Empresas · · 11 min de lectura

Nvidia deja de vender el H200 en China: fin del chollo arancelario y lo que esto te costará en inferencia

Colette Kress confirma que Nvidia abandona la venta del H200 en China y liquida el acuerdo con Trump que recaudaba un 25% de arancel. Analizamos qué significa para los costes de infraestructura IA, el mercado de GPU y las decisiones de compra que CTOs y CEOs deben tomar antes de que el precio del cómputo vuelva a subir.

Comparte: Compartir en LinkedIn Publicar en X

Colette Kress, CEO interina de Nvidia, ha confirmado que la compañía dejará de vender sus chips H200 en China y abandona su rol de intermediaria en el acuerdo con la administración Trump que recaudaba un arancel del 25% por cada unidad exportada.

TL;DR: Nvidia abandona la venta del H200 en China y cierra el canal arancelario del 25% que había habilitado con Trump. Es un movimiento defensivo ante la presión regulatoria china y la incertidumbre exportadora, pero también una señal de que la era de "vender todo a todos" en semiconductores se ha terminado. Para las empresas españolas que despliegan agentes IA en producción, la consecuencia práctica es una mayor volatilidad del coste por token en cloud y una presión renovada a diversificar proveedor de cómputo.

El H200 no era el chip puntero, era el chip vendible

Conviene situar el producto antes de la política. El H200 es la variante de Hopper con 141 GB de HBM3e, lanzada como puente comercial entre la H100 y la Blackwell B200. No es el chip más rápido de Nvidia ni el más eficiente por vatio para entrenamiento frontier. Es, en cambio, el caballo de batalla que alimenta una enorme parte de la inferencia empresarial a escala: modelos de 70B a 400B parámetros servidos con latencia razonable y coste por token contenido.

Que Nvidia deje de venderlo en China no elimina la oferta global, pero reduce la presión competitiva en el mercado secundario y en los proveedores cloud chinos que importaban unidades para ofrecer inferencia barata a clientes asiáticos. En la práctica, es una contracción silenciosa de la oferta mundial de cómputo Hopper justo en el momento en que media Europa está migrando sus pilotos de agentes autónomos a producción.

Según la nota original de Techmeme, el acuerdo mediado por Jensen Huang permitía a Nvidia seguir vendiendo a China a cambio de que el Tesoro estadounidense recaudara un 25% por operación. Ese peaje era, en los hechos, un impuesto a la exportación disfrazado de arancel, y China lo ha tolerado durante un tiempo porque necesitaba los chips. Ya no.

Lo que realmente cambia para un CTO europeo

La lectura ingenua es "noticia geopolítica, no me afecta". La lectura correcta es que cualquier decisión de arquitectura que asuma precios de GPU planos o decrecientes en 2027 está mal calibrada. Tres vectores concretos:

Primero, el precio spot de H200 en el mercado secundario. Cuando Nvidia retira un producto de un mercado de 1.400 millones de consumidores institucionales, el stock global se redistribuye. Históricamente, cada restricción exportadora ha provocado picos del 10-30% en el precio de reventa de GPUs Hopper durante las 8-12 semanas posteriores. Las agencias que operan modelos en renting notarán ese efecto en sus renovaciones de contrato.

Segundo, el coste de inferencia en cloud. AWS, Azure y GCP no van a subir tarifas mañana, pero sí van a racionalizar la asignación de instancias p5/p4d-e a clientes estratégicos. Los clientes pequeños con cargas variables de agentes IA empezarán a ver menos disponibilidad on-demand y más presión hacia committed use o reserved instances. Es la misma jugada que vimos con H100 en 2024.

Tercero, el argumento comercial del cómputo propio. Cada vez que el suministro cloud se tensa, el caso de negocio para clústeres privados o neoclouds especializados mejora. Si tu empresa está evaluando servir agentes conversacionales con SLA estricto, esta noticia refuerza la opción híbrida: inferencia crítica en on-prem con H200 compradas antes del repunte, y cargas elásticas en cloud público.

