Quién es Jensen Huang
Jensen Huang, también conocido como Jen-Hsun Huang, es cofundador, presidente y consejero delegado de NVIDIA. Ha ocupado la dirección ejecutiva y un puesto en su consejo de administración desde la creación de la empresa en 1993. [1]
Nació en Taiwán en 1963 y emigró a Estados Unidos a los nueve años. Su trayectoria combina ingeniería electrónica, diseño de semiconductores y dirección empresarial. [7]
Formación y primeros trabajos
Obtuvo el BSEE en ingeniería eléctrica en Oregon State University en 1984. Allí conoció a Lori Mills, su futura esposa. [8]
Completó un máster en ingeniería eléctrica en Stanford en 1992. Esa formación se sumó a una experiencia profesional centrada en herramientas y tecnologías para diseñar circuitos integrados. [9]
Trabajó como diseñador de microprocesadores en AMD entre 1983 y 1985 y después en LSI Logic, hasta 1993. Allí dirigió Coreware, una unidad dedicada a tecnología de sistemas en un chip. [10]
Fundación de NVIDIA y primeros retos
Fundó NVIDIA el 5 de abril de 1993 con Chris Malachowsky y Curtis Priem. Su objetivo inicial era llevar gráficos tridimensionales avanzados a videojuegos y aplicaciones multimedia, un mercado en el que el rendimiento visual se convirtió en una forma de diferenciar los ordenadores personales. [4]
En una visita a Oregon State en 2013, Huang recordó una crisis temprana: la caída del precio de la memoria y la entrada de numerosos competidores hicieron perder valor al diseño que la empresa preparaba. El episodio obligó a replantear su estrategia cuando todavía era una compañía joven. [8]
De los gráficos a la computación acelerada
El lanzamiento de GeForce 256 en 1999 fue un hito: integró funciones de transformación, iluminación y renderizado en el procesador gráfico. [7]
CUDA, presentada en 2006, abrió la programación de esas GPU a tareas más allá de dibujar imágenes. Sus herramientas permitían utilizar C y bibliotecas matemáticas para repartir cálculos entre numerosos hilos. La GPU podía trabajar junto con la CPU y acelerar partes paralelas de un programa, ampliando el mercado hacia ciencia e ingeniería. [11]
En un artículo de 2016, Huang explicó su apuesta por unir procesadores paralelos, herramientas de programación y acceso de investigadores a esas capacidades. Señaló el entrenamiento de AlexNet en GPU en 2012 como un punto de inflexión. La aportación de NVIDIA fue proporcionar infraestructura sobre la que equipos científicos desarrollaron sus redes y métodos. [12]
Sistemas para entrenar y ejecutar inteligencia artificial
En GTC 2016 NVIDIA presentó DGX-1 como un sistema integrado para aprendizaje profundo. Reunía ocho aceleradores Tesla P100, interconexiones NVLink y software como cuDNN y DIGITS. La propuesta reunía componentes que los investigadores necesitaban coordinar para entrenar redes, llevando la oferta empresarial desde chips individuales hacia sistemas completos. [13]
En enero de 2026 la compañía presentó la plataforma Rubin, que combinaba CPU, GPU y varios componentes de red diseñados conjuntamente. Huang la situó dentro de una renovación periódica de sus sistemas para IA. El planteamiento aborda tanto el cálculo como el movimiento de datos, la memoria y la comunicación entre procesadores. [16]
Mellanox, Arm y desafíos regulatorios
La compra de Mellanox se completó en abril de 2020. Incorporó tecnologías de red de alto rendimiento a la capacidad de computación de NVIDIA. Huang explicó la operación como un paso hacia una oferta que abarcara procesadores, comunicaciones y software para centros de datos, donde conectar los equipos resulta tan importante como acelerar cada chip. [14]
La adquisición propuesta de Arm siguió otro recorrido. NVIDIA y SoftBank la cancelaron en febrero de 2022 ante obstáculos regulatorios que impedían cerrarla. Huang afirmó entonces que NVIDIA seguiría colaborando con Arm como licenciataria. La operación no convirtió a NVIDIA en propietaria de Arm. [15]
