Durante 2026, esta transformación se hizo todavía más evidente.

La presentación de Vera Rubin, la evolución de sus tecnologías para inteligencia artificial agéntica, el impulso a la llamada Physical AI, la llegada de RTX Spark y los avances en gaming con DLSS 5 muestran que NVIDIA está construyendo un ecosistema que va mucho más allá de una GPU. La propia compañía está planteando una infraestructura que abarca desde el centro de datos hasta el escritorio, los robots, los automóviles y otros sistemas físicos.

Por eso, hablar de NVIDIA en 2027 no consiste simplemente en intentar adivinar qué tarjeta gráfica llegará al mercado. La pregunta más interesante es otra:

¿Qué tecnologías que NVIDIA comenzó a construir y desplegar durante 2026 podrían definir la siguiente etapa de la computación?

De las GPU a una infraestructura completa

Para entender lo que puede representar 2027, primero hay que cambiar la forma en que vemos a NVIDIA.

Una GPU tradicionalmente se asociaba con videojuegos, renderizado 3D y procesamiento paralelo. Sin embargo, el crecimiento de la inteligencia artificial convirtió a este tipo de arquitectura en una pieza fundamental para entrenar y ejecutar modelos cada vez más complejos.

NVIDIA aprovechó esa transición para construir algo mucho más amplio: una plataforma que combina hardware, interconexión, software, modelos de inteligencia artificial, herramientas de desarrollo y sistemas completos.

Vera Rubin es probablemente el ejemplo más claro de esta estrategia.

En marzo de 2026, NVIDIA presentó la plataforma Vera Rubin como una infraestructura completa para la próxima generación de inteligencia artificial. El sistema integra GPU Rubin, CPU Vera, NVLink 6, ConnectX-9, BlueField-4, Spectrum-6 y otros componentes diseñados para trabajar como una sola infraestructura de cómputo.

Meses después, NVIDIA anunció que Vera Rubin estaba entrando en producción completa y que los envíos de los sistemas comenzarían durante el otoño de 2026. La compañía la está posicionando específicamente para las denominadas AI Factories, grandes infraestructuras dedicadas a procesar y producir inteligencia artificial a escala.

Aquí comienza una de las claves para entender 2027.

Vera Rubin: el corazón de la próxima generación de IA

Durante mucho tiempo, hablar de inteligencia artificial significaba hablar principalmente de modelos.

“Hoy el problema es mucho más amplio”

Los modelos necesitan enormes cantidades de memoria, almacenamiento, redes de alta velocidad, procesamiento paralelo y sistemas capaces de mantener miles de operaciones simultáneamente. Entrenar un modelo moderno ya no consiste simplemente en comprar una GPU y ejecutar un programa.

NVIDIA está construyendo infraestructura alrededor de todo ese proceso.

Vera Rubin fue diseñada para trabajar con cargas que van desde el entrenamiento y postentrenamiento hasta la inferencia en tiempo real y los sistemas de inteligencia artificial agéntica. NVIDIA afirma que su plataforma puede proporcionar hasta diez veces más rendimiento para agentes a escala que la generación Grace Blackwell anterior.

La importancia de Rubin no está únicamente en que sea una nueva arquitectura de GPU. Lo importante es que representa una evolución hacia sistemas completos.

El centro de datos del futuro no será simplemente un lugar lleno de servidores.

Será una infraestructura especializada para producir inteligencia.

Y ahí aparece uno de los conceptos que probablemente veremos con mayor fuerza durante 2027: AI Factory.

AI Factories: cuando el centro de datos se convierte en una fábrica de inteligencia

La industria tecnológica ha utilizado durante décadas los centros de datos como infraestructura para almacenar información y ejecutar aplicaciones.

La inteligencia artificial está cambiando esa función.

Los nuevos centros de datos requieren enormes capacidades de cómputo, redes de baja latencia, almacenamiento especializado, refrigeración, energía y sistemas de administración capaces de mantener cargas de trabajo de IA continuamente.

NVIDIA denomina a estas infraestructuras AI Factories.

Durante GTC 2026, la compañía presentó NVIDIA DSX, una plataforma orientada a diseñar, simular y operar estas infraestructuras. Su objetivo es coordinar elementos que van desde el silicio y los sistemas hasta la infraestructura física y la operación del centro de datos.

La idea es importante porque modifica la arquitectura tradicional.

