Tabla de Contenidos
¿Quién es Jensen Huang?
Jensen Huang es el cofundador y CEO de NVIDIA, la empresa que fabrica los chips que hacen posible la inteligencia artificial moderna. Si te preguntas quién es Jensen Huang y por qué deberías conocerlo: es el hombre cuyas decisiones estratégicas hace 20 años crearon la infraestructura sobre la que se entrena ChatGPT, Gemini, Claude, Grok y prácticamente toda la IA que usamos hoy.
Nacido en Tainan, Taiwán, en 1963, Huang emigró a Estados Unidos siendo niño. Estudió ingeniería eléctrica en Oregon State University y obtuvo su maestría en Stanford. En 1993, con 30 años, cofundó NVIDIA con Chris Malachowsky y Curtis Priem en una mesa de Denny’s (sí, la cadena de restaurantes).
En 2026, NVIDIA vale entre $2 y $3 billones (trillones en inglés), disputándose con Apple y Microsoft el título de empresa más valiosa del mundo. Y Jensen Huang sigue siendo su CEO después de más de 30 años, algo extraordinario en Silicon Valley.
Nacido en Tainan, Taiwán, en 1963, Huang emigró a Estados Unidos a los nueve años junto con su hermano mayor. Su infancia en un internado en Kentucky, donde fue enviado por sus padres con la esperanza de darle mejores oportunidades educativas, forjó la resiliencia que después lo acompañaría durante los años más difíciles de NVIDIA. Estudió ingeniería eléctrica en Oregon State University y obtuvo una maestría en Stanford, donde desarrolló un profundo conocimiento de los circuitos integrados y el procesamiento gráfico que sería la base de su empresa.
Lo que hace extraordinaria la historia de Huang es que transformó una empresa fabricante de tarjetas gráficas para videojuegos en la compañía más valiosa del mundo, superando a Apple y Microsoft en capitalización de mercado en 2024. Esta transformación no fue accidental: Huang tuvo la visión de que las GPUs, diseñadas originalmente para renderizar gráficos 3D, podían ser reprogramadas para ejecutar cálculos paralelos masivos, exactamente el tipo de computación que las redes neuronales necesitan para entrenarse eficientemente.
Fundación de NVIDIA y los años de videojuegos
NVIDIA nació como fabricante de chips gráficos para videojuegos. La GeForce 256, lanzada en 1999, fue la primera GPU (Graphics Processing Unit) del mercado. Durante una década, NVIDIA fue sinónimo de gaming: si querías jugar los últimos juegos en PC, necesitabas una tarjeta NVIDIA.
Pero Huang tenía una visión más amplia. En 2006 tomó una decisión que parecía arriesgada: crear CUDA, una plataforma que permitía a los programadores usar las GPUs para tareas más allá de los gráficos. La idea era que la arquitectura paralela de las GPUs (miles de núcleos procesando simultáneamente) podía acelerar cálculos científicos, simulaciones y cualquier tarea que requiriera procesamiento masivo.
Wall Street no entendió la apuesta. Los analistas cuestionaban por qué NVIDIA invertía millones en una plataforma de computación cuando su negocio era vender tarjetas gráficas. Huang insistió. Esa persistencia cambió el mundo.
Los primeros años de NVIDIA estuvieron marcados por crisis que amenazaron la supervivencia de la empresa. El primer producto, el NV1, fue un fracaso comercial que llevó a la compañía al borde de la bancarrota. Huang tuvo que despedir a la mitad de sus empleados y pivotar completamente su estrategia de producto. El lanzamiento de la GeForce 256 en 1999, considerada la primera GPU verdadera del mercado, marcó el punto de inflexión. Para el mercado peruano de gaming, las tarjetas NVIDIA GeForce se convirtieron en un componente esencial para los cafés de internet y las primeras comunidades de gamers que surgieron en Lima durante los años 2000.
CUDA y el pivote hacia la IA
CUDA (Compute Unified Device Architecture) es probablemente la decisión tecnológica más importante de la era de la IA. Sin CUDA, entrenar redes neuronales profundas sería imposiblemente lento. Sin CUDA, no existiría AlexNet (2012), ni GPT, ni ninguno de los modelos que conocemos.
Lo que CUDA hizo fue democratizar el procesamiento paralelo. Antes, para hacer cómputo masivo necesitabas supercomputadoras de millones de dólares. Con CUDA, un investigador podía comprar una tarjeta gráfica NVIDIA por unos cientos de dólares y ejecutar algoritmos que antes eran impracticables.
