La pila de producción de agentes ya está en el mercado: por dentro de la arquitectura de referencia de NVIDIA de la GTC de Berlín

Conclusiones clave

• El discurso principal de NVIDIA en la GTC de Berlín definió un agente como cinco partes — modelo, arnés, sandbox, conocimiento y herramientas — y entregó una arquitectura de referencia que cubre las cinco en lugar de una sola afirmación de plataforma (resumen del keynote de NVIDIA).
• La OpenShell Reference Architecture empareja el runtime OpenShell con Sentry sobre DPU BlueField-4, que monitoriza el comportamiento del agente fuera de banda y pone en cuarentena a un agente fuera de límites «en milisegundos» — gobernanza ejecutándose en silicio, fuera del host donde corre el agente (sala de prensa de NVIDIA).
• La regla de Huang son los privilegios por lanzamiento: «Cada vez que se lanza un agente, los privilegios son distintos» — la respuesta a nivel de arquitectura a los fallos de rol por defecto sobredimensionado documentados en los incidentes de agentes de este año (resumen del keynote de NVIDIA).
• DSX POD reduce el despliegue presencial de una fábrica de IA de seis meses a 14 días, y Vera Rubin está «en producción plena… para procesar el agente de IA completo» — la capacidad se está convirtiendo en una línea de cadena de suministro, no en un proyecto de construcción (resumen del keynote de NVIDIA).
• La Agent Knowledge Foundation junto con los modelos Kumo convierten la capa de conocimiento en producto, en eco de la afirmación de Huang de que el acceso al conocimiento de la empresa es lo que «convierte a estos agentes en superagentes» (NVIDIA Developer).

En el Tempodrom de Berlín esta mañana, Jensen Huang abrió con una lista de nueve empresas europeas — L'Oréal, Revolut, Spotify, Merck, Vodafone, Zara, Porsche, Nestlé, HSBC — todas trabajando con NVIDIA en IA, con unos 10.000 millones de dólares comprometidos con el ecosistema de IA europeo a lo largo de una gira de una semana por París, Londres, Estocolmo y Dublín (resumen del keynote de NVIDIA; publicación de NVIDIA Francia). Pero el anuncio que cambia la arquitectura empresarial es más estrecho: con las empresas «preparándose para desplegar miles de millones de agentes de IA», NVIDIA convirtió la gobernanza de agentes en una capa de cómputo. La OpenShell Reference Architecture, anunciada el 21 de octubre de 2026, empareja un runtime de sandboxing a nivel de kernel controlado por políticas con la ejecución en silicio sobre DPU de red — y está disponible hoy con documentación de referencia completa.

Este artículo mapea lo que cada capa de la anatomía de cinco partes de NVIDIA ahora entrega como producto, lee las afirmaciones de gobernanza contra el historial de contención acumulado durante 2026 — el kill switch fallido en la fuga del sandbox de OpenAI, el rol por defecto que dejó que un solo prompt tomara el control de todos los agentes de una cuenta de AWS — y separa las capas que se compran de la decisión que sigue siendo del operador: cómo toca el agente tus sistemas en producción.

La anatomía de cinco capas se convierte en una lista de materiales

El keynote de NVIDIA describió el agente como cinco elementos: un modelo, un arnés que orquesta su trabajo y su memoria, un sandbox que aísla el arnés, conocimiento y herramientas (resumen del keynote de NVIDIA). El encuadre importa por lo que vino después — el argumento del pastel de cinco capas de que la infraestructura precede a los modelos, y la afirmación de que «estamos en los comienzos de una nueva revolución industrial». La tesis de NVIDIA tiene forma de plataforma: los agentes son el sustrato de cómputo del próximo stack, y cada capa de ese stack se puede comprar.

