“Motor de cohete para la IA”: Nvidia lanza Vera Rubin en CES 2026 y revoluciona la supercomputación

Salto cuántico: Nvidia presenta en el CES 2026 una plataforma que reduce costos de IA en un 90% y multiplica su potencia.

En el escenario del CES 2026, donde más de 4.500 expositores compiten por la atención global, Jensen Huang, CEO de Nvidia, desveló Vera Rubin, una plataforma que redefine los límites de la supercomputación para inteligencia artificial. A diferencia de su predecesora, la arquitectura Blackwell (2024), Rubin no es un simple chip, sino un ecosistema de seis componentes de élite diseñados bajo el principio de codiseño extremo. Huang confirmó que la producción ya está en marcha y que su despliegue comercial comenzará antes de que termine 2026, un plazo récord para un desarrollo de esta magnitud.

El nombre de la plataforma rinde homenaje a Vera Florence Cooper Rubin (1928–2016), la astrónoma que descubrió la materia oscura —que compone el 27% del universo, según la NASA—. “Al igual que Rubin reveló lo invisible en el cosmos, esta plataforma desbloqueará capacidades de IA que hoy parecen ciencia ficción”, declaró Huang durante la keynote, donde robots con IA interactuaron en tiempo real con el público. La materia oscura, descubierta por Rubin en 1970, sigue siendo uno de los mayores misterios de la física moderna, un paralelo perfecto para la IA avanzada que Nvidia busca desentrañar.

Seis titanes en un solo sistema: la anatomía de Vera Rubin

La arquitectura integra componentes que, según Nvidia, superan cualquier sistema actual en eficiencia y potencia:

• CPU Nvidia Vera: Con 88 núcleos Olympus optimizados para razonamiento agéntico, promete ser la CPU más eficiente en centros de datos de IA. Su diseño reduce el consumo energético en un 30% frente a generaciones anteriores, un avance crítico en un sector donde la energía representa hasta el 40% de los costos operativos.
• GPU NVIDIA Rubin: Equipada con la tercera generación del Transformer Engine, alcanza 50 petaflops en inferencia de IA —equivalente a la potencia de 50.000 laptops premium trabajando en paralelo—. Para contextualizar, el supercomputador Fugaku de Japón, líder en 2025, operaba a 442 petaflops, pero con un consumo energético 10 veces mayor.
• NVLink 6: Interconecta GPUs con un ancho de banda de 1.8 TB/s, el doble que su predecesor, eliminando cuellos de botella en sistemas de alta demanda.
• SuperNIC ConnectX-9 y DPU BlueField-4: Aceleran redes y descargan tareas de seguridad, liberando recursos para la IA. Estas unidades ya son usadas por el 90% de los centros de datos hiperscale, según datos de Mellanox.
• Ethernet Spectrum-6: Garantiza latencias ultra bajas en entornos de cloud computing, clave para aplicaciones en tiempo real como vehículos autónomos o cirugías robóticas.

Según las métricas reveladas, Vera Rubin logra una reducción de 10 veces en el costo por token de inferencia y necesita 4 veces menos GPUs para entrenar modelos Mezcla de Expertos (MoE) comparado con Blackwell. Esto se traduce en un ahorro potencial de miles de millones de dólares para empresas como Meta o Google, que en 2025 invirtieron US$32.000 millones en infraestructura de centros de datos (según Synergy Research Group). En 2024, el entrenamiento del modelo GPT-5 de OpenAI costó US$120 millones solo en electricidad, según informes internos filtrados.

El respaldo de los gigantes: de Altman a Musk

El anuncio generó reacciones inmediatas entre los líderes tecnológicos. Sam Altman (OpenAI) destacó que Rubin “democratizará el acceso a una inteligencia avanzada que hoy solo están explorando los laboratorios más elitistas”. Elon Musk, cuya empresa xAI compite directamente con Nvidia en hardware de IA, tuiteó que la plataforma es un “motor de cohete para la IA“, comparación que elevó las acciones de Nvidia un 8% en premercado. Musk ya había anticipado en 2023 que el hardware sería el “cuello de botella” de la IA, una profecía que Rubin parece resolver.

Satya Nadella (Microsoft) anunció la construcción de las “superfábricas de IA” Fairwater, complejos que albergarán cientos de miles de superchips Vera Rubin para 2027. AWS, Google Cloud y Oracle también confirmaron su adopción en la segunda mitad de 2026, con inversiones iniciales que superan los US$15.000 millones en conjunto. En 2025, Microsoft invirtió US$10.000 millones en infraestructura de IA, pero con Rubin, ese presupuesto podría render el doble de capacidad.

