Nvidia pechou o seu exercicio fiscal de 2026 con 215.938 millóns de dólares de ingresos. Despois de pagar fabricación, memoria, encapsulado, transporte, garantías e o resto de custos que contabiliza como custo de vendas, conservou unha marxe bruta do 71,1 %. A marxe operativa quedou no 60,4 %. O beneficio neto foi de 120.067 millóns.
Son cifras estrañas para unha empresa que adoita describirse como fabricante de chips e que nin sequera fabrica as súas propias obleas. Nvidia deseña; TSMC e Samsung producen as obleas; SK Hynix, Micron e Samsung fornecen memoria; Foxconn, Wistron e outras contratistas montan, proban e encapsulan. A propia empresa explica esta división do traballo no seu informe anual de 2026. A súa parte consiste en controlar o deseño do acelerador, a interconexión, a arquitectura do sistema e a contorna de software que fai útil o conxunto.
Ese é o negocio. Nvidia vende silicio, mais cobra por unha relación de dependencia construída durante vinte anos.
Unha conta de resultados fóra de escala
Os centros de datos achegaron 193.737 millóns de dólares, case o 90 % dos ingresos do exercicio. Dous clientes directos concentraron o 22 % e o 14 % das vendas totais. Son compradores con recursos para deseñar os seus propios aceleradores, financiar centros de datos e negociar contratos xigantescos. Aínda así, Nvidia mantivo a súa marxe.
| Exercicio fiscal 2026 | Millóns de dólares | Porcentaxe de ingresos |
|---|---|---|
| Ingresos | 215.938 | 100 % |
| Beneficio bruto | 153.532 | 71,1 % |
| Investigación e desenvolvemento | 18.497 | 8,6 % |
| Beneficio operativo | 130.387 | 60,4 % |
| Beneficio neto | 120.067 | 55,6 % |
O beneficio bruto está calculado a partir da marxe publicada; as demais cifras proceden do 10-K. A comparación importa porque permite descartar unha explicación cómoda. Nvidia gasta moito en enxeñaría: 18.497 millóns nun ano e 31.000 dos seus 42.000 traballadores figuran como persoal de investigación e desenvolvemento. Pero o gasto en I+D non absorbe unha parte remotamente próxima ao excedente que a empresa retén. Tampouco o fan os riscos reais dunha cadea fabless. En 2026 cargou 4.500 millóns por inventario e compromisos do H20 afectados polos controis de exportación dos Estados Unidos. Tras ese golpe, a marxe operativa seguiu por riba do 60 %.
Unha marxe non demostra por si mesma unha renda monopolista. Pode reunir vantaxe técnica, economías de escala, escaseza temporal, poder de negociación e rendas de propiedade intelectual. As contas públicas non separan cada compoñente. Afirmar que todo o beneficio de Nvidia é renda daría unha cifra contundente e unha investigación bastante mala.
Si permiten afirmar outra cousa: a empresa dispón dun poder para fixar condicións que non se explica mirando o chip illado.
A máquina completa
Unha GPU H100 é un procesador paralelo de gran capacidade. CUDA é a plataforma que permite programalo e usar bibliotecas preparadas para álxebra lineal, redes neuronais, simulación, tratamento de imaxe e outras cargas. Ao redor aparecen cuDNN, NCCL, TensorRT, compiladores, controladores, contedores, documentación e ferramentas de perfilado. Para escalar miles de aceleradores entran NVLink, InfiniBand ou Ethernet, adaptadores, conmutadores e unha arquitectura de rack deseñada como unha unidade.
Nvidia xa non presenta o centro de datos como un edificio que contén computadores. Preséntao como o computador. No seu informe anual chama «plataforma» ao conxunto de GPU, CPU, DPU, interconexións, rede, bibliotecas, modelos, datos de adestramento, API e marcos de aplicación. É unha descrición interesada, pero correcta.
O cliente non escolle entre chips espidos que executan o mesmo programa. Escolle entre sistemas cuxo rendemento depende de anos de optimización do software, dispoñibilidade de persoal, compatibilidade de modelos, ferramentas de operación e posibilidade de conseguir miles de unidades a tempo. O acelerador pode ser máis rápido e, á vez, beneficiarse de que saír resulte caro. As dúas cousas caben na mesma factura.
CUDA acumula traballo alleo
Nvidia cifra en máis de 7,5 millóns as persoas que usan CUDA e as súas outras ferramentas. Ese número inclúe traballadores da propia empresa, universidades, laboratorios públicos, compañías de nube, proxectos libres e equipos que escriben aplicacións para os seus empregadores. Cada nova biblioteca compatible aumenta o valor práctico da plataforma. Unha parte dese traballo págaa Nvidia. Outra págaa Estados, empresas e traballadores que non reciben dereitos sobre a plataforma que valorizan.
A compatibilidade converte esa acumulación en permanencia. A documentación de CUDA garante que aplicacións compiladas con versións antigas sigan funcionando sobre controladores novos e ofrece vías limitadas para executar software recente en instalacións anteriores. É unha virtude técnica. Tamén fai racional seguir mercando Nvidia: unha organización conserva código, imaxes de contedor, procedementos, coñecemento operativo e resultados xa validados.
Migrar significa reescribir extensións, substituír bibliotecas, axustar kernels, repetir probas numéricas, formar o cadro de persoal e aceptar un período de menor rendemento. O prezo do cambio aparece como horas de enxeñaría e risco de produción, non como unha liña chamada «peaxe de CUDA». Precisamente por iso desaparece de moitas comparacións de custo.
