🇰🇷 한국어 🇺🇸 English 🇯🇵 日本語 🇪🇸 Español 🇨🇳 简体中文
Fecha de publicación: 2026.11.22 (dom)
Economía

La computación heterogénea desafía el dominio de NVIDIA en la inteligencia artificial

El mercado de la inteligencia artificial está transitando de un modelo centrado exclusivamente en las GPU de NVIDIA hacia la "computación heterogénea", donde se seleccionan chips especializados según la tarea. Esta evolución, marcada por la división entre el entrenamiento y la inferencia de modelos, está permitiendo que empresas como Google, AWS y diversas startups de NPU ganen terreno frente al dominio tradicional.

La computación heterogénea desafía el dominio de NVIDIA en la inteligencia artificial
Imagen de un hombre con camisa marrón con los brazos cruzados y subtítulo del perfil del instructor. (Foto=Captura de vídeo de YouTube de T Times TV)

El sector de la IA transita hacia la computación heterogénea mediante el uso de chips especializados para tareas de inferencia, un cambio que impulsa a Google tras el anuncio de que Oracle equipará su nube con sus TPU a partir de 2027.

El dominio absoluto de las GPU (unidades de procesamiento gráfico) de NVIDIA, que han sido el núcleo del cómputo de inteligencia artificial (IA), está mostrando grietas. A medida que las tareas realizadas por la IA se vuelven más específicas, se observa una transición desde una era en la que todas las operaciones se procesaban con una sola GPU hacia la era de la "computación heterogénea", donde se eligen chips adecuados según la naturaleza de la tarea.

Según este análisis presentado por T Times TV, el reciente movimiento de Microsoft (MS) de finalizar gradualmente sus contratos de alquiler de servidores con Oracle, debido a que las especificaciones de las GPU de NVIDIA no cumplían con sus requisitos, es un símbolo de este cambio en el mercado. Ahora, los clientes no se limitan a comprar "chips de NVIDIA", sino que empiezan a exigir especificaciones optimizadas para tareas concretas.

La división del cómputo de IA: usar "motos" en lugar de "camiones"

La clave de este cambio reside en la especialización de las tareas de IA. El papel de la IA se divide en el "entrenamiento", donde se crean los modelos, y la "inferencia", donde el modelo creado genera respuestas. Si bien el mercado inicial fue una lucha por el entrenamiento de modelos gigantes, con la aparición de los agentes de IA, la proporción de la computación de inferencia está creciendo tanto como la de entrenamiento, o incluso más.

Específicamente, la fase de inferencia se divide en la etapa de "pre-llenado" (pre-fill), para comprender la pregunta, y la etapa de "decodificación" (decode), para generar la respuesta. Mientras que en la fase de comprensión de la pregunta es crucial una gran capacidad de cálculo, en la fase de generación de respuestas el factor determinante es la velocidad para extraer datos de la memoria. En consecuencia, AWS está dividiendo funciones utilizando su propio chip, Trainium, para la comprensión de preguntas y el chip Cerebras para la generación de respuestas. Es similar a usar un camión grande para transportar carga, pero emplear una motocicleta para entregas urgentes.

En este proceso, Google es el mayor beneficiado. La compañía está ampliando su influencia en el mercado de la nube utilizando las TPU (unidades de procesamiento de tensores) que ha desarrollado para sus propios servicios. Especialmente tras la decisión de Oracle de equipar su nube con las TPU de Google a partir de 2027, se evalúa que Google está transformándose de una simple empresa de servicios en un poderoso proveedor de chips.

Oportunidades y crisis para las startups de NPU ante el muro de Google

Esta tendencia es un arma de doble filo para las startups que diseñan unidades de procesamiento neuronal (NPU). Las NPU son como "chefs especializados" que están optimizadas para operaciones de IA específicas, permitiendo procesar tareas de forma más económica y con menor consumo de energía que las GPU. El hecho de que los chips que no son GPU tengan validez en el mercado es una noticia positiva, pero el hecho de que gigantes tecnológicos como Google estén ocupando ese lugar representa una gran crisis.

La barrera de entrada más alta es el ecosistema de software. La razón fundamental por la que NVIDIA domina el mercado reside en "CUDA", la plataforma de software que ha construido durante casi 20 años. Google ya ha establecido su propia versión de CUDA para contrarrestar esto y, recientemente, ha expandido su ecosistema para permitir que los desarrolladores ejecuten modelos PyTorch, ampliamente utilizados, en las TPU sin grandes modificaciones. Por el contrario, las startups de NPU enfrentan la carga de tener que construir su propio entorno de software desde cero.

Debido a esto, la industria está adoptando una estrategia de "inferencia segregada", que en lugar de intentar desplazar a NVIDIA, busca desempeñar funciones específicas junto a las GPU. La estadounidense Cerebras ha captado clientes al superar a NVIDIA en velocidad de generación de respuestas mediante la maximización de la capacidad de memoria, mientras que Groq colabora mediante un contrato de licencia tecnológica con NVIDIA para integrarse en sus sistemas.

La "alianza con NVIDIA" de Rebellions frente al "bloque abierto" de FuriosaAI

Rebellions y FuriosaAI, empresas representativas de NPU en Corea, siguen caminos claramente distintos para atacar este mercado heterogéneo.

Rebellions ha optado por una "estrategia de alianza" mediante la cooperación con el bando de NVIDIA. Un ejemplo reciente es su colaboración en "NV Link Fusion" con NVIDIA. En esta estructura, la parte frontal es gestionada por la GPU y la parte posterior por el chip R200 de Rebellions dentro de los sistemas de NVIDIA. La ventaja es que permite entrar en el mercado sin enfrentar directamente la barrera de CUDA, permitiendo que el cliente disfrute de la eficiencia de Rebellions manteniendo el ecosistema de NVIDIA. No obstante, el hecho de que el liderazgo resida en NVIDIA es un desafío pendiente.

Por otro lado, FuriosaAI ha elegido un "bloque abierto" junto con AMD. Su estrategia consiste en combinar el hardware de AMD con el ecosistema de software de código abierto "ROCm" para contrarrestar el monopolio de NVIDIA. Al no permitir que una sola empresa monopolice el liderazgo, pueden resaltar libremente las fortalezas de sus chips, aunque la variable es que el ecosistema ROCm aún no ha logrado cerrar la brecha con CUDA.

Actualmente, las ventas combinadas de las 6 principales empresas de NPU en Corea para 2025 son de aproximadamente 50.400 millones de wones, lo que muestra una gran diferencia al compararlas con Cerebras en Estados Unidos (aproximadamente 700.000 millones de wones). El factor clave para el futuro será si las empresas coreanas pueden lograr resultados tangibles en mercados extranjeros, como centros de datos en Estocolmo, Suecia, o con Saudi Aramco, más allá de los suministros al sector público.

Fuente: vídeo original (YouTube)

#NVIDIA #computación heterogénea #inteligencia artificial #Google #Rebellions #FuriosaAI #NPU #chips
H
Han Kyungsoo
TrendBiz · Redactor

Cubre Economía para TrendBiz y también escribe sobre Noticias Empresariales y Finanzas.

Más de este periodista ›
Derechos de autor ⓒ TrendBiz Todos los derechos reservados. Prohibida la reproducción, redistribución y uso para entrenamiento de IA.

0Comentarios

Los comentarios están desactivados por ahora.

Sé el primero en comentar.