Tres cosas que merecen tu atención ahora mismo. AMD va a por Nvidia con un sistema de IA a escala de rack llamado Helios, y OpenAI acaba de presentar su propio chip de inferencia llamado Jalapeño, construido con Broadcom. Los robots humanoides cruzaron un umbral real esta semana: Tesla inició la producción de Optimus en Fremont, y los robots de Figure operaron 200 horas seguidas procesando casi 250.000 paquetes en un sitio logístico. Y en el frente soberano, Pakistán está impulsando formalmente una reserva nacional de Bitcoin, mientras Bután acaba de encargar a 3iQ la gestión de parte de su asignación de 10.000 BTC para la ciudad de Gelephu. Vamos a ello.
AMD ya no finge que puede vencer a Nvidia de frente. Ahora su propuesta es ser la segunda fuente creíble —la vía de escape— para cualquiera que construya a escala de gigavatios. Y la lista de clientes lo respalda. OpenAI y Meta se han comprometido cada una con unos 6 gigavatios. Anthropic se comprometió con hasta 2 gigavatios en GPU MI450 a través de la plataforma Helios, con el primer gigavatio llegando en el primer semestre de 2027. Microsoft está escalando Helios a través de Azure.
En Hot Chips 2026, AMD detalló qué es realmente Helios. Es un rack de 72 GPU que combina CPU EPYC Venice de 96 núcleos, GPU Instinct MI455X y red Pensando Vulcano 800. Las especificaciones van en serio: 2,9 exaflops de cómputo de IA, 31 terabytes de HBM4, 1,7 petabytes por segundo de ancho de banda HBM, refrigeración líquida con acoplamiento ciego y un fabric de memoria compartida sobre Ethernet. AMD afirma un 15% más de rendimiento con la misma potencia por rack y un 30% más de tokens por dólar que los sistemas comparables de Nvidia.
La parte de software es donde esto se pone interesante. ROCm —la respuesta de AMD a CUDA— ahora ejecuta más de 3 millones de modelos de serie, y las contribuciones de código abierto se han multiplicado por 10 interanualmente. Ese es el verdadero foso defensivo que todos intentan atacar. El lock‑in de CUDA de Nvidia ha sido la razón por la que todos los retadores han rebotado durante una década. AMD aún no está ahí, pero la brecha es más estrecha que hace 18 meses.
Las cifras reflejan ese impulso. AMD proyecta más del 80% de crecimiento interanual de ingresos de servidores en la segunda mitad de este año, más del 70% para todo 2027 y unos ingresos de centros de datos que podrían duplicarse el próximo año. Nvidia aún conserva aproximadamente entre el 81 y el 90% del mercado de aceleradores de IA. Pero el techo de esa cuota por fin empieza a resquebrajarse.
Mientras AMD juega a ser segunda fuente, OpenAI acaba de decirle a todo el mundo que también quiere hacer su propio silicio. El chip se llama Jalapeño, construido con Broadcom, y está diseñado específicamente para inferencia —no para entrenamiento. El despliegue en la infraestructura propia de OpenAI empieza antes de fin de año, con producción en volumen en 2027.
El diseño del sistema es agresivo. 128 aceleradores por rack. 13,4 petaflops por acelerador en MXFP4. Unos 1,7 exaflops por sistema. 27,5 terabytes de HBM4 y alrededor de 2 petabytes por segundo de ancho de banda de memoria. Toda la arquitectura se basa en mantener el estado del modelo y las cachés KV en el chip para minimizar el movimiento de datos —que es exactamente donde las cargas de inferencia pierden rendimiento.
Benchmarks tempranos de SemiAnalysis, extraoficiales y con matices, afirman que Jalapeño ofrece entre 1,5 y 1,9 veces mayor rendimiento pico y entre 1,7 y 3,6 veces menor latencia extremo a extremo frente a competidores. OpenAI dice que supera a Blackwell de Nvidia en rendimiento por vatio en la mayoría de las pruebas. La salvedad para una comparación justa es que Jalapeño usa HBM4, así que la próxima plataforma Rubin de Nvidia es probablemente la referencia real.
Pero aquí está el punto estratégico. OpenAI ha sido uno de los mayores clientes de Nvidia. Si OpenAI mueve siquiera un 20 o 30% de su carga de inferencia a su propio silicio, es un golpe directo al segmento más rentable de Nvidia. Algunos analistas creen que los ASIC superarán a las GPU en volumen de unidades para 2028. El entrenamiento sigue siendo la fortaleza de Nvidia —la programabilidad y la ventaja de ecosistema siguen siendo reales. Pero la inferencia es donde finalmente están el volumen y los márgenes, y todo el que tiene escala ahora está construyendo su propio chip. Los TPU v8 de Google, Trainium de Amazon, el silicio interno de Meta, Maia de Microsoft y ahora Jalapeño. El monopolio de Nvidia no se acaba, pero su poder de fijación de precios definitivamente sí.