A plataforma tampouco é invulnerable. ROCm mantén soporte para PyTorch e unha gama crecente de aceleradores AMD; MLPerf Training 5.1 recibiu resultados sobre doce tipos de acelerador; en 2026 AMD publicou adestramento distribuído sobre 512 MI300X. Os grandes provedores deseñan chips propios. Os marcos de aprendizaxe automática abstraen unha parte do hardware. Todo iso reduce dependencia.
Pero un benchmark proba unha carga e unha configuración. Non proba que migre o catálogo enteiro dunha organización, que funcionen as súas extensións, que atope persoal con experiencia ou que poida mercar capacidade suficiente na rexión que precisa. A competencia existe. O peche tamén.
O prezo dunha hora
A capacidade de cálculo chega ao usuario por outra capa de propiedade. En xullo de 2026, AWS anunciaba bloques de capacidade H100 en Londres a 3,933 dólares por GPU e hora. Google publicaba a súa máquina A3 con oito H100 a 88,49 dólares por hora baixo tarifa baixo demanda, algo máis de 11 dólares por GPU e hora. Non son produtos equivalentes: cambian compromiso, CPU, memoria, rede, almacenamento, soporte e dispoñibilidade. A diferenza serve para evitar unha confusión, non para coroar o provedor barato.
O prezo de nube mestura a marxe de Nvidia coa amortización do servidor e do edificio, electricidade, refrixeración, rede, persoal, financiamento e marxe do hiperescalador. Non sabemos que parte dunha hora alugada remata en Nvidia. Tampouco cómpre finxir que o sabemos. O observable é que todos os grandes provedores ofrecen a mesma plataforma porque os seus clientes a piden, e que a oferta de CUDA reforza a demanda de hardware Nvidia mentres a presenza do hardware reforza a oferta de software CUDA.
Esta retroalimentación é a forma concreta da peaxe. A organización paga polo equipo actual e carga ademais co custo acumulado de deixalo.
Beneficio industrial, escaseza e renda
Convén conservar as distincións. Nvidia desenvolveu procesadores excelentes e coordinou unha transición técnica desde GPU soltas ata sistemas completos refrixerados por líquido. Esa capacidade produtiva explica unha parte do beneficio. A demanda de IA medrou máis rápido que a oferta de memoria avanzada, encapsulado e electricidade; a escaseza explica outra parte. A empresa comprometeu 95.200 millóns de dólares en fabricación, fornecementos e capacidade para asegurar a produción futura. Non vive dunha patente gardada nun caixón.
A renda aparece onde o control exclusivo dunha condición de produción permite apropiarse dunha porción do excedente producido noutros lugares. CUDA, as bibliotecas optimizadas, as interconexións e a escala instalada cumpren unha parte desa función. Un laboratorio pode producir ciencia, unha empresa pode vender inferencia e un Estado pode adestrar un modelo lingüístico. Nvidia captura valor antes de saber se eses proxectos chegarán a servir para algo. Controla un acceso escaso e difícil de substituír.
Non podemos calcular con información pública unha «taxa de renda de CUDA». Podemos documentar as súas condicións: marxes extraordinarias persistentes; unha plataforma propietaria con millóns de usuarios; custos de cambio pagados polo cliente; integración de hardware, rede e software; e capacidade para conservar prezos altos incluso ante compradores concentrados. Iso abonda para deixar de falar de Nvidia como un fabricante máis.
Abrir o cálculo non consiste en subvencionar outro campión
A resposta liberal é aumentar a competencia. A Unión Europea subvenciona fábricas, os hiperescaladores deseñan ASIC e AMD mellora ROCm. Unha segunda plataforma propietaria pode baixar prezos. Non converte o cálculo nun ben común.
Unha política inmediata tería que pagar o traballo que o mercado evita: manter aplicacións en varias arquitecturas, financiar compiladores e bibliotecas libres, esixir formatos abertos na compra pública, publicar probas de portabilidade e conservar equipos técnicos capaces de migrar. As subvencións a cálculo público deberían obrigar a devolver código, resultados e melloras de ferramentas cando non exista unha razón de seguridade ou privacidade que o impida. O Estado merca demasiadas veces «soberanía» en forma dun contrato que só sabe operar o provedor.
A saída socialista vai máis lonxe. O deseño de chips, a fabricación, a memoria, a enerxía, os centros de datos e o software forman unha cadea internacional. Socializar só unha empresa nacional deixaría case todas as dependencias intactas. Cómpre propiedade social sobre a infraestrutura decisiva, cooperación entre países e control de traballadores e usuarios sobre a asignación de capacidade. Tamén hai que decidir que cálculos merecen consumir traballo e electricidade. Executar publicidade personalizada dez veces máis rápido segue sendo executar publicidade personalizada.
Nvidia demostrou algo que o discurso tecnolóxico adoita ocultar: o software organiza a propiedade dunha máquina moito despois de vendela. CUDA é traballo acumulado, coñecemento e coordinación. Baixo propiedade privada, esa coordinación convértese nunha barreira que cobra. O problema non é que a empresa construíse unha boa plataforma. O problema é que unha forza produtiva común rematase convertida no seu posto de peaxe.
Fontes e método
As cifras financeiras proceden do informe 10-K de Nvidia para o exercicio rematado o 25 de xaneiro de 2026. As condicións de compatibilidade comprobáronse na documentación de CUDA e ROCm. Os prezos son unha captura do 13 de xullo de 2026 das páxinas públicas de AWS Capacity Blocks e Google Cloud. Non son orzamentos negociados nin permiten inferir o ingreso de Nvidia por GPU. Os cálculos derivados están arredondados e poden reconstruírse a partir desas fontes.