Nvidia anunció dos transacciones principales en agosto de 2026 que reformulan su ventaja competitiva. Primero: un memorando de entendimiento con Goldman Sachs, Apollo Global Management, Blackstone, BlackRock, Brookfield y KKR para movilizar más de $500 mil millones en capital de terceros para financiamiento de GPU. Segundo: un compromiso de hasta $105 mil millones para apoyar un centro de datos de OpenAI en el Campus Tecnológico PORTS-Pike en Pike County, Ohio, incluida una inversión directa de $1,5 mil millones en SB Energy y aproximadamente 4 gigavatio de capacidad. El rendimiento del chip llevó a Nvidia aquí. El capital es cómo permanece.
El flujo de caja libre trimestral de Nvidia alcanzó $48,5 mil millones en el período más reciente, 18 veces más alto en tres años. La empresa ha invertido eso en participaciones accionarias en la cadena de suministro de IA: los valores patrimoniales comercializables ascienden a $30,2 mil millones, arriba de $12,9 mil millones hace un año. Las participaciones de capital privado aumentaron a $22,25 mil millones desde $3,39 mil millones. En el último año fiscal, Nvidia invirtió $17,5 mil millones en empresas privadas y fondos de infraestructura, "principalmente para apoyar startups en etapa inicial," según su presentación ante la SEC—empresas que luego compran sus productos directamente o a través de proveedores de servicios en la nube.
El patrón de Nvidia es consistente: invertir y luego asegurar compromisos de compra de GPU. CoreWeave firmó un acuerdo de compra de computación de $6,3 mil millones vigente hasta 2032 junto con su participación accionaria en Nvidia. Cuando Nvidia invirtió $10 mil millones en Anthropic en noviembre de 2025, el laboratorio de IA celebró un acuerdo separado para comprar $30 mil millones en capacidad de computación de Microsoft Azure y comprometerse a desplegar los sistemas Nvidia Grace Blackwell y Vera Rubin. La inversión de $30 mil millones en OpenAI, que se finalizó en febrero de 2026 con una valoración post-dinero de $852 mil millones, está parcialmente estructurada en torno a arrendamientos de GPU. El analista de Mizuho Jordan Klein llamó a esto "prefinanciar la compra de tus propias GPU." Los analistas de Cantor llamaron a las mismas transacciones de "crear fosos competitivos adicionales."
El ecosistema se capitaliza según los términos de Nvidia. Entre 2021 y 2025, Nvidia participó en rondas que involucraban 241 empresas únicas. Un informe SOMO de junio de 2026 encontró que 9 de las 10 startups de IA más financiadas en Forbes AI50 habían recibido capital de Nvidia, incluidas OpenAI, Anthropic y Mistral. NVentures completó 30 transacciones en 2025, arriba de una transacción en 2022. Participación total de capital de riesgo: 67 transacciones en 2025 versus 54 en 2024. Cuando el presupuesto inicial de infraestructura de una startup incluye dinero de Nvidia y su arrendamiento de GPU se extiende hasta 2032, la decisión de adquisición queda bloqueada, no es un análisis costo-por-flop neutral.
La fijación de precios del mercado spot refleja la misma gravedad. Las tarifas de alquiler H100 de un año se movieron de $1,70 por GPU-hora en octubre de 2025 a $2,35 en marzo de 2026. Las tasas bajo demanda entre proveedores siguieron una trayectoria similar, aumentando de $2,00 por GPU-hora en octubre de 2025 a $2,70 en junio de 2026. La capacidad Blackwell B200 se cotiza entre $5,30 y $7,05 por GPU-hora. El argumento de Nvidia a los socios de Wall Street es que las GPU son activos productivos de larga vida. El A100, lanzado en 2020, sigue en uso comercial activo seis años después. Deberían financiarse como infraestructura, no amortizarse como hardware de servidor.
La debilidad real del foso es la inferencia, no el entrenamiento. El costo de cambio de CUDA disminuye cuando los modelos se ejecutan en lugar de entrenarse. AMD ROCm y TorchTPU de Google (una ruta de ejecución nativa de PyTorch para TPU, co-desarrollada con Meta) están ganando tracción en pilas de inferencia. La adquisición de Groq por Nvidia—cuyas Unidades de Procesamiento de Lenguaje basadas en SRAM superan a las GPU en la fase de generación autorregressiva—señala que la empresa se está moviendo para poseer el segmento de inferencia especializada antes de que los competidores lo reclamen.
Para arquitectos: cambiar de Nvidia ahora requiere deshacer arreglos financieros incorporados en pilas de capital de proveedores, no solo portabilizar kernels CUDA.