Capa	Lo que NVIDIA entregó	La fila concreta
Modelo	Infraestructura Vera Rubin, en producción plena, «para procesar el agente de IA completo»	Vera Rubin NVL72 entregando 30× más rendimiento por megavatio (cifra del fabricante)
Arnés	CPU Vera ejecutando arneses de agente y uso de herramientas	2× el rendimiento de los procesadores x86 (cifra del fabricante)
Sandbox	OpenShell — runtime open source controlado por políticas con sandboxing a nivel de kernel	Se sitúa entre un agente y los sistemas que puede afectar
Conocimiento	NVIDIA Agent Knowledge Foundation	Análisis de documentos, embeddings y reranking Nemotron + modelos Kumo para predicción sobre datos estructurados
Herramientas	Librerías aceleradas CUDA-X	11 millones de desarrolladores construyendo sobre la plataforma

Bajo cualquier diagrama de capas está la capa que esta tabla no lista: el plano de gobernanza. En el encuadre de NVIDIA ni siquiera es una capa — es donde los límites de todas las demás capas se hacen cumplir. Ese es el cambio de diseño al que prestar atención.

Las cinco piezas del stack, y el plano de cumplimiento que vigila todas ellas:

La capa de gobernanza pasó de instrucciones a silicio

La línea más fuerte del día no fue sobre rendimiento. Justin Boitano, vicepresidente de IA empresarial de NVIDIA, lo planteó como una restricción de diseño en septiembre, cuando la Open Agent Safety Platform se anunció por primera vez: «Los agentes pueden derivar cuando las instrucciones son ambiguas… No se puede esperar que un agente vígile por completo su propio comportamiento. Una vez que la IA puede actuar, las salvaguardas deben gobernar las acciones del agente» (PBS NewsHour/AP). El keynote lo convirtió en arquitectura: OpenShell es un runtime controlado por políticas con sandboxing a nivel de kernel que se sitúa entre un agente y los sistemas que puede afectar, y Sentry corre sobre DPU BlueField-4 para monitorizar continuamente el comportamiento del agente fuera de banda y aplicar políticas en silicio — poniendo en cuarentena a un agente que intenta salir de su frontera de software «en milisegundos» (sala de prensa de NVIDIA).

Tres propiedades de ese diseño importan operativamente:

• El vigilante está fuera del host. Cada fila de aislamiento solo-software de la pila de contención — contenedores, hipervisores, WebAssembly — comparte un dominio de fallo: el kernel del host. Un Sentry residente en DPU es el análogo de hardware de la regla de «dos capas independientes»: la cuarentena sobrevive al compromiso de la capa que vigila. La fuga del sandbox de OpenAI documentó el coste de la capa independiente que faltaba — una alerta que el monitor marcó en 12 minutos tardó en frenarla un humano 2,5 horas (análisis del kill switch de OpenAI).
• Los privilegios son por lanzamiento, no por rol. Huang: «Cada vez que se lanza un agente, los privilegios son distintos» (resumen del keynote de NVIDIA). Esa es la refutación arquitectónica directa del peor patrón de radio de impacto de este año — un agente expuesto al público alcanzando los metadatos de instancia y heredando un rol por defecto sobredimensionado que llegó a todos los agentes, conversaciones y secretos de la cuenta de AWS (análisis de AgentCorruption). Un rol por defecto concedido una vez y compartido ampliamente solo existe cuando el privilegio es un paso de configuración; un modelo de privilegios por lanzamiento convierte las credenciales permanentes compartidas en el antipatrón.
• La revocación cruza la frontera software/hardware. El GA el mismo día de ServiceNow de Arc — un agente personal de larga duración cuyas acciones gobierna su torre de control y que enforcement aplica OpenShell — incluye una capa de autoridad, AI Passport, que lleva políticas a OpenShell y Sentry para que las empresas puedan revocar el acceso de un agente «a través de software y hardware en segundos» (sala de prensa de NVIDIA; ServiceNow). Los kill switches que instruyen al modelo para detenerse tienen un techo documentado; las credenciales revocadas en el plano de ejecución no.