Una fábrica convencional produce bienes físicos.

Una AI Factory produce capacidad de inferencia, modelos, agentes y servicios de inteligencia artificial.

Durante julio de 2026, NVIDIA anunció incluso una iniciativa en Japón para construir una infraestructura nacional basada en Vera Rubin con 13,750 CPUs Vera y 27,500 GPUs Rubin, orientada al desarrollo de inteligencia artificial física para manufactura, logística y salud.

Si esta tendencia continúa, 2027 podría ser uno de los primeros años en los que la infraestructura de IA deje de verse exclusivamente como un componente tecnológico y comience a tratarse como una nueva clase de infraestructura industrial.

La IA agéntica: el siguiente salto después del chatbot

Otra transformación importante está ocurriendo en el software.

Durante la primera gran etapa de la IA generativa, la interacción era relativamente sencilla: el usuario escribía una instrucción y el modelo devolvía una respuesta.

La IA agéntica propone algo diferente.

En lugar de limitarse a generar una respuesta, un agente puede interpretar un objetivo, dividirlo en pasos, utilizar herramientas, consultar información, ejecutar acciones y volver a evaluar el resultado.

Esto cambia por completo las necesidades del hardware.

Un chatbot puede responder una pregunta en unos cuantos pasos. Un agente puede necesitar cientos o incluso miles de operaciones para completar una tarea compleja.

NVIDIA está diseñando Rubin precisamente alrededor de este tipo de cargas. La compañía explica que una sola solicitud de IA agéntica puede iniciar una cadena de razonamiento, recuperación de información, utilización de herramientas y generación de respuestas a través de numerosos pasos.

Por esta razón, tecnologías como Vera CPU y Groq 3 LPX adquieren relevancia.

En agosto de 2026, NVIDIA anunció que Groq 3 LPX había entrado en producción completa como acelerador de inferencia para aumentar la velocidad de generación de tokens en sistemas agénticos.

La dirección es clara: una parte cada vez mayor del procesamiento no estará dedicada solamente a entrenar modelos, sino a ejecutar agentes que trabajan continuamente.

DGX Spark: la inteligencia artificial comienza a llegar al escritorio

Mientras NVIDIA construye enormes AI Factories, también está llevando parte de esa capacidad hacia equipos mucho más pequeños.

Ahí aparece DGX Spark.

La idea detrás de este equipo resulta especialmente interesante para desarrolladores.

DGX Spark integra un superchip NVIDIA GB10 basado en Grace Blackwell, hasta 128 GB de memoria unificada y hasta un petaflop de rendimiento de IA FP4. NVIDIA lo presenta como una plataforma para desarrolladores, investigadores y científicos de datos que desean trabajar con modelos directamente desde el escritorio.

Pero la evolución más interesante es su capacidad de escalar.

NVIDIA amplió el soporte para conectar hasta cuatro sistemas DGX Spark. De acuerdo con su documentación técnica, una configuración de cuatro nodos puede utilizarse para inferencia local con modelos de hasta 700,000 millones de parámetros.

Desde la perspectiva de un desarrollador, esto representa algo importante.

La arquitectura tradicional era:

PC → servidor → nube.

Ahora comienza a aparecer otra posibilidad:

PC con IA → infraestructura local → nube o AI Factory.

Un equipo de escritorio puede convertirse en una estación de desarrollo para modelos, agentes y aplicaciones de inteligencia artificial, y posteriormente trasladar esas cargas a una infraestructura de mayor escala.

Esto también abre una discusión importante sobre privacidad, latencia y dependencia de servicios externos.

No todas las tareas necesitan enviar información a la nube.

RTX Spark: la computadora personal también está cambiando

DGX Spark no debe confundirse completamente con RTX Spark.

NVIDIA está utilizando RTX Spark para una nueva generación de PCs Windows orientadas a combinar inteligencia artificial local, creación de contenido y gaming.

El sistema utiliza un superchip que combina una GPU Blackwell RTX con una CPU Grace y hasta 128 GB de memoria unificada. NVIDIA lo está posicionando como una plataforma para agentes personales, desarrolladores, creadores y jugadores.

Y aquí aparece una idea que puede tener mucho impacto en 2027: la computadora deja de ser solamente una herramienta y comienza a convertirse en un entorno donde los agentes pueden trabajar de forma permanente.

