 2018-2019 con la consolidación del deep learning en producción comercial. Las grandes empresas tecnológicas —Google, Microsoft, Facebook, Amazon, Apple— empezaron a comprar GPUs Nvidia masivamente para entrenar y servir modelos. Los precios subieron. Los márgenes subieron. La cuota de mercado de Nvidia en el segmento de centros de datos pasó del 50% a más del 80%.

El despegue post-ChatGPT

ChatGPT salió el 30 de noviembre de 2022. La acción de Nvidia cerró ese día en torno a los 169 dólares. Quince meses después, en febrero de 2024, había superado los 800 dólares. En junio de 2024 la empresa hizo un split 10 a 1, lo que ajustó el precio nominal pero no la capitalización. A finales de 2024, la capitalización había superado los 3 billones de dólares. En primavera de 2025, en algunos picos puntuales, rondaba los 4 billones.

El detonante específico fue la demanda de las GPUs H100 y, posteriormente, H200 y B200 para entrenar modelos frontier. Cada modelo grande entrenado entre 2023 y 2025 —GPT-4, Claude 3.5, Gemini, Llama 3, modelos chinos de Alibaba y DeepSeek— consumió decenas de miles de GPUs Nvidia durante semanas o meses. El precio unitario de una H100 ronda los 25.000 a 35.000 dólares dependiendo del integrador. El margen bruto de Nvidia sobre cada chip supera, según estimaciones consistentes de SemiAnalysis y de los propios informes financieros, el 70%.

El multiplicador combinado —demanda masiva, oferta limitada, margen alto— produjo los beneficios trimestrales más altos en la historia del sector tecnológico. Los ingresos del segmento de centros de datos pasaron de los 15.000 millones de dólares en el año fiscal 2023 a más de 100.000 millones en el año fiscal 2025. La acción siguió esa trayectoria. La capitalización siguió a la acción.

La cifra absurda en perspectiva

Para que la cifra de capitalización tenga sentido, conviene compararla con referencias que el lector pueda imaginar.

Capitalización de Nvidia en su pico de 2025: en torno a 3,5 a 4 billones de dólares. PIB anual de España en 2024 según el INE: 1,6 billones de dólares. Una empresa vale, en términos contables, el doble que la suma anual de toda la actividad económica española. La comparación tiene matices —la capitalización es una proyección de beneficios futuros, no equivalente directo del PIB anual— pero la asimetría es difícil de relativizar.

Otras comparaciones útiles. La capitalización de Nvidia en 2025 supera al PIB de Italia (2,3 billones), al de Brasil (2,1 billones) y a la suma del PIB de los Países Bajos, Bélgica y Suiza juntos. Es superior al gasto militar anual combinado de Estados Unidos, China, Rusia, Reino Unido, Francia y Alemania. Cuando se aproxima a la cifra de cuatro billones, supera incluso al PIB de Alemania (4,5 billones), aunque sin alcanzarlo todavía.

Lo que esa magnitud expresa no es solo el valor de Nvidia. Es la concentración brutal de capital que el sector de IA está produciendo en torno a un único proveedor de hardware. Las siete empresas estadounidenses más valiosas —Apple, Microsoft, Nvidia, Alphabet, Amazon, Meta y Tesla— suman juntas más de 20 billones de dólares de capitalización, más que el PIB combinado de la Unión Europea. Esa concentración no es nueva en términos absolutos —siempre ha habido empresas grandes—, pero sí en términos relativos a otras eras: nunca antes habían sumado tanto.

La pieza menos contada, la fragilidad subyacente

Aquí entra la observación que el titular no recoge. La capitalización de Nvidia descansa, en última instancia, sobre tres dependencias estructurales que la propia empresa no controla.

La primera dependencia es TSMC. Como vimos en 0071, Nvidia diseña los chips pero no los fabrica. Su capacidad de servir demanda depende absolutamente de la capacidad de TSMC en Taiwán. Una interrupción seria en TSMC convierte el inventario de diseños de Nvidia en papel mojado durante meses o años.

La segunda dependencia es ASML, vía TSMC. Si ASML no entrega máquinas EUV, TSMC no puede producir los nodos avanzados que las GPUs Nvidia requieren. Esa dependencia es indirecta pero estructural.

La tercera dependencia es el ciclo de inversión en IA. La capitalización record de Nvidia descansa sobre la asunción implícita del mercado de que la demanda de GPUs para IA seguirá creciendo a tasas elevadas durante varios años. Si esa demanda se modera —por saturación del mercado, por ROI insuficiente como muestra McKinsey State of AI 2025, por innovación algorítmica que reduzca la dependencia de hardware como sugirió DeepSeek—, la capitalización se ajustaría a la baja con la misma velocidad con la que subió.

El caso DeepSeek de enero de 2025 fue una primera prueba de esa fragilidad. En una sola sesión bursátil —el 27 de enero de 2025—, Nvidia perdió 589.000 millones de dólares de capitalización, la mayor pérdida en una sola jornada en la historia del mercado estadounidense. El detonante fue la percepción de que la frontera técnica podía moverse con eficiencia algorítmica, no solo con hardware. La recuperación posterior fue rápida pero el aviso quedó.

La cuestión política

Esto es opinión personal pero la sostengo con la propia naturaleza del cuello de botella. La concentración de valor en Nvidia no es sostenible indefinidamente y no es saludable para el sector ni para la economía global. Es producto de tres factores combinados: una apuesta tecnológica visionaria (CUDA), una ventaja temporal de ejecución, y una demanda extraordinaria mal calibrada en cuanto a sus retornos reales. Los tres factores tienen fecha de caducidad.