En 2012, cuando Geoffrey Hinton y sus estudiantes entrenaron AlexNet usando dos GPUs NVIDIA GTX 580, demostraron que el deep learning funcionaba a escala. Ese momento convirtió a NVIDIA en la empresa más importante para la IA, una posición que mantiene hasta hoy.
El dominio de NVIDIA es aplastante: más del 80% de los chips usados para entrenar modelos de IA son NVIDIA. Cuando OpenAI entrena GPT-5, usa GPUs NVIDIA. Cuando Google DeepMind entrena Gemini, complementa sus TPUs con GPUs NVIDIA. Cuando xAI construyó Colossus con 500,000 GPUs, todas eran NVIDIA H100.
CUDA (Compute Unified Device Architecture) es quizás la decisión estratégica más importante en la historia de NVIDIA. Lanzada en 2006, esta plataforma de programación permitió a investigadores y desarrolladores usar GPUs de NVIDIA para computación de propósito general, no solo para gráficos. Cuando el deep learning explotó a partir de 2012 con AlexNet, los investigadores descubrieron que entrenar redes neuronales en GPUs de NVIDIA con CUDA era entre 10 y 100 veces más rápido que hacerlo en CPUs tradicionales.
Esta ventaja tecnológica creó un efecto de red casi imposible de replicar. Miles de investigadores escribieron código optimizado para CUDA, las universidades enseñaron CUDA en sus cursos de machine learning, y las bibliotecas de deep learning más populares como TensorFlow y PyTorch fueron optimizadas para GPUs de NVIDIA. Para investigadores peruanos en la UNI, PUCP y UTEC que trabajan en proyectos de IA, este ecosistema CUDA significa que prácticamente todo su software de investigación funciona mejor en hardware NVIDIA, consolidando la posición dominante de la empresa.
La chaqueta de cuero y el culto a Jensen
Jensen Huang se ha convertido en uno de los CEOs más reconocibles del mundo tech, en parte por su icónica chaqueta de cuero negra que usa en todas sus presentaciones. Los keynotes de NVIDIA en CES y GTC son eventos que rivalizan con los de Apple en expectativa y producción.
Su estilo de liderazgo es directo y exigente. Es conocido por emails a las 2 de la mañana, revisiones de producto extremadamente detalladas y una cultura corporativa donde se espera excelencia constante. En entrevistas ha dicho que si pudiera volver al pasado, no fundaría NVIDIA por lo difícil que fue el camino, pero que la misión lo hace seguir adelante.
Para la comunidad tech, Huang representa algo que escasea en Silicon Valley: un fundador técnico que sigue liderando su empresa 30 años después. No es un financiero ni un vendedor; es un ingeniero que entiende los chips a nivel de transistor y al mismo tiempo puede articular una visión estratégica que mueve mercados.
NVIDIA en 2026: Blackwell y el dominio de la IA
La posición de NVIDIA en 2026 es extraordinaria. La empresa domina el mercado de chips para IA con una cuota superior al 80%, y cada nueva generación de GPUs amplía esa ventaja.
| Generación GPU | Año | Hito |
|---|---|---|
| GeForce (gaming) | 1999 | Primera GPU comercial |
| Tesla (cómputo) | 2007 | GPUs para data centers con CUDA |
| V100 (Volta) | 2017 | Tensor Cores para deep learning |
| A100 (Ampere) | 2020 | Estándar de entrenamiento IA |
| H100 (Hopper) | 2022 | El chip del boom de la IA generativa |
| B200 (Blackwell) | 2024-2025 | 4x rendimiento vs H100 en IA |
| Rubin (próxima gen) | 2026 | Anunciada, siguiente salto |
Blackwell, la generación actual, ofrece hasta 4 veces el rendimiento del H100 en tareas de IA. Cada laboratorio de IA del mundo quiere estos chips. La demanda supera la oferta por meses, y los precios de las GPUs de data center van de $25,000 a $40,000 por unidad.
NVIDIA también expande su ecosistema más allá del hardware: CUDA, cuDNN, TensorRT, Triton Inference Server, NeMo y decenas de frameworks de software que hacen que una vez que entrenas tu modelo en NVIDIA, es más fácil quedarte en su ecosistema.
La valoración de NVIDIA entre $2 y $3 billones la coloca entre las 3 empresas más valiosas del mundo. Los ingresos de su división de data center (IA) superaron los $100 mil millones anuales, un crecimiento que ninguna empresa tech ha logrado en tan poco tiempo.