La tabla que deberías enseñar a tu CFO

Antes de decidir nada, ordena los números. Estos son los rangos realistas de coste por millón de tokens para un modelo de clase 70B servido sobre H200, según configuración típica (vLLM, batch dinámico, cuantización FP8):

Escenario Capex por GPU Coste cloud equivalente Coste por 1M tokens Caso de uso
H200 on-prem (amortización 36m) ~32.000-38.000 € — 0,10-0,25 € Agentes internos, alto volumen estable
H200 reserved cloud (1 año) — 2,5-3,2 €/h 0,35-0,60 € Pilotos con picos previsibles
H200 on-demand cloud — 4,0-5,5 €/h 0,70-1,20 € Cargas esporádicas, agentes de voz
API propietaria (referencia) — — 1,50-6,00 € Prototipado rápido, baja latencia

La conclusión operativa: si tu volumen supera los 800 millones de tokens al mes en un modelo abierto, el punto de cruce con el cloud on-demand llega antes de 14 meses. Ese es el umbral donde las agencias de IA en Madrid especializadas en integración de modelos abiertos están ganando proyectos frente a integradores generalistas.

Por qué esto es, en el fondo, una buena noticia para Europa

Suena contraintuitivo, pero merece la pena decirlo. Cada restricción exportadora de EE. UU. hacia China empuja a los grandes laboratorios chinos (DeepSeek, Qwen, Moonshot) a optimizar modelos para hardware con menos HBM y menos ancho de banda. El resultado son arquitecturas de atención y técnicas de cuantización que terminan siendo más eficientes en vatio. Y esas innovaciones se filtran al ecosistema abierto con 6-12 meses de retraso.

En otras palabras: la retirada del H200 de China acelera la presión competitiva sobre el coste por token en modelos abiertos, aunque a corto plazo tense la oferta de hardware. Para las agencias ia en Barcelona que llevan dos años construyendo su stack sobre Llama, Qwen y Mistral en lugar de depender de una única API, esto es una ventaja competitiva estructural. Para las que apostaron todo a un proveedor cerrado, es una advertencia.

El error que están cometiendo muchos equipos ahora mismo

El reflejo habitual tras una noticia así es congelar la compra de GPU o renegociar contratos cloud como medida defensiva. Es exactamente lo contrario de lo que conviene. La ventana de 60-90 días antes de que el mercado reprecie el Hopper es cuando las condiciones son más favorables: los proveedores cloud todavía no han ajustado tarifas, y los brokers de hardware tienen stock de unidades que no saben dónde colocar ahora que China está fuera del mapa.

Aquí entra la capa de decisión que distingue a un equipo técnico serio de uno reactivo. Antes de firmar un committed use de tres años, conviene simular el coste total de propiedad considerando tres escenarios de precio de inferencia (plano, -20%, +40%) y validar qué porcentaje de la carga se puede mover entre proveedores sin reescribir prompts ni pipelines. Las consultorías especializadas en integraciones de IA que trabajan con capa de abstracción multi-proveedor están captando este tipo de mandatos.

La pregunta que debería estar sobre la mesa del comité de dirección no es "¿sube o baja el precio de Nvidia?". Es "¿cuánto tarda mi stack en funcionar con un 40% más de coste de cómputo sin romper el SLA?". Si la respuesta supera las dos semanas, tienes un problema de arquitectura, no de proveedor.

Los agentes autónomos, los primeros en notarlo

Los agentes que ejecutan tareas de varios pasos (búsqueda, razonamiento, herramienta, razonamiento, respuesta) multiplican el consumo de tokens entre 8 y 25 veces frente a una llamada simple. Eso los hace extremadamente sensibles a cualquier variación del coste por inferencia. Un agente de soporte que procesa 20.000 conversaciones diarias puede consumir del orden de 3.000 millones de tokens al mes, suficiente para notar cualquier ajuste de precio.

Por eso las agencias de agentes autónomos están siendo las primeras en reaccionar: revisan qué porcentaje de sus flujos puede moverse a modelos destilados o a versiones cuantizadas, y reservan el modelo grande solo para el paso de razonamiento crítico. Es una disciplina de ingeniería que hasta ahora solo practicaban los equipos de producto de las grandes tecnológicas, pero que se ha vuelto obligatoria en cualquier despliegue en producción.

En agentes de voz, el problema es aún más agudo. Un agente de voz en tiempo real consume entre 4 y 10 veces más cómputo por minuto que un agente de texto equivalente, por la latencia estricta (sub-300 ms) y la necesidad de servir modelos de ASR, LLM y TTS en pipeline. Si el precio del H200 se tensa, los agentes de voz son el primer vertical donde los márgenes se comprimen. La recomendación es no comprometer precios fijos a cliente final por debajo de 0,05 €/minuto sin haber modelado un escenario de +40% de coste de cómputo.