La apuesta CUDA tarde o temprano será replicada parcialmente por alternativas —AMD ROCm, Intel oneAPI, frameworks abiertos como Triton de OpenAI—. La ventaja de ejecución tarde o temprano se erosionará con competidores construyendo capacidad similar. La demanda extraordinaria tarde o temprano se ajustará cuando el ROI de las inversiones se vuelva tangible o falso. Las tres correcciones combinadas pueden producir una corrección bursátil seria en algún momento de los próximos cinco años.

Esto no es predicción de quiebra. Nvidia seguirá siendo, casi con certeza, una empresa muy importante en el sector tecnológico. Lo que probablemente no será sostenible es que valga el doble que el PIB de España. Esa cifra particular es un síntoma de la euforia actual, no del valor estructural a largo plazo.

Para el lector europeo, esta cifra tiene una lectura adicional incómoda. Mientras Estados Unidos ha producido en Nvidia una empresa que vale el doble que España, Europa no tiene en su capitalización combinada ninguna empresa comparable en el sector de IA. La empresa europea más valiosa por capitalización en 2025 —ASML— vale en torno a una décima parte de Nvidia. La empresa española más valiosa —Inditex— vale en torno a una vigésima parte de Nvidia. Esa asimetría no es accidental; es producto de decisiones industriales y regulatorias acumuladas durante décadas.

El dato concreto que cierra. Según los informes trimestrales 10-K de Nvidia presentados ante la SEC en febrero de 2025, los ingresos del cuarto trimestre fiscal de 2025 fueron de 39.300 millones de dólares, con un margen operativo del 61%. Esa magnitud, equivalente a 156.000 millones de dólares anualizados, supera ya al presupuesto general del Estado español aprobado para 2024 (algo más de 200.000 millones de euros, pero financiando un país entero con cuarenta y ocho millones de habitantes y sistemas sanitario, educativo, militar y pensiones). Una sola empresa estadounidense factura, en cómputo trimestral, una fracción importante del presupuesto anual de un Estado europeo mediano. Esa es la dimensión real de la cifra.

Definiciones

Capitalización bursátil: valor de mercado total de una empresa cotizada, calculado como precio por acción multiplicado por número de acciones en circulación. Mide la valoración que el mercado da a la empresa en cada momento.

CUDA (Compute Unified Device Architecture): plataforma de software propietaria de Nvidia para programar cómputo general sobre GPUs. Lanzada en 2006, es la base del dominio actual de Nvidia en IA.

GPU (Graphics Processing Unit): chip especializado en cómputo paralelo, originalmente diseñado para gráficos. Las GPUs modernas son la herramienta estándar para entrenar e inferir modelos de IA.

Margen operativo: porcentaje de ingresos que queda como beneficio antes de intereses e impuestos. El de Nvidia en su segmento de centros de datos supera regularmente el 60%, cifra extraordinariamente alta para el sector tecnológico.

Referencias

Stephen Witt, The Thinking Machine: Jensen Huang, Nvidia, and the World's Most Coveted Microchip (Viking, 2025). Biografía corporativa reciente sobre Jensen Huang y la trayectoria de Nvidia.

Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton, ImageNet Classification with Deep Convolutional Neural Networks (NeurIPS, 2012). Paper fundacional del deep learning moderno, entrenado en GPUs Nvidia.

Nvidia Corporation, Annual Reports 10-K (SEC filings, 1999-2025). Documentación oficial sobre evolución de ingresos, márgenes y segmentos de negocio.

Chris Miller, Chip War (Scribner, 2022). Capítulos sobre Nvidia en el contexto de la cadena de semiconductores.

Clayton M. Christensen, The Innovator's Dilemma (Harvard Business Review Press, 1997). Marco teórico para entender por qué empresas establecidas pierden ventaja y otras como Nvidia la ganan.

Bloomberg, cobertura de la cotización de Nvidia (2022-2025). Datos históricos de precio y capitalización accesibles en bloomberg.com.

Instituto Nacional de Estadística (INE), Contabilidad Nacional Anual de España (2024). Cifras del PIB español utilizadas en la comparación.

Para profundizar

SemiAnalysis (semianalysis.com). Análisis técnico recurrente sobre el negocio, los márgenes y la posición competitiva de Nvidia.

Andrew McAfee & Erik Brynjolfsson, Machine, Platform, Crowd (W. W. Norton, 2017). Marco económico sobre cómo se concentra valor en empresas plataforma.

Carlota Pérez, Technological Revolutions and Financial Capital (Edward Elgar, 2002). Marco histórico para situar la valoración actual de Nvidia en el patrón clásico de burbujas tecnológicas.

Cade Metz, Genius Makers (Dutton, 2021). Historia narrativa del deep learning con secciones sobre la transformación que ImageNet 2012 produjo en Nvidia.

También te interesa

• Por qué OpenAI no existiría sin una fábrica en Taiwán
• ASML, la empresa holandesa de la que dependen ChatGPT, Claude y el resto
• Por qué Estados Unidos prohibió vender chips a China
• El coste real del entrenamiento de GPT-5

En otros sitios

• Europe needs a strategy to close the artificial intelligence compute gap (Bruegel)
• Semiconductors — Center for Security and Emerging Technology (Georgetown)