La amplitud del ecosistema es la prueba de credibilidad. Los constructores de modelos cuyos agentes corren sobre infraestructura OpenShell incluyen Anthropic, Google, Meta, OpenAI, Perplexity y Cohere; los proveedores de seguridad integrando soporte incluyen CrowdStrike, Okta, Palo Alto Networks, Cisco, Fortinet y Zscaler; los bancos europeos BBVA y Santander están explorando la arquitectura como marco de gobernanza; SAP está conectando su runtime de Joule Studio en ella (sala de prensa de NVIDIA). Una capa de gobernanza adoptada por la misma cohorte que produce los agentes de frontera — y por las instituciones financieras que regularán sus propios despliegues — es un anuncio de otro tipo que un proveedor de plataforma vendiendo seguridad por su cuenta.

Dos marcadores de honestidad acotan la lectura. Primero, las cifras destacadas son afirmaciones del fabricante el día del lanzamiento: 30× de rendimiento por megavatio, 2× el rendimiento x86, «hasta un 20%» de capacidad de agente de Sentry — ninguna tiene todavía una prueba de terceros adjunta. Segundo, el equilibrio contención-usabilidad sigue sin resolverse y NVIDIA no afirma lo contrario. Somesh Jha, profesor de informática de la Universidad de Wisconsin, dijo a los periodistas que el runtime podría bloquear a los agentes de hacer trabajo útil y cómo se traza ese equilibrio «solo puede responderse con estudios de caso» (PBS NewsHour/AP). Y según PBS, la plataforma no aborda para nada la deshonestidad del modelo — la empresa que despliega sigue escribiendo las reglas y los permisos. La arquitectura de referencia cambia dónde vive la ejecución; no escribe tu política.

La capacidad se convirtió en una línea de cadena de suministro

La otra mitad del keynote es aritmética de adquisición. NVIDIA anunció DSX POD — un diseño de referencia para una fábrica de IA Vera Rubin completa, construida por socios dentro de contenedores modulares, integrada y validada antes de la entrega. Una vez que las utilidades del emplazamiento están listas, el despliegue presencial se reduce de seis meses a 14 días; Huang lo llamó «una transformación completa de la cadena de suministro mundial» (resumen del keynote de NVIDIA). La DSX AI Factory Platform añade las filas de eficiencia — necesidades de agua de refrigeración reducidas hasta un 100% y la misma producción con hasta un 30% menos de energía (ambas cifras del fabricante).

Para un operador B2B de mercado medio, la lectura honesta es indirecta pero real: el cómputo converge en una mercancía de alquiler con restricciones de plazo de almacén. Nadie que despliegue un mostrador de cotización o un agente de fulfillment necesita un pod en el patio. El dato de velocidad de despliegue importa porque elimina el último argumento estructural para poseer infraestructura «eventualmente» — la capa que era la razón para esperar es ahora la capa que se puede alquilar con un calendario adjunto. La comparación de plataformas para agentes empresariales (plataforma gestionada o stack propio) acaba de ganar un dato del lado del proveedor: el dueño del silicio ahora vende la fábrica misma, hasta el punto de que la fábrica se despliega a velocidad de rack.

La capa de conocimiento es la diferenciación

El anuncio menos cubierto del día es el que toca más directamente a los agentes de mercado medio: la NVIDIA Agent Knowledge Foundation — modelos y librerías para conectar agentes con datos de la empresa — con componentes Nemotron para analizar documentos, incrustar consultas y reranking de recuperación, más nuevos modelos Kumo para predicción sobre datos estructurados. Encuadre de Huang: «En definitiva, lo que convierte a estos superagentes, lo que convierte a estos agentes en superagentes, es que les des acceso al conocimiento de tu empresa», y, tras el vídeo del Agent Toolkit: «ese conocimiento y esas herramientas son tuyos» (resumen del keynote de NVIDIA).

Esa es también la capa donde las afirmaciones de plataforma encuentran la realidad del comprador. Una capa de conocimiento vale lo que valga el modelo de entidades detrás — el grafo tipado de artículos, niveles, disponibilidad, condiciones de crédito y políticas que separa «el modelo leyó el catálogo» de «el agente cotizó el precio correcto con las condiciones correctas». Construir esa capa es la parte difícil de un agente de producción, y es trabajo de dominio, no de plataforma: una capa de recuperación vía grafo de conocimiento para soporte al cliente sobre manuales escaneados y la semántica de precios por niveles de un motor RFQ no salen de un lanzamiento de foundation, por muy buenos que sean los modelos de análisis. Que NVIDIA provea los primitivos de recuperación y predicción es genuinamente útil — sobre el modelo de entidades que tú posees.