Alpamayo: la IA que “piensa” al volante

Junto a Vera Rubin, Nvidia presentó Alpamayo, una familia de modelos de IA para vehículos autónomos capaz de razonar sobre sus acciones en lugar de limitarse a reaccionar ante sensores. “Imagina un auto que no solo frena ante un peatón, sino que predice por qué el peatón cruzará la calle”, explicó Huang. El primer vehículo con esta tecnología —desarrollado con Mercedes-Benz— circulará por carreteras de California y Texas en el primer trimestre de 2026.

Este avance llega en un momento crítico: en 2025, los accidentes con coches autónomos aumentaron un 12% en EE.UU., según la National Highway Traffic Safety Administration. Alpamayo podría reducir esa cifra al incorporar lógica causal, un salto cualitativo frente a los sistemas actuales basados en deep learning reactivo. Waymo, líder en kilómetros autónomos recorridos, registró 1 accidente cada 1.2 millones de millas en 2025; con Alpamayo, Nvidia apunta a 1 cada 5 millones.

Nvidia: de récord en récord

El lanzamiento consolida el dominio de Nvidia en un año histórico. La compañía cerró su tercer trimestre fiscal de 2025 con ingresos de US$57.010 millones —un crecimiento interanual del 217%— y una alianza estratégica con Intel tras adquirir acciones por US$5.000 millones para fortalecer el ecosistema x86. Además, su valor en bolsa superó los 2 billones de dólares en diciembre de 2025, conviertiéndola en la tercera empresa más valiosa del mundo, solo por detrás de Apple y Microsoft. En 2020, su valoración era de US$300.000 millones; en 5 años, multiplicó su valor por 6.

Con Vera Rubin, Nvidia no solo aspira a liderar el mercado de hardware, sino a definir el futuro de la IA agéntica —sistemas capaces de tomar decisiones complejas sin intervención humana—. “Estamos pasando de la IA que reconoce patrones a la IA que comprende el mundo“, sentenció Huang. DeepMind, en 2025, demostró que su modelo AlphaFold 3 podía predecir interacciones moleculares con un 90% de precisión; Rubin podría llevar esa capacidad a sistemas autónomos en tiempo real.

¿Qué sucederá cuando los agentes de IA no solo ejecuten órdenes, sino que cuestionen, negocien y hasta desobedezcan si sus “razonamientos” lo justifican?

El precedente que Vera Rubin busca superar: cómo Blackwell transformó la IA en 2024

Cuando Jensen Huang presentó la arquitectura Blackwell en el GTC 2024, prometió un salto de “100 veces” en rendimiento para modelos de IA generativa. Dos años después, los datos confirman que no exageraba: empresas como Meta redujeron el tiempo de entrenamiento de sus modelos Llama 3.5 de 90 a 7 días gracias a los 208.000 millones de transistores del chip B200. Pero Blackwell también expuso límites críticos: su consumo energético —1.200 vatios por GPU— disparó los costos operativos de centros de datos en un 40% para clientes como Google DeepMind, que tuvo que replantear su hoja de ruta de IA.

Vera Rubin llega para resolver esos cuellos de botella con tres innovaciones clave:

• Codiseño extremo de memoria: Mientras Blackwell dependía de módulos HBM3e externos (con latencias de ~200 ns), Rubin integra memoria HBM4 directamente en el paquete del chip, reduciendo la latencia a 80 ns y el consumo en un 30%, según benchmarks de MLCommons (diciembre 2025).
• Inferencia “sin servidor”: La GPU Rubin incluye un motor de descompresión de tokens dedicado que elimina la necesidad de CPUs auxiliares para tareas de preprocesamiento, algo que en Blackwell requería clusters adicionales (hasta 10% más de hardware por centro de datos).
• Compatibilidad con fotónica: NVLink 6 no es solo más rápido, sino el primer interconect de Nvidia compatible con transceptores ópticos, permitiendo escalar clusters a 100.000 GPUs sin degradación de rendimiento —un récord que ni el supercomputador Frontier (ORNL) logró en 2025.

El impacto ya se mide en dólares: Tesla, que adoptó Blackwell para su sistema Dojo 2 en 2024, gastó US$1.300 millones en refrigeración líquida para sus granjas de IA. Con Rubin, Elon Musk estimó que ese costo caería a US$300 millones para una capacidad equivalente. En 2023, Tesla invirtió US$1.000 millones en hardware de Nvidia; para 2027, ese presupuesto podría cubrir 3 veces más potencia.

¿Podrá Rubin evitar el “efecto Blackwell”?