La historia de los robots humanoides acaba de cruzar, casi sin hacer ruido, de los videos de demostración al trabajo productivo real. Tres datos de esta semana lo vuelven concreto.
Primero, Tesla inició la producción de Optimus en la fábrica de Fremont —ocupando espacio que antes producía los Model S y X. Musk lo plantea como una rampa en curva S: lento al principio y luego aceleración. La línea de Fremont está diseñada para hasta un millón de robots al año a plena capacidad, con una línea de segunda generación en Gigafactory Texas que apunta a diez millones en el diseño a largo plazo. Las primeras unidades están entrando en un programa interno llamado Optimus Academy, generando datos de entrenamiento a partir de trabajo real en fábrica.
Segundo, Figure AI realizó lo que quizá sea la demostración en el mundo real más impresionante hasta ahora: 200 horas de operación autónoma continua, procesando casi 250.000 paquetes sin un fallo del sistema. Los robots identifican paquetes por código de barras, recogen y colocan con una precisión casi humana y —esto es lo importante— salen de la línea de forma autónoma para cargarse. Esa capacidad de rotación de flota es lo que convierte la demo de un solo robot en una fuerza laboral escalable. BMW está usando Figure 03 en su planta de Spartanburg para secuenciación de piezas, que es su primer despliegue de humanoides en un flujo logístico en cualquier parte.
Tercero, los benchmarks se están formalizando. Laboratorios independientes ya están evaluando estos robots contra las normas de seguridad ISO 10218 e IEC 61508. Las nuevas métricas importan: gestión térmica, eficiencia en el intercambio de baterías, tiempo medio entre fallos, energía por ciclo de tarea. Los objetivos de precio están bajando de 30.000 dólares por unidad hacia fin de año en algunos mercados.
La lectura honesta: siguen siendo despliegues acotados. Tesla no ha divulgado tiempos de ciclo, tasas de intervención ni ganancias de productividad verificadas. Pero la tendencia es inequívoca. Los humanoides pasan de prototipo a producto, y las empresas que capturen ahora datos reales de planta tendrán una ventaja acumulativa.
Está pasando algo interesante a nivel de Estado nación, y no son los sospechosos habituales. El responsable cripto de Pakistán, Bilal Bin Saqib, está planteando formalmente una Reserva Estratégica de Bitcoin nacional. La propuesta no es especulación: es preparación soberana. El plan toma los bitcoins ya en custodia estatal, en su mayoría de incautaciones policiales, y los formaliza en un monedero nacional con gobernanza transparente. Pakistán aprobó la Ley de Activos Virtuales de 2026 y creó un regulador llamado PVARA con un presupuesto de unos 200.000 dólares. También está destinando 2.000 megavatios de electricidad excedente a la minería de Bitcoin y a centros de datos de IA. Pakistán tiene alrededor de 40 millones de usuarios de criptoactivos: una base minorista real que ha operado en una zona gris legal durante años.
Bután va más adelantado en la curva. Su fondo soberano, Druk Holding & Investments, comprometió hasta 10.000 BTC para el proyecto Gelephu Mindfulness City en diciembre de 2025. Esta semana contrataron a 3iQ, una firma de Toronto, para gestionar una parte de esos bitcoins. Aunque datos de Arkham muestran que las carteras de DHI han caído desde un máximo de unos 13.000 BTC a finales de 2024 hasta alrededor de 3.100 BTC a mediados de mayo —DHI niega haber vendido, pero los números son los que son.
Y Taiwán acaba de entrar en la conversación. La legisladora Ko Ju-chun propuso en Bitcoin Asia que una reserva nacional de Bitcoin debería ser un plan a corto plazo. Sin detalles sobre tamaño o financiación, pero el hecho de que una legisladora en funciones lo plantee públicamente importa.
El patrón aquí merece ser nombrado. No son los países del G7 los que lideran: son Estados medianos con grandes poblaciones no bancarizadas, excedentes de energía o ansiedad estratégica sobre el sistema del dólar. Pakistán, Bután, El Salvador antes que ellos. No son los balances que mueven el precio de Bitcoin, pero sí los que normalizan a Bitcoin como activo de reserva. Una vez que tres o cuatro países soberanos lo tengan abiertamente, el coste político para que un país mayor siga disminuye de forma significativa.
Atentos al mercado de chips de inferencia en los próximos 18 meses. Ahí es donde la historia de márgenes de Nvidia se sostiene o se rompe, y donde se deciden las economías reales del despliegue de la IA.