Acabo de darme cuenta de algo muy importante en la industria de los chips modernos. Hubo una sesión de discusión interesante en la conferencia GTC donde Bill Dally de Nvidia habló sobre algo que cambió completamente la forma de pensar sobre el diseño de chips.

La historia comenzó con cifras realmente alarmantes: anteriormente, transferir una biblioteca de celdas estándar que contenía miles de celdas requería un equipo de 8 ingenieros trabajando durante 10 meses completos. ¿Y ahora? Un solo procesador GPU trabajando toda la noche y la tarea está terminada. Los resultados incluso superan el diseño humano en eficiencia y consumo de energía.

Pero la verdad es más profunda que los titulares. Nvidia no usó una caja negra aleatoria: hay herramientas avanzadas desarrolladas durante años. El programa NB-Cell se basa en aprendizaje reforzado, y hay modelos de lenguaje grandes internos llamados Chip Nemo y Bug Nemo que han sido entrenados en todo, desde la historia de Nvidia desde G80 hasta Blackwell. Esto significa que un ingeniero nuevo puede acceder a 20 años de experiencia de ingenieros profesionales con solo presionar un botón.

Pero la parte más inteligente de la estrategia vino después. En diciembre de 2025, Nvidia invirtió 2 mil millones de dólares en Synopsys, una de las mayores empresas de herramientas de diseño de chips del mundo. Y firmaron un acuerdo para integrar profundamente la tecnología de Nvidia en todas las herramientas de Synopsys. Poco después, Cadence y otras empresas anunciaron que estaban desarrollando herramientas respaldadas por inteligencia artificial en procesadores GPU de Nvidia.

¿Las cifras alarmantes? Las herramientas de Synopsys son 30 veces más rápidas en Blackwell, otras herramientas 20 veces más rápidas, y 12 veces en otros procesadores. La diferencia es enorme.

Aquí surge el verdadero problema. En el pasado, las herramientas de diseño de chips funcionaban en procesadores Intel y AMD por igual. El futuro es completamente diferente: si quieres las herramientas más rápidas, solo debes comprar tarjetas Nvidia. Imagina que eres un ingeniero en una empresa competidora que quiere diseñar un chip que supere a Blackwell: abrirás la herramienta de diseño más rápida y descubrirás que funciona con máxima eficiencia solo en procesadores Nvidia. O aceptas un ciclo de diseño que es la mitad de lento, o compras un gran conjunto de tarjetas Nvidia para diseñar un chip destinado a vencer a Nvidia misma.

La estrategia es más amplia que eso. Nvidia cubrió todas las etapas de la cadena de producción, desde el diseño hasta la fabricación, usando inteligencia artificial. Chip Nemo se encarga del diseño frontal, NB-Cell realiza optimizaciones intermedias, las herramientas EDA están conectadas con una inversión de 2 mil millones de dólares, e incluso los cálculos fotónicos en la fabricación se hacen en procesadores Nvidia.

La amarga paradoja: cualquier competidor que quiera vencer a Nvidia encontrará que todas las herramientas que necesita para ganar son propiedad o están optimizadas a favor de Nvidia. La persona que quieres vencer te proporciona todas las herramientas que necesitas para intentarlo.

¿Y las empresas chinas locales que intentan ingresar al mercado de GPU? La situación es mucho más difícil. La mayoría todavía usa herramientas licenciadas de Synopsys y Cadence, y pierden miles de millones al año, pero el mercado las considera como una "Nvidia local" con un valor de mercado enorme. La brecha entre la valoración y la realidad es muy alarmante.