Los de Huang están preparando una vía para seguir operando en China sin depender exclusivamente de sus GPU aprovechando el acuerdo de Trump y Xi Jinping. NVIDIA trabaja en una serie de LPU basados en la arquitectura de Groq para China, apoyándose en acuerdos (compra encubierta) dentro de su ecosistema para adaptar su oferta a las restricciones que puedan surgir. El foco está en la inferencia, que es donde se concentra el uso real de la Inteligencia Artificial en producción desde hace meses. ¿Qué preparan los verdes exactamente tras su GTC 2026?

El contexto obliga a separar funciones, diversificar e intentar recuperar cuota en el mayor mercado del planeta. No todo pasa ya por una GPU, y menos cuando el objetivo es servir modelos a gran escala con eficiencia, y ahí el acuerdo con Groq es la gran clave del asunto.

NVIDIA golpeará dos veces en China: tras las GPU H200 llegarán las LPU con IP de Groq

A nivel técnico, las GPU siguen siendo clave en el entrenamiento y en la fase inicial de ejecución de modelos (prefill), que, por decirlo de alguna manera, son más todoterreno. Sin embargo, cuando el proceso entra en la generación de respuestas, token a token, la latencia se convierte en el factor dominante. Las arquitecturas de tipo LPU están pensadas para eso: ejecución determinista, baja latencia y un rendimiento por token muy alto, sin la sobrecarga de una GPU generalista.

Las LPU que NVIDIA plantea para China encajan en ese reparto de cargas, y eso no quiere decir que vayan a reemplazan a la GPU, se colocan después en una especie de doble golpe de los verdes. La GPU ejecuta la parte intensiva y la LPU se encarga de acelerar la respuesta final. Esto reduce tiempos de respuesta y también el consumo en despliegues a gran escala. En entornos donde se procesan millones de peticiones, ese ajuste tiene impacto directo en costes.

Lo que no sabemos, y es lógico, es el recorte que tendrán estas LPU, y cómo se comercializarán. Quizás veamos un NVIDIA Groq 3 LPX capado, o por el contrario, simplemente LPU Groq 3 recortadas.

Modelos vs servicios, es el futuro más inminente de la IA, y el coste por token es la clave

Dejando la latencia a un lado, que es muy importante, la eficiencia y el coste mandan, como en cualquier empresa. El mercado chino encaja con este planteamiento, porque empresas como Alibaba, Tencent o ByteDance necesitan escalar servicios de inferencia, no solo entrenar modelos. En ese escenario, utilizar GPU para todo empieza a ser menos eficiente. La prioridad pasa a ser el rendimiento por consulta y la estabilidad en tiempos de respuesta.

El uso de la arquitectura de Groq permite acelerar el desarrollo mientras el coste por token baja, o se mantiene, dependiendo del modelo escogido. NVIDIA no parte desde cero aquí, puesto que se apoya en un diseño ya optimizado para inferencia y lo integra dentro de su cadena de suministro. Esto le da margen para posicionarse frente a soluciones locales y ASIC específicos que ya operan en ese segmento.

El resultado es un ajuste en la forma de abordar la Inteligencia Artificial a nivel de hardware. La GPU mantiene su papel en entrenamiento general, eso es innegable, pero la inferencia empieza a tener su propio espacio con arquitecturas dedicadas. China actúa como entorno donde este cambio se materializa primero, y NVIDIA quiere realizar ese doble golpe de GPU + LPU antes que nadie.

Si les sale bien, si las cosas no vuelven a torcerse desde la política, podríamos ver que la compañía más grande del planeta no se hace de oro, que ya lo es, sino que se eleva a un nuevo estatus que el planeta no ha visto todavía.