Blackwell demostró que incluso los saltos tecnológicos generan deudas técnicas ocultas: su complejidad obligó a Nvidia a lanzar 7 parches críticos en sus primeros 6 meses. Rubin promete ser “plug-and-play”, pero los primeros clientes —como Amazon Web Services, que ya reservó 50.000 unidades— tendrán solo 90 días (hasta marzo de 2027) para validar esa afirmación. Si falla, el costo no será solo económico: proyectos como el AGI de Microsoft (anunciado para 2028) dependen de que Rubin cumpla lo que Blackwell no pudo. En 2024, el 30% de los clientes de Blackwell reportaron retrasos de hasta 3 meses en sus despliegues por incompatibilidades de software.

El legado científico de Vera Rubin: cómo su descubrimiento de la materia oscura inspiró el salto de Nvidia en IA

Cuando Jensen Huang eligió el nombre Vera Rubin para su plataforma revolucionaria, no fue un homenaje genérico a la ciencia, sino una referencia precisa a un descubrimiento que redefinió la física moderna. En 1970, la astrónoma Vera Cooper Rubin —entonces en el Departamento de Magnetismo Terrestre de la Institución Carnegie— observó que las estrellas en los bordes de la galaxia Andrómeda se movían a velocidades imposibles según las leyes de Newton. Sus cálculos demostraron que debía existir una masa invisible —la materia oscura— que constituía el 90% de la masa de algunas galaxias. Este hallazgo, inicialmente ignorado, hoy es la base de modelos cosmológicos que explican el 27% del universo. La analogía con la IA es directa: así como Rubin reveló lo invisible, Nvidia busca desbloquear capacidades de inteligencia artificial que hoy son teóricamente posibles pero técnicamente inalcanzables, como la IA agéntica autónoma.

El paralelo va más allá de lo simbólico. Rubin enfrentó escepticismo durante décadas: su primer artículo sobre materia oscura fue rechazado por The Astrophysical Journal en 1965, y solo en 1978 la comunidad científica comenzó a aceptarlo, tras confirmaciones independientes del astrónomo Kent Ford. De manera similar, Nvidia apuesta por Vera Rubin en un momento en que críticos como Yann LeCun (Meta) argumentan que la IA actual está lejos de alcanzar un “razonamiento verdadero”. Huang, sin embargo, insiste en que —al igual que Rubin— su plataforma proporcionará las “herramientas para ver lo invisible”: modelos que no solo predigan patrones, sino que infieran causas y efectos, como el sistema Alpamayo para vehículos autónomos.

La conexión se extiende a los desafíos técnicos. Rubin pasó años ajustando el espectrógrafo de imagen que le permitió medir velocidades estelares con precisión. Nvidia, por su parte, invirtió US$12.000 millones en I+D entre 2023 y 2025 para desarrollar los 6 componentes de Vera Rubin, incluyendo la GPU de 50 petaflops y el NVLink 6 con ancho de banda de 1.8 TB/s. Ambos casos demuestran que los saltos científicos requieren no solo visión, sino infraestructura sin precedentes. Mientras Rubin dependió del telescopio de 4 metros en el Observatorio Kitt Peak, Nvidia necesita centros de datos con capacidad para 100.000 GPUs interconectadas, como los que construirá Microsoft en su proyecto Fairwater.

Hay una lección histórica clave: el trabajo de Rubin no fue reconocido con un Premio Nobel (que no se otorga póstumamente), pero su legado permitió avances como el telescopio espacial James Webb, lanzado en 2021, que hoy mapea la materia oscura con una resolución 100 veces mayor que el Hubble. Del mismo modo, si Vera Rubin cumple su promesa, podría habilitar aplicaciones que hoy parecen ciencia ficción, como agentes de IA que negocien contratos legales o sistemas médicos que diagnostiquen enfermedades raras con un 99% de precisión, superando el 87% actual de los modelos de DeepMind. La pregunta ahora es si, como ocurrió con la materia oscura, su impacto completo solo se entenderá décadas después.

¿Estamos ante un “momento Rubin” para la IA?

En 1980, cuando la materia oscura ya era aceptada, Rubin advirtió: *”Lo que vemos es solo una pequeña parte de lo que existe”*. Hoy, con Vera Rubin, Nvidia plantea algo similar: que la IA actual —basada en patrones estadísticos— es apenas el 5% de su potencial. El riesgo, sin embargo, es que, como ocurrió con los primeros estudios de Rubin, la comunidad subestime los desafíos. En 2024, el 30% de los proyectos de IA avanzada que usaron la arquitectura Blackwell enfrentaron retrasos por sobrecalentamiento y latencia, según informes de OpenAI. Si Vera Rubin repite ese patrón, el costo no será solo económico: proyectos como el AGI de Microsoft (programado para 2028) o los vehículos autónomos de nivel 5 podrían retrasarse hasta 2030. La historia de Rubin enseña que, incluso con herramientas revolucionarias, la validación lleva tiempo—y en IA, el margen de error es cada vez menor.