En septiembre de 2026, NVIDIA anunció nuevas PCs RTX Spark para octubre y presentó NVIDIA PAIR, una herramienta capaz de distribuir cargas de inferencia entre diferentes PCs conectadas dentro de una red local.

Para los desarrolladores esto puede terminar siendo especialmente relevante.

Un agente podría ejecutar código, analizar documentos, trabajar con modelos locales y utilizar recursos distribuidos sin necesidad de enviar constantemente cada operación a un servidor remoto.

La computación personal está comenzando a adquirir una nueva dimensión.

Physical AI: cuando la inteligencia artificial abandona la pantalla

Quizá uno de los cambios más profundos de la estrategia de NVIDIA sea el desarrollo de Physical AI, o inteligencia artificial física.

La IA generativa trabaja principalmente con información digital.

La Physical AI debe comprender un entorno físico y actuar sobre él.

Un robot necesita percibir objetos, interpretar el espacio, entender el movimiento, calcular trayectorias y tomar decisiones.

Para conseguirlo no basta con un modelo de lenguaje.

Se necesita una combinación de sensores, modelos, simulación, entrenamiento, procesamiento en tiempo real y control físico.

NVIDIA está construyendo un ecosistema alrededor de tecnologías como Isaac, Cosmos, Omniverse y GR00T. En GTC 2026 anunció nuevos modelos y herramientas para entrenar, simular y desplegar robots inteligentes, incluyendo robots industriales y humanoides.

Cosmos 3, presentado en mayo de 2026, es un modelo de inteligencia artificial física destinado a combinar razonamiento visual, generación de mundos y predicción de acciones.

Además, NVIDIA presentó nuevos modelos GR00T para robots humanoides y un robot humanoide de referencia para investigación construido alrededor de Jetson Thor y el ecosistema Isaac GR00T.

Esto puede ser uno de los principales temas tecnológicos de 2027.

Hasta ahora, gran parte de la revolución de la IA ha ocurrido detrás de una pantalla.

La siguiente etapa podría ocurrir en fábricas, almacenes, vehículos, hospitales y ciudades.

Robots que no solamente ejecutan órdenes, sino que aprenden

La robótica tradicional funciona frecuentemente mediante instrucciones precisas.

Un robot industrial puede repetir una operación miles de veces con una precisión extraordinaria, pero normalmente dentro de un entorno muy controlado.

La inteligencia artificial introduce una posibilidad diferente.

Los robots pueden aprender a interpretar situaciones, adaptarse a diferentes objetos y trabajar en entornos menos estructurados.

NVIDIA está utilizando simulación y datos sintéticos para reducir parte del proceso de entrenamiento físico. Isaac Sim y Cosmos permiten generar escenarios virtuales y probar comportamientos antes de llevarlos al mundo real.

La compañía también presentó un sistema de seguridad denominado Halos for Robotics, destinado a integrar mecanismos de seguridad en las distintas capas necesarias para robots y sistemas de Physical AI.

Este detalle es importante porque cuanto más autónomo sea un sistema físico, más importante será validar no solamente su inteligencia, sino también su comportamiento.

NVIDIA y el automóvil: de la asistencia a la autonomía

Otro sector donde esta transición resulta evidente es la industria automotriz.

En enero de 2026, NVIDIA presentó la familia Alpamayo, formada por modelos de IA, herramientas de simulación y conjuntos de datos orientados al desarrollo de vehículos autónomos con capacidades de razonamiento.

Posteriormente llegó Alpamayo 2 Super, un modelo de 34,000 millones de parámetros orientado al desarrollo de vehículos autónomos de nivel 4.

La plataforma también incorpora herramientas para aprendizaje por refuerzo y simulación de escenarios complejos, incluyendo situaciones poco frecuentes que resultan difíciles de recopilar mediante conducción real.

En marzo de 2026, NVIDIA anunció que BYD, Geely, Isuzu y Nissan estaban desarrollando vehículos preparados para nivel 4 sobre la plataforma Hyperion. La compañía también señaló que los robotaxis desarrollados con Uber comenzarían despliegues en Estados Unidos durante la primera mitad de 2027 como parte de un plan más amplio para múltiples mercados.

Aquí aparece otro cambio conceptual.

El automóvil del futuro no necesitará solamente más potencia de procesamiento.

Necesitará comprender su entorno.

IA en medicina: otra frontera que comienza a tomar forma

La inteligencia artificial también está avanzando hacia aplicaciones médicas.