Lo que esto dice sobre la relación Nvidia-Trump

Hay una lectura política que conviene hacer sin ingenuidad. El acuerdo recaudatorio del 25% era, en la práctica, una solución de compromiso para que Nvidia no perdiera completamente el mercado chino sin que la administración pareciera blanda con Pekín. Kress lo ha cerrado. Y lo ha cerrado casi al mismo tiempo que Satya Nadella declaraba en The Verge estar "AGI-pilled", lo que revela hasta qué punto los líderes del sector están leyendo el tablero a dieciocho meses vista y descontando escenarios extremos.

El mensaje que se llevan los inversores es claro: Nvidia prefiere perder China antes que aceptar una estructura comercial que dependa de la discrecionalidad política de Washington. Es una decisión de largo plazo que consolida su posición en EE. UU. y Europa pero deja un flanco abierto para que Huawei y Cambricon absorban el mercado interno chino. Para cualquier CTO europeo, la conclusión práctica es que el hardware Nvidia ya no es un commodity global: es un activo geopolítico con precios sensibles a la política exterior.

Por qué las agencias deben actualizar su matriz de proveedores

El ecosistema español de consultoría IA lleva dos años diseñando arquitecturas asumiendo disponibilidad cloud infinita a precios razonables. Esa asunción se ha roto dos veces este año: una por la escasez de Blackwell y otra por esta retirada del H200 en Asia. La tercera vez que se rompa, el debate dejará de ser técnico y pasará a ser de gobernanza de proveedor.

Hay tres movimientos tácticos que cualquier empresa con cargas de inferencia relevantes debería ejecutar en el próximo trimestre. Renegociar committed use con cláusula de techo de precio si no la tienes. Identificar qué porcentaje de la carga de agentes puede moverse entre modelos de tier-1 y modelos destilados sin degradar más del 5% en evals. Y mapear qué proveedores neocloud operan en Europa con GPUs disponibles antes de que el mercado reprecie. Lo que no funciona es esperar a ver qué pasa.

El verdadero ganador de esta noticia no es Nvidia, ni Trump, ni Pekín. Es el proveedor de cómputo que consiga firmar contratos multi-año con clientes que ahora entienden que el coste por token es una variable macro, no una línea plana del forecast.

Preguntas frecuentes sobre el fin del H200 en China

¿Qué es el chip Nvidia H200 y por qué es importante?

El H200 es la variante de Hopper con 141 GB de memoria HBM3e, lanzada como puente entre la H100 y la Blackwell B200. Es el chip más usado para servir modelos de 70B a 400B parámetros en producción, por su equilibrio entre ancho de banda, latencia y coste por token.

¿Por qué deja Nvidia de vender H200 en China?

Colette Kress ha confirmado que Nvidia abandona la venta del H200 en China y su rol en el acuerdo con Trump que recaudaba un 25% de arancel por exportación. Es una retirada de un esquema comercial que dependía de la discrecionalidad política de Washington y que China había empezado a tolerar mal.

¿Cómo afecta esta noticia al coste de inferencia de mis agentes IA?

Reduce la oferta global de Hopper al retirar China del mapa, lo que históricamente provoca picos del 10-30% en el mercado secundario y presión hacia instancias reservadas en cloud. Si operas agentes de varios pasos con volúmenes altos, conviene modelar un escenario de +40% de coste de cómputo.

¿Debo comprar GPUs H200 on-prem ahora o esperar a Blackwell?

Depende del volumen. Por encima de 800 millones de tokens al mes en un modelo abierto, el punto de cruce entre on-prem H200 y cloud on-demand llega antes de 14 meses. Si el volumen es menor o la carga es elástica, esperar a Blackwell o renegociar committed use en cloud es más racional.

¿Cómo pueden las agencias de IA proteger a sus clientes ante esta volatilidad?

Diseñando abstracción multi-proveedor en la capa de inferencia, reservando modelos grandes solo para el paso de razonamiento crítico y firmando contratos de cómputo con techos de precio. Las agencias que ya trabajan con arquitecturas multi-modelo están mejor posicionadas que las que dependen de un único proveedor.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

Posts relacionados