LA GUERRA DE LOS CHIPS
Los procesadores se han vuelto protagonistas indirectos de la batalla por reinar la Inteligencia Artificial
EnEn la carrera por liderar la informática en la nube y el desarrollo de la inteligencia artificial (espe-cialmente (espe-cialmente la aplicada a los negocios), subyace otra guerra más allá de la de tener el modelo de lenguaje (LLM) que sustente la IA del futuro: la de tener los procesadores más preparados y optimizados para hacer frente a las enormes cargas de trabajo que el tratamiento y generación de todos estos datos conlleva.
No en vano, para que la IA (también la generativa) pueda procesar y gestionar todos estos datos y algoritmos, necesita habitar en grandes máquinas de hardware en la que los procesadores deben no solo ser rápidos, sino estar especial-mente especial-mente preparados para estas cargas de trabajo.
Por eso, los procesadores se han vuelto protagonistas in-directos in-directos de esta batalla por reinar la Inteligencia Artificial. A primera vista, una compañía parece haber tomado la delan-tera. delan-tera. Una compañía que, además, no sería la primera en acudir a la mente cuando pensamos en procesadores (o CPU, unidad de procesamiento central). Se trata de nvidia, una compañía, tradicionalmente asociada con el mundo de las tarjetas gráficas y que está viviendo una segunda juventud gracias a la IA. No en vano, nvidia ha sido siempre una de las principales compañías en liderar el mercado de las GPU (unidad de procesamiento gráfico), que son un procesador especializado que se diseñó originalmente para manipular los gráficos de un ordenador. Su estructura paralela los con-vierte con-vierte en ideales para los algoritmos que procesan grandes bloques de datos que suelen encontrarse en las cargas de trabajo de IA.
De hecho, sus acciones no dejan de subir en bolsa (muy por encima de la media de otros valores) y su valorización no deja de multiplicarse. El 19 de enero de este año, sin ir más lejos, tocaba su máximo histórico (594,91 dólares por acción), superando los 1469 millones de dólares de cotización), su-perando su-perando a otras tecnológicas como Meta (propietaria de Facebook) o Tesla.
Para entender bien la trascendencia que están adquirien-do adquirien-do los procesadores en la era de la IA, podemos mirar cómo funciona CHATGPT. Esta herramienta requiere enormes cantidades de potencia de procesamiento para poder res-ponder, res-ponder, y a esa velocidad, a las peticiones de los usuarios. CHATGPT trabaja con GPT-4, la cuarta versión del modelo multimodal grande desarrollador por Openai. GPT-4 ha sido entrenado con 170.000 millones de parámetros, lo que hace que sus respuestas suenen aún más genuinas y huma-nas huma-nas que la versión anterior. Aunque Openai no cotiza en bolsa por lo que la información no siempre es pública, el banco UBS calcula que CHATGPT utiliza 10.000 unidades de procesamiento gráfico (GPU) de nvidia para funcionar y que estaría preparado para admitir miles más a medida que el modelo se vuelva más sofisticado y crezca el número de usuarios activos.
Openai no es la única compañía que está confiando en nvidia para dar energía a sus modelos de IA, algo que hará que, muy probablemente, probablemente, Intel (una de las principales principales compañías de procesadores del mundo, con cerca de un 70% de cuota de mercado en ordenadores ordenadores y portátiles y otro tanto en servidores) pierda su trono en Estados Estados Unidos como la firma de procesadores que más factura (a nivel mundial ya se vio superada por TSMC hace años).
Es decir, que nvidia se ha convertido convertido en el rey de un sector adyacente adyacente al de los procesadores centrales, dominado por Intel. Los chips gráficos de nvidia, utilizados para acelerar las aplicaciones de IA, han reavivado el mercado de los centros de datos con una nueva nueva dinámica.
Con los datos en la mano, Intel sigue dominando el mercado mundial de procesadores para servidores con su familia Xeon. Hace cinco años, AMD (principal competencia de Intel en chips para PC) decidió volver a entrar en este lucrativo y creciente mercado de servidores tras varios años de ausencia. En este corto periodo de tiempo, la compañía ha logrado capturar el 23% del mercado (casi uno de cada cuatro servidores), según los datos de Mercury Research. Research.
Y, aunque a menor escala, los procesadores Arm (que tradicionalmente tradicionalmente han tenido su principal mercado en dispositivos móviles, como smartphones y tablets), también demostraron su utilidad para algunas cargas de trabajo y ya tienen más del 8% del mercado.
Hoy en día, sin embargo, la historia historia de los centros de datos gira en torno a las unidades de procesamiento procesamiento gráfico (GPU), y las de nvidia se han convertido en las favoritas para las aplicaciones de IA. Tanto que las ventas de GPU crecen a un ritmo mucho mayor que el de los chips de CPU para servidores.
Procesadores propios
Todo esto está conllevando que los grandes hiperescalares (los grandes grandes proveedores de nube, capaz de ofrecer servicios como informática informática o almacenamiento a gran escala) están empezando a desarrollar desarrollar sus propios procesadores para sus cargas de trabajo.
