Desde que Jensen Huang dejó el cargo de CEO de Nvidia, los primeros en inquietarse han sido las startups de IA que crecieron con los cheques de la compañía. TechCrunch informó el 13 de noviembre, citando datos de PitchBook, de que Nvidia ha participado este año en 105 rondas de financiación, y en muchas de ellas como mayor inversor.
«It’s like a bomb went off.» («Es como si hubiera estallado una bomba.») Así describió el fundador de un proveedor de nube emergente lo que sintió al enterarse.

Los cheques los decidía casi siempre el propio Huang
En Nvidia, en qué empresa invertir y cuánto depende en gran medida de la decisión personal de Huang. Umesh Padval, socio director de Seligman Ventures, dijo a TechCrunch que la mayoría de las decisiones importantes de inversión de Nvidia en startups provenían del propio Huang. Padval conoce a Huang desde hace años y fue consejero junto a él en Mellanox, empresa que Nvidia adquirió después por unos 7.000 millones de dólares.
Quien lo sustituye tiene otro estilo. La CEO en funciones de Nvidia es la hasta ahora directora financiera, Colette Kress. Un inversor la describió así: «She’s much more conservative» («Es mucho más conservadora») y cree que no pondrá tanto dinero para sostener el ecosistema en fase temprana. Estas valoraciones proceden de inversores anónimos; Nvidia no se ha pronunciado públicamente sobre el ritmo de inversión y, por ahora, no se puede verificar si Kress apretará de verdad el cinturón.
Las mayores apuestas de Nvidia han sido tres tipos de empresas: nuevos proveedores de nube, proveedores de inferencia y equipos de modelos de código abierto. Entre los ejemplos conocidos: la inversión en CoreWeave antes de su salida a bolsa; la participación en dos rondas de Crusoe, una de ellas la Serie E de 1.400 millones de dólares; la compra este año de Hugging Face por unos 13.000 millones de dólares, cuyo cierre se prevé para 2027; y participaciones en Mistral AI, Lambda y Black Forest Labs. El Wall Street Journal ya había informado de que, el año pasado, Nvidia puso 800 millones de dólares en la Serie B de 2.000 millones de Reflection AI, cuando esta empresa de modelos de código abierto aún no tenía ingresos dignos de mención.
Un inversor de capital riesgo reveló una fórmula habitual: las empresas de infraestructura que necesitan GPU por valor de 100 a 500 millones de dólares suelen recibir primero de Nvidia la mitad de lo necesario, con una valoración de partida de 1.000 millones; los demás inversores solo se atreven a entrar al ver a Nvidia en la lista de accionistas. «When Nvidia was on the cap table, everyone felt safe.» («Cuando Nvidia estaba en la tabla de capitalización, todos se sentían seguros.»), dijo Padval.
Los inversores esperan que Nvidia sea más selectiva: menos proyectos nuevos, cheques de continuación más pequeños para los antiguos y valoraciones a la baja.
¿Pueden Google y Amazon ocupar su lugar?
Algunos confían en que las grandes empresas tomen el relevo. Dharmesh Thakker, socio general de Battery Ventures, prevé que las grandes tecnológicas pugnarán por la «corona de la inversión» que deja Nvidia, y que la competencia estará en quién tiene buenos productos, un ecosistema capaz de rivalizar con CUDA y la solvencia para mantenerlo.
Thakker, a la vez, se muestra escéptico. Google, Amazon, Microsoft y AMD podrían invertir en algunas startups ya maduras para promocionar sus propios chips y nubes, pero no cree que vayan a volcar cientos de millones de dólares en empresas de infraestructura sin ingresos, como hacía Nvidia.
Ahí está la diferencia entre ambas lógicas de inversión. Cuando Nvidia invierte en un proveedor de nube emergente, este usa el dinero para comprar tarjetas de Nvidia y el dinero vuelve enseguida; cuando una nube invierte en una empresa del mismo tipo, está financiando a su propio competidor. TechCrunch también apunta el otro lado: Nvidia ató a numerosas empresas a sus chips con cheques generosos, lo que reforzó su posición de mercado; si se retira, los rivales ganan margen. Por casualidad, Google acaba de presentar esta semana dos chips nuevos.
El flanco de los modelos de código abierto
Nathan Lambert, investigador de AI2, escribió el 14 de noviembre que la salida de Huang es un gran revés para el ecosistema estadounidense de modelos abiertos. Según él, el objetivo número uno de Nvidia ahora es estabilizar la situación y entregar a tiempo a sus clientes en los próximos 24 meses, y el dinero para las apuestas de código abierto «de fundador» de Huang probablemente se acabará.
Lambert opina que el equipo de la serie Nemotron, de la propia Nvidia, tiene ambición y buenos profesionales, pero aún no ha llegado al punto de poder cantar victoria. El modelo de pesos abiertos con mejor rendimiento reciente en EE. UU. es Inkling 2 Small, de Thinking Machines, que aún queda lejos de Kimi K3.1 Pro, de Moonshot AI. Cita a Dylan Patel, CEO de SemiAnalysis, en un pódcast: «It’s not money, it’s talent, man.» («No es el dinero, es el talento.»)
Para los equipos chinos de modelos de código abierto, si las cosas siguen el diagnóstico de Lambert, el actor que más gasta en el bando abierto estadounidense será el primero en soltar, y el ritmo con el que se acercan a Kimi, DeepSeek y GLM podría ralentizarse. La compra de Hugging Face por parte de Nvidia sigue en trámite; si la estrategia de la plataforma cambiará tras el cierre, no hay información pública por ahora.
Fuentes: TechCrunch, Interconnects, CocoLoop, Wall Street Journal; el número de rondas sigue el criterio de recuento de PitchBook y los importes de cada inversión, lo divulgado públicamente.