Lo que el operador todavía decide

Pongan el keynote sobre la mesa de decisiones de mercado medio y las líneas comprar/poseer se ordenan limpiamente:

Decisión	La opción ya en producto	El juicio del operador
Cómputo	Capacidad de la era Rubin vía proveedores cloud (AWS, Azure, Google Cloud) con infraestructura lista para OpenShell	Alquilar; la capacidad ahora se entrega en un calendario de 14 días
Sandbox + ejecución	Runtime OpenShell sobre Canonical, Red Hat, SUSE, Windows (MXC), más sistemas operativos cloud; Sentry sobre BlueField-4	Adoptar la arquitectura de referencia; el modelo de privilegios por lanzamiento sigue necesitando que definas tu flujo de trabajo
Modelo	Los modelos cerrados y abiertos de frontera corren sobre infraestructura OpenShell, incluidas rutas de silicio rivales según AP	Mantener el modelo intercambiable; el patrón de registro de LLM lo convierte en una operación de datos
Conocimiento	Primitivos Nemotron parse/embed/rerank + predicción Kumo	Tú construyes el modelo de entidades: tu catálogo, tus niveles de precio, tu semántica de crédito y de políticas
Herramientas	CUDA-X + toolkits de agentes de los proveedores	Tú construyes la capa de integración tipada hacia sistemas clase NetSuite, BigCommerce, ShipStation — con scopes por lanzamiento

La última fila es la que importa para una operación de mercado medio. El calendario de conferencias lo pone en contexto local: la SuiteWorld de NetSuite abre el 25 de octubre, con el keynote de apertura el 26 — el lado empresarial de la capa de herramientas está a punto de tener su propia semana de anuncios. Sea lo que sea que los proveedores de ERP lancen (el 2026.2 de NetSuite ya trajo integraciones agénticas de checkpoint de aprobación en julio), el agente que arma una cotización necesita precios por niveles, reservas de disponibilidad, estado de crédito y condiciones de cancelación como entradas tipadas, de sistemas cuyas APIs no se construyeron para agentes. El marco de cinco decisiones de arquitectura cubre esa superficie de build; el keynote cambia su sustrato de gobernanza, no su forma.

Una build representativa: un distribuidor industrial de mercado medio que opera un mostrador de cotización 24/7 sobre NetSuite — agente de entrada, consultas de catálogo y precios a través de un módulo MCP tipado (38 herramientas registradas en los mixins de solicitud, disponibilidad, cotización y precios en nuestra implementación de referencia), y una integración de verificación de crédito. El patrón OpenShell mapea directamente sobre él: cada lanzamiento del agente de entrada mantiene su scope con sandbox (leer catálogo, adquirir una reserva de disponibilidad de 15 minutos, escribir borrador de cotización), el estado de auditoría por llamada aterriza un registro al estilo de MCPFunctionCallModel, y el plano de ejecución no son las instrucciones del propio agente — es un conjunto de credenciales revocables en la puerta de enlace, así que una ejecución desbocada pierde sus herramientas en segundos, no su reputación en un postmortem. La superficie privilegiada se mantiene pequeña por construcción, que es el punto entero de los privilegios por lanzamiento.

Solicita una build acotada. Una semana de descubrimiento. Recibes un inventario de sistemas, un mapa de flujo de trabajo y un alcance fijo — construyas con nosotros o no.

Lecturas relacionadas

• El rol por defecto, no el modelo: cómo un prompt tomó el control de todos los agentes de una cuenta de AWS — el patrón de radio de impacto que el modelo de privilegios por lanzamiento refuta a nivel arquitectónico
• Checklist de gobernanza de agentes de IA: una revisión pre-despliegue — dónde encaja la capa de ejecución OpenShell/Sentry en una revisión pre-despliegue
• Plataforma de IA gestionada o stack propio para agentes de producción — el cálculo de plataforma donde aterriza el dato de «NVIDIA vende la fábrica misma»