La arquitectura Blackwell de NVIDIA representa un salto generacional en rendimiento para entrenamiento e inferencia de modelos de IA. Las GPUs B200 y GB200 ofrecen hasta 20 petaflops de rendimiento en operaciones de IA, lo que permitirá entrenar modelos más grandes y complejos en menos tiempo y con menor consumo energético. Para empresas de cloud computing que operan en Perú a través de Amazon Web Services, Google Cloud y Microsoft Azure, la disponibilidad de instancias con GPUs Blackwell significará que las empresas peruanas podrán ejecutar cargas de trabajo de IA más sofisticadas a costos competitivos.
¿Cómo afecta al mercado peruano?
NVIDIA impacta en Perú indirectamente pero de forma profunda. Cada servicio de IA que usa un emprendedor peruano (ChatGPT, Claude, Gemini, Midjourney) funciona sobre chips NVIDIA. El costo de esos chips se traslada al precio de las APIs y suscripciones.
Para empresas peruanas que quieren correr IA localmente (por ejemplo, modelos Llama open source), las GPUs NVIDIA son la opción principal. Una RTX 4090 (gaming pero usable para IA) cuesta alrededor de S/ 7,000 en Perú. Las GPUs profesionales como A100 o H100 solo están disponibles vía cloud providers.
El ILIA 2025 de CEPAL, que ubica a Perú en el puesto 7 de 19 en adopción de IA, no sería posible sin la infraestructura de computación que NVIDIA provee. El D.S. 115-2025-PCM sobre uso de IA en entidades públicas peruanas implica inversión en infraestructura de cómputo donde NVIDIA es el proveedor dominante.
En el mercado peruano, el impacto de Huang y NVIDIA se siente principalmente a través del ecosistema de cloud computing. Empresas como BCP, Interbank y Rimac Seguros ejecutan sus modelos de scoring crediticio, detección de fraude y análisis de riesgo en instancias de GPU de NVIDIA alojadas en AWS y Azure. El costo de estas instancias, que puede rondar entre US$ 3 y US$ 30 por hora dependiendo del tipo de GPU, es accesible para empresas medianas y grandes que procesan volúmenes significativos de datos. Para startups peruanas con presupuestos más ajustados, las instancias spot de AWS con GPUs NVIDIA T4 ofrecen precios desde US$ 0.15 por hora (aproximadamente S/ 0.52), democratizando el acceso a computación acelerada.
La influencia cultural de Huang también se ha extendido al sector educativo peruano. NVIDIA ofrece programas de certificación gratuitos como el Deep Learning Institute (DLI) que universidades peruanas han integrado en sus programas de ingeniería. Estos cursos cubren desde fundamentos de deep learning hasta aplicaciones avanzadas en visión por computadora y procesamiento de lenguaje natural, formando a profesionales peruanos con credenciales reconocidas internacionalmente por la industria tecnológica.
Preguntas frecuentes
¿Cuánto vale NVIDIA en 2026?
Entre $2 y $3 billones (trillones en inglés), disputándose el título de empresa más valiosa del mundo con Apple y Microsoft. Su valor se multiplicó más de 10x desde 2022 gracias al boom de la IA.
¿Por qué NVIDIA domina el mercado de IA?
Por CUDA, la plataforma de computación que creó en 2006. Todo el software de IA (frameworks, librerías, herramientas) está optimizado para CUDA. Cambiar a otro proveedor requiere reescribir código, lo que crea un efecto candado enorme.
¿Qué es CUDA?
Es la plataforma de NVIDIA que permite usar GPUs para computación general (no solo gráficos). Es el estándar de la industria para entrenar e inferir modelos de IA. Sin CUDA, el boom del deep learning no habría ocurrido.
¿Jensen Huang es de Taiwán?
Nació en Tainan, Taiwán, en 1963 y emigró a Estados Unidos siendo niño. Es ciudadano estadounidense. Su patrimonio personal supera los $100 mil millones, convirtiéndolo en una de las personas más ricas del mundo.
¿Qué es Blackwell?
Blackwell es la generación actual de GPUs de NVIDIA para IA (B200, GB200). Ofrece hasta 4x el rendimiento del H100 en entrenamiento e inferencia de modelos de lenguaje. Es el chip más demandado del mundo en 2025-2026.
La infraestructura de IA está definida por NVIDIA, y los servicios construidos sobre ella están cambiando cómo buscamos información. Si quieres que tu negocio en Perú sea visible en esta nueva era, trabaja tu posicionamiento GEO. En KOM te ayudamos — escríbenos al WhatsApp.