Microsoft anunciaba recientemente recientemente dos chips diseñados a medida: medida: el acelerador de IA Microsoft Azure Maia y la CPU Microsoft Azure Cobalt, un procesador basado basado en Arm diseñado para ejecutar ejecutar cargas de trabajo de computación computación de propósito general en la nube de Microsoft. Los chips comenzarán comenzarán a desplegarse a principios principios del próximo año en los centros centros de datos de Microsoft, alimentando inicialmente servicios servicios de la compañía como Microsoft Microsoft Copilot o Azure Openai Service. Service.
Fuentes de Microsoft aseguran a La Razón que, además de apoyarse apoyarse en partners «clave en la industria» industria» (como AMD, Intel o nvidia), nvidia), « desarrollamos nuestros propios procesadores, atendiendo a las particularidades de nuestra infraestructura», «optimizando cada capa del conjunto de hardware hardware y software para maximizar el rendimiento y la eficiencia». El objetivo de esta estrategia es, según según estas mismas fuentes, «maximizar «maximizar el rendimiento, diversificar el riesgo de la cadena de suministro suministro y brindar a los clientes multitud de opciones de infraestructura que den respuesta a sus necesidades. necesidades. Al trabajar de esta manera, buscamos ofrecer las funcionalidades funcionalidades de la IA y de la nube a nuestros nuestros clientes en las mejores condiciones condiciones posibles».
«Con las últimas generaciones de procesadores, construidos con aceleración de IA en cada núcleo, conseguimos dar un salto significativo significativo en rendimiento y eficiencia para las cargas de trabajo críticas de IA, redes, seguridad, almacenamiento almacenamiento y computación de alto rendimiento en el centro de datos y en la nube», insisten estas mismas mismas fuentes.
Mientras, en Google defienden que «las formas tradicionales de diseñar y construir infraestructuras infraestructuras informáticas ya no son adecuadas adecuadas para las demandas exponencialmente exponencialmente crecientes de cargas de trabajo como la IA generativa y los LLM». Por eso, recientemente anunciaban dos novedades: Cloud Cloud TPU v5p, el acelerador de IA «más potente, escalable y flexible hasta la fecha» que habían desarrollado, desarrollado, así como AI Hypercomputer Hypercomputer de Google Cloud, una arquitectura arquitectura de superordenador que emplea un sistema integrado de hardware de rendimiento optimizado, optimizado, software abierto, marcos de
La lucha por tener un mejor modelo de IA se libra también en el corazón de los servidores
ML y modelos de consumo flexibles. flexibles. Google defiende el uso de TPU frente a GPU. La primera es un circuito integrado (ASIC) específico específico de una aplicación diseñado por Google para las redes neuronales neuronales y cuentan con características especializadas, como la multiplicación multiplicación de la matriz (MXU) y la topología de interconexión propia, propia, lo que las convierte en ideales para agilizar el entrenamiento y la inferencia de la IA. Estas TPU han sido durante mucho tiempo la base para el entrenamiento y el servicio de productos basados en IA como Youtube, Gmail, Google Maps, Google Play y Android.
El tercer proveedor cloud en discordia, discordia, AWS, también tienen en nvidia uno de sus principales aliados. aliados. De hecho, durante la celebración celebración de re: Invent en Las Vegas a finales de noviembre, los responsables responsables de AWS se vanagloriaban de haber sido los primeros en percatarse percatarse de la potencia de nvidia para estos menesteres.
« Llevamos más de 13 años colaborando colaborando con nvidia para llevar la GPU a la nube, creando instancias instancias de cálculo que importan una amplia gama de casos de uso, incluidos incluidos los gráficos y los juegos, el aprendizaje automático de HPC y, ahora, por supuesto, las cargas de trabajo de IA generativa», aseguraba aseguraba el máximo responsable de AWS, Adam Selipsky.
Según su visión, gracias a esta alianza con nvidia «estamos entrenando entrenando cuatro veces más rápido y un 40% menos caro que el resto». Ahora bien, «tener los mejores chips es estupendo y necesario, pero para alcanzar el siguiente nivel nivel de rendimiento no basta con tener a los mejores, también se necesitan clústeres de servidores de alto rendimiento que ejecuten nuestras GPU».
Jen-hsun Huang, fundador y director ejecutivo de NVIDIA, hablaba hablaba en este mismo escenario de la alianza que tienen con AWS («fueron los primeros en darse cuenta de la importancia de las tarjetas para la IA ») y hablaba de un proyecto por el que van a conectar conectar 16.384 GPU a un superordenador superordenador gigante de IA con lo que se espera «reducir el tiempo de entrenamiento de los modelos de lenguaje más grande de la próxima próxima generación a la mitad del tiempo», tiempo», con la consiguiente reducción del coste.
Intel se reivindica
En esta carrera por la IA, Intel se reivindica también a sí misma, asegurando que sus procesadores intervienen en muchas de las fases previas del entrenamiento de la IA y con una eficiencia energética mejor.
Además, cree que vamos a un mundo heterogéneo en el que convivirán varias arquitecturas (como x86, que lidera). « La estrategia estrategia de Intel de fabricar para terceros terceros es una respuesta a este mundo mundo al que nos movemos», asegura Norberto Mateos, director general de Intel en España.
« El mercado va a tener diferentes diferentes arquitecturas y cada una de ellas su aplicación. Tenemos que intentar ofrecer una propuesta de valor que sea suficientemente interesante interesante para los para nuestros usuarios».