NVIDIA está trabajando en modelos, infraestructura y robótica aplicada a este sector.

Durante 2026, la compañía mostró aplicaciones relacionadas con agentes para apoyar a profesionales de la salud y robótica colaborativa en hospitales. En Taiwán, por ejemplo, NVIDIA informó que la plataforma CoDoctor AI y robots de enfermería estaban pasando de programas piloto hacia operaciones clínicas.

También existe un componente de investigación más profundo.

NVIDIA está ampliando su ecosistema de modelos de inteligencia artificial para descubrimiento de medicamentos y biología computacional. Durante GTC 2026 presentó Proteina-Complexa dentro de BioNeMo, orientado al análisis de complejos de proteínas y al descubrimiento de fármacos.

La importancia de estas tecnologías no radica solamente en automatizar procesos.

La combinación de IA, simulación, grandes volúmenes de datos y computación acelerada puede modificar la forma en que se investigan algunos problemas científicos y médicos.

NVIDIA también quiere redefinir el gaming

Sería un error hablar de NVIDIA en 2027 sin hablar de videojuegos.

Aunque la compañía se ha convertido en una de las empresas centrales de la infraestructura mundial de IA, GeForce continúa siendo una de sus plataformas más visibles para el consumidor.

Y durante 2026 NVIDIA dio otro paso importante.

DLSS 5: la IA como parte del renderizado

DLSS comenzó como una tecnología para reconstruir imágenes de menor resolución y obtener una imagen final de mayor calidad.

Con el paso de las generaciones se incorporaron técnicas de generación de fotogramas, reconstrucción de rayos y otros procesos neuronales.

Ahora NVIDIA ha llevado el concepto todavía más lejos.

DLSS 5 introduce 3D-Guided Neural Rendering, una técnica que utiliza IA para generar iluminación y materiales más cercanos a una apariencia cinematográfica. La tecnología debutó oficialmente en NBA 2K27 y está disponible para GPUs y laptops GeForce RTX 50 Series, además de GeForce NOW.

El cambio es interesante porque el objetivo ya no es solamente generar más fotogramas.

La inteligencia artificial comienza a participar directamente en cómo se construye la imagen final.

DLSS 4.5, Ray Reconstruction y RTX Mega Geometry

Mientras DLSS 5 representa la nueva etapa del renderizado neuronal, DLSS 4.5 continúa evolucionando las técnicas actuales.

En marzo de 2026, NVIDIA presentó DLSS 4.5 Dynamic Multi Frame Generation y un modo de generación de múltiples fotogramas 6X para determinados escenarios. También anunció una expansión de juegos compatibles con DLSS 4.5 y Path Tracing.

Pero hay otra tecnología que puede tener una enorme importancia para los videojuegos de próxima generación:

RTX Mega Geometry.

El objetivo es manejar escenas con cantidades enormes de geometría y mejorar el funcionamiento del ray tracing en entornos extremadamente complejos.

NVIDIA anunció su incorporación a The Witcher 4 y posteriormente confirmó nuevas integraciones, entre ellas Gears of War: E-Day.

En otras palabras, el futuro del gaming no consiste únicamente en tener una GPU más rápida.

También consiste en cambiar la forma en que se renderizan los mundos virtuales.

GeForce NOW y la desaparición progresiva del hardware como barrera

Otra pieza de esta estrategia es el gaming en la nube.

GeForce NOW permite ejecutar videojuegos utilizando infraestructura remota y transmitir la experiencia hacia diferentes dispositivos.

Durante 2026, NVIDIA continuó ampliando las tecnologías RTX disponibles en la plataforma, incluyendo DLSS 4.5, generación de fotogramas y Ray Reconstruction.

Esto plantea dos modelos que podrían coexistir durante los próximos años.

• El primero consiste en tener el hardware directamente en casa.

• El segundo consiste en acceder remotamente a una infraestructura de alto rendimiento.

En ambos casos, NVIDIA intenta que sus tecnologías de renderizado y aceleración estén presentes.

Feynman: lo que NVIDIA ya está preparando después de Rubin

Aquí aparece uno de los elementos más interesantes cuando hablamos específicamente de futuro.

NVIDIA no presentó Vera Rubin como el final del camino.

Durante GTC 2026, Jensen Huang adelantó la siguiente arquitectura importante: Feynman.

