El dominio de Nvidia en la computación de IA ha descansado durante mucho tiempo en dos pilares: su hardware y su software. Las GPU reciben toda la atención, pero el verdadero vínculo proviene de CUDA, la plataforma de programación propietaria en torno a la cual millones de desarrolladores han construido sus flujos de trabajo. OpenAI ahora está lanzando un ataque directo contra este segundo pilar.
La empresa se prepara para lanzar una herramienta diseñada para permitir que los modelos de IA funcionen en hardware que no sea de Nvidia, aprovechando su lenguaje de código abierto Triton como una alternativa viable a CUDA.
La evolución silenciosa de Triton
Triton no es nuevo. OpenAI lo lanzó por primera vez en julio de 2021 como un lenguaje de código abierto para escribir kernels de GPU de alto rendimiento en Python. La propuesta era sencilla. CUDA es potente pero notoriousmente compleja. Triton busca ofrecer un rendimiento comparable con código mucho más accesible para el desarrollador promedio.
Desde entonces, el proyecto ha estado ganando impulso de manera constante. Actualmente sirve como backend para marcos populares como PyTorch. La versión más reciente, Triton 3.7, se lanzó en 2026, lo que indica que OpenAI no lo trata como un proyecto secundario.
La estrategia de diversificación de hardware
El impulso de software de OpenAI no existe en un vacío. La empresa ha estado explorando activamente alternativas a los chips de Nvidia desde 2025, impulsada en parte por la insatisfacción con algunos de los chips de inferencia de Nvidia. La inferencia es el proceso de ejecutar realmente un modelo de IA entrenado, en contraste con su entrenamiento inicial.
La empresa anunció una asociación con AMD que incluye una capacidad de cómputo impulsada por AMD de 6 GW. OpenAI ha descrito esto como algo complementario a sus acuerdos existentes con Nvidia, no como un reemplazo.
Más allá de AMD, OpenAI ha mantenido conversaciones con startups como Cerebras y Groq, ambas han diseñado chips especializados optimizados para cargas de trabajo de inferencia. Además, la empresa está desarrollando chips personalizados de inferencia de IA con Broadcom, con planes de producción previstos para 2026.
Qué significa esto para los inversores
El ecosistema CUDA de Nvidia cuenta con millones de desarrolladores, años de conocimiento institucional y una integración profunda en prácticamente todos los marcos de IA principales.
AMD ha estado mejorando su plataforma ROCm para aumentar la compatibilidad con cargas de trabajo de IA. Han surgido proyectos abiertos como ZLUDA para traducir código CUDA y ejecutarlo en hardware que no sea de Nvidia. Y ahora, el mayor consumidor individual de cómputo de IA del planeta está desarrollando activamente herramientas para hacer menos relevante la ventaja software de Nvidia.
Para AMD y el ecosistema más amplio de chips alternativos, los movimientos de OpenAI representan un posible punto de inflexión. La mayor barrera para la adopción de hardware distinto al de Nvidia siempre ha sido la compatibilidad del software. Si Triton se consolida como un estándar verdaderamente multiplataforma, elimina el principal obstáculo que tienen los desarrolladores de IA al considerar AMD o silicio personalizado.