En su informe anual del ejercicio 2026, NVIDIA identificó los controles de exportación de procesadores avanzados como un riesgo para ventas y suministro. Su expansión internacional depende también de autorizaciones y restricciones comerciales. [10]
Omniverse, simulación y entornos tridimensionales
Omniverse conecta datos tridimensionales mediante OpenUSD y simula escenas, sensores y comportamiento físico. Sus herramientas permiten probar robots, generar datos sintéticos y representar instalaciones. [2]
Las comprobaciones de preparación de sus activos distinguen una escena visual de un modelo utilizable para simulación, que requiere geometría, propiedades físicas y comportamiento de sensores adecuados. [2]
Su visión de la IA como infraestructura
En marzo de 2026 describió la IA mediante cinco capas: energía, chips, infraestructura, modelos y aplicaciones. Defendió que su expansión requiere inversión física y personal cualificado, además de software. Es una tesis empresarial sobre cómo se desarrolla el sector, que vincula centros de datos y necesidades energéticas con nuevos productos y servicios. [17]
Apoyo a educación e investigación
Jensen y Lori Huang comprometieron 30 millones de dólares para el centro de ingeniería de Stanford que lleva su nombre. La aportación se anunció como apoyo a un espacio para reunir enseñanza, investigación y colaboración entre disciplinas. [19]
El Jen-Hsun Huang Engineering Center se inauguró formalmente el 5 de octubre de 2010. Stanford lo presenta como una sede vinculada a creatividad, colaboración, aprendizaje permanente y emprendimiento dentro de su conjunto de edificios de ciencia e ingeniería. [20]
En 2022 Oregon State anunció una donación de 50 millones de dólares de la pareja para el Jen-Hsun and Lori Huang Collaborative Innovation Complex. El proyecto se orientó a investigación en IA, materiales y robótica, con ámbitos como clima, océanos y recursos hídricos. La contribución se integra en una colaboración universitaria más amplia. [18]
Premios y reconocimiento profesional
La Semiconductor Industry Association le concedió el Robert N. Noyce Award de 2021, que reconoce liderazgo y contribuciones a la industria de semiconductores. La entidad destacó su trabajo en plataformas de computación acelerada y el desarrollo de NVIDIA. [21]
El Computer History Museum lo nombró Fellow en 2024 por su liderazgo en gráficos, computación acelerada e inteligencia artificial. [7]
En 2026 fue reconocido con la IEEE Medal of Honor. La distinción valoró su trayectoria en computación acelerada; Huang vinculó el reconocimiento al trabajo colectivo de los ingenieros e investigadores de NVIDIA y de la comunidad que ha desarrollado su ecosistema. [22]
Recibió también la National Medal of Science estadounidense en 2026. [23]
BMW: probar la fábrica antes de modificarla
En GTC 2023, Huang presentó junto a Milan Nedeljković una demostración de la fábrica virtual de BMW en Omniverse. El caso mostraba cómo decidir la ubicación de un robot en un espacio limitado mediante un modelo compartido por planificación y logística. [5]
La documentación del proyecto incluye seguridad de los trabajadores y ergonomía entre los problemas de reconfigurar una fábrica. BMW utiliza entornos virtuales para coordinar la planificación y estudiar la interacción de personas, equipos y robots antes de trasladar cambios al espacio físico. [6]
La conexión preventiva del gemelo digital
El valor para SST está en anticipar conflictos de diseño: un cambio de máquina modifica también accesos, recorridos, espacios de intervención y tareas manuales. Poder revisar estas relaciones en un modelo común permite discutirlas antes de ejecutar la modificación.
Huang presentó públicamente esta colaboración; la planificación preventiva corresponde a los equipos que diseñan y validan cada instalación. El gemelo debe representar las condiciones del puesto real, incluidas operaciones de mantenimiento y situaciones anómalas. Una simulación convincente no acredita por sí sola la seguridad de la instalación ni cuantifica una reducción de accidentes.