La compañía reveló que Feynman incluirá un nuevo CPU denominado Rosa, una nueva LPU llamada LP40, además de BlueField-5, CX10 y la interconexión NVIDIA Kyber.

Es importante no confundir esto con un anuncio de productos que necesariamente llegarán comercialmente durante 2027.

Feynman debe interpretarse como una señal sobre la dirección de NVIDIA después de Rubin.

La empresa ya está diseñando la siguiente generación de infraestructura antes de que la anterior haya terminado de desplegarse.

Y eso dice mucho sobre la velocidad con la que está evolucionando el sector.

NVIDIA también está mirando hacia el espacio

Cuando parece que la estrategia de NVIDIA ya cubre prácticamente todos los sectores terrestres, aparece otro escenario: el espacio.

En GTC 2026, NVIDIA anunció Space-1 Vera Rubin Module, junto con tecnologías de computación acelerada para entornos orbitales.

El objetivo es permitir procesamiento de IA en misiones espaciales, inteligencia geoespacial y operaciones autónomas, incluso en conceptos relacionados con centros de datos orbitales.

Este es probablemente uno de los ejemplos más claros de hasta dónde puede extenderse el concepto de computación acelerada.

La IA no necesariamente tiene que vivir en un servidor dentro de un edificio.

Puede terminar procesándose en un vehículo, un robot, un avión, un satélite o una infraestructura ubicada en órbita.

Entonces, ¿qué podemos esperar realmente de NVIDIA en 2027?

El error sería imaginar 2027 únicamente como el año de una nueva GPU.

Lo que estamos viendo es mucho más amplio.

NVIDIA está construyendo simultáneamente varias capas de una nueva arquitectura informática:

• Vera Rubin para infraestructura de IA.

• AI Factories para escalar esa infraestructura.

• IA agéntica para convertir modelos en sistemas capaces de ejecutar tareas.

• DGX Spark y RTX Spark para llevar capacidades de IA al escritorio.

• Physical AI para conectar inteligencia artificial con el mundo físico.

• Alpamayo para vehículos autónomos.

• Isaac, Cosmos y GR00T para robótica.

• BioNeMo y otras plataformas para ciencia y medicina.

• DLSS 5, DLSS 4.5 y RTX Mega Geometry para transformar nuevamente el gaming.

• Y Feynman como una señal de hacia dónde continuará evolucionando la infraestructura después de Rubin.

Además, NVIDIA ya tiene previsto regresar con GTC en 2027, donde volverá a mostrar la evolución de estas tecnologías y probablemente nuevas piezas de esta arquitectura.

El futuro no es una sola tecnología

Quizá la conclusión más importante sea que NVIDIA no está apostando todo a una única innovación.

No se trata únicamente de fabricar GPUs más rápidas.

El verdadero cambio está en la integración.

• Una GPU necesita memoria.

• La memoria necesita interconexión.

• Los modelos necesitan datos.

• Los agentes necesitan inferencia.

• Los robots necesitan simulación.

• Los vehículos necesitan percepción y razonamiento.

• Los videojuegos necesitan renderizado.

• Los desarrolladores necesitan herramientas.

• Y las empresas necesitan infraestructura capaz de mantener todo esto funcionando a escala.

NVIDIA está intentando ocupar cada una de esas capas.

Por eso 2027 puede resultar especialmente interesante.

No porque sepamos exactamente qué producto aparecerá en determinado mes, sino porque muchas de las tecnologías presentadas y desplegadas durante 2026 comenzarán a madurar simultáneamente.

Vera Rubin empezará a llegar a las infraestructuras de IA. Los agentes locales comenzarán a tener más capacidad. RTX Spark intentará convertir la computadora personal en una plataforma para IA, creación y gaming. Los robots continuarán incorporando modelos capaces de percibir y razonar. Los vehículos autónomos seguirán avanzando hacia operaciones de mayor nivel. Y los videojuegos utilizarán cada vez más IA directamente dentro del proceso de renderizado.

El resultado puede ser mucho más importante que una nueva generación de hardware. Puede ser el comienzo de una nueva forma de entender la computación.

Durante décadas, nosotros aprendimos a utilizar las computadoras.

Ahora NVIDIA está trabajando en una generación de sistemas en la que las computadoras también pueden interpretar objetivos, generar contenido, razonar, interactuar con su entorno y ejecutar tareas.

El futuro tecnológico de NVIDIA para 2027 no comenzó en 2027. Comenzó este año.