Nvidia: el fabricante de chips que se convirtió en una superpotencia de IA

Las acciones del diseñador de chips de computadora Nvidia se dispararon durante la última semana, llevando la valoración de la compañía por encima de la marca de un billón de dólares.

Significa que se une a los gigantes tecnológicos Apple, Amazon, Alphabet y Microsoft en el club de élite de las empresas estadounidenses de $ 1 billón.

El aumento fue provocado por sus últimos resultados trimestrales que se publicaron el miércoles por la noche. La compañía dijo que estaba aumentando la producción de chips para satisfacer la "demanda creciente".

Nvidia ha llegado a dominar el mercado de chips utilizados en sistemas de inteligencia artificial (IA).

El interés en ese sector alcanzó niveles frenéticos después de que ChatGPT se hizo público en noviembre pasado, lo que envió una sacudida mucho más allá de la industria de la tecnología.

Desde ayudar con los discursos hasta la codificación de computadoras y la cocina, ChatGPT ha demostrado ser una aplicación de IA muy popular.

Pero todo eso no sería posible sin un potente hardware de computadora, en particular chips de computadora de Nvidia, con sede en California.

Originalmente conocido por fabricar el tipo de chips de computadora que procesan gráficos, particularmente para juegos de computadora, el hardware de Nvidia es la base de la mayoría de las aplicaciones de IA en la actualidad.

"Es el jugador líder en tecnología que permite esta cosa nueva llamada inteligencia artificial", dice Alan Priestley, analista de la industria de semiconductores de Gartner.

"Lo que Nvidia es para la IA es casi como lo que Intel fue para las PC", agrega Dan Hutcheson, analista de TechInsights.

ChatGPT fue entrenado usando 10,000 de las unidades de procesamiento de gráficos (GPU) de Nvidia agrupadas en una supercomputadora que pertenece a Microsoft.

"Es una de las muchas supercomputadoras, algunas conocidas públicamente, otras no, que se han construido con GPU de Nvidia para una variedad de casos de uso científico y de inteligencia artificial", dice Ian Buck, gerente general y vicepresidente de computación acelerada de Nvidia.

Nvidia tiene alrededor del 95% del mercado de GPU para aprendizaje automático, señaló un informe reciente de CB Insights.

Sus chips de IA, que también vende en sistemas diseñados para centros de datos, cuestan aproximadamente $10,000 cada uno, aunque su última y más poderosa versión se vende por mucho más.

Entonces, ¿cómo se convirtió Nvidia en un actor tan central en la revolución de la IA?

En definitiva, una apuesta atrevida por su propia tecnología más un buen momento.

Jensen Huang, ahora director ejecutivo de Nvidia, fue uno de sus fundadores en 1993. Entonces, Nvidia se centró en mejorar los gráficos para juegos y otras aplicaciones.

En 1999, desarrolló GPU para mejorar la visualización de imágenes para computadoras.

Las GPU se destacan en el procesamiento de muchas tareas pequeñas simultáneamente (por ejemplo, manejar millones de píxeles en una pantalla), un procedimiento conocido como procesamiento paralelo.

En 2006, los investigadores de la Universidad de Stanford descubrieron que las GPU tenían otro uso: podían acelerar las operaciones matemáticas de una manera que los chips de procesamiento normales no podían.

Fue en ese momento que el Sr. Huang tomó una decisión crucial para el desarrollo de la IA tal como la conocemos.

Invirtió los recursos de Nvidia en la creación de una herramienta para hacer que las GPU fueran programables, abriendo así sus capacidades de procesamiento paralelo para usos más allá de los gráficos.

Esa herramienta se agregó a los chips de computadora de Nvida. Para los jugadores de juegos de computadora, era una capacidad que no necesitaban y probablemente ni siquiera sabían, pero para los investigadores era una nueva forma de hacer computación de alto rendimiento en hardware de consumo.

Fue esa capacidad la que ayudó a desencadenar los primeros avances en la IA moderna.

En 2012 se presentó Alexnet, una IA que podía clasificar imágenes. Alexnet se entrenó usando solo dos de las GPU programables de Nvidia.

El proceso de capacitación tomó solo unos pocos días, en lugar de los meses que podría haber tomado con una cantidad mucho mayor de chips de procesamiento regulares.

El descubrimiento de que las GPU podían acelerar masivamente el procesamiento de redes neuronales comenzó a extenderse entre los científicos informáticos, quienes comenzaron a comprarlas para ejecutar este nuevo tipo de carga de trabajo.

"AI nos encontró", dice el Sr. Buck.

Nvidia aprovechó su ventaja invirtiendo en el desarrollo de nuevos tipos de GPU más adecuados para la IA, así como más software para facilitar el uso de la tecnología.

Una década, y miles de millones de dólares más tarde, surgió ChatGPT, una IA que puede dar respuestas inquietantemente humanas a las preguntas.

La empresa de inteligencia artificial Metaphysic crea videos fotorrealistas de celebridades y otras personas utilizando técnicas de inteligencia artificial. Sus falsificaciones profundas de Tom Cruise crearon revuelo en 2021.

Para entrenar y luego ejecutar sus modelos, utiliza cientos de GPU Nvidia, algunas compradas a Nvidia y otras a las que se accede a través de un servicio de computación en la nube.

"No hay alternativas a Nvidia para hacer lo que hacemos", dice Tom Graham, su cofundador y director ejecutivo. "Está muy por delante de la curva".

Sin embargo, aunque el dominio de Nvidia parece asegurado por ahora, el largo plazo es más difícil de predecir. "Nvidia es la que tiene el objetivo en la espalda que todo el mundo está tratando de derribar", señala Kevin Krewell, otro analista de la industria en TIRIAS Research.

Otras grandes empresas de semiconductores ofrecen cierta competencia. AMD e Intel son más conocidos por fabricar unidades centrales de procesamiento (CPU), pero también fabrican GPU dedicadas para aplicaciones de IA (Intel se unió recientemente a la refriega).

Google tiene sus unidades de procesamiento de tensor (TPU), que se utilizan no solo para los resultados de búsqueda sino también para ciertas tareas de aprendizaje automático, mientras que Amazon tiene un chip personalizado para entrenar modelos de IA.

Según se informa, Microsoft también está desarrollando un chip de IA y Meta tiene su propio proyecto de chip de IA.

Más tecnología de negocio:

Además, por primera vez en décadas, también están surgiendo nuevas empresas de chips de computadora, incluidas Cerebras, SambaNova Systems y Habana (comprada por Intel). Tienen la intención de crear mejores alternativas a las GPU para IA comenzando desde cero.

Graphcore, con sede en el Reino Unido, fabrica chips de IA de propósito general que llama unidades de procesamiento de inteligencia (IPU), que dice que tienen más poder de cómputo y son más baratos que las GPU.

Fundada en 2016, Graphcore ha recibido casi 700 millones de dólares (560 millones de libras esterlinas) en financiación.

Sus clientes incluyen cuatro laboratorios nacionales del Departamento de Energía de EE. UU. y ha estado presionando al gobierno del Reino Unido para que use sus chips en un nuevo proyecto de supercomputadora.

"[Graphcore] ha construido un procesador para hacer IA tal como existe hoy y evolucionará con el tiempo", dice Nigel Toon, cofundador y director ejecutivo de la empresa.

Reconoce que enfrentarse a un gigante como Nvidia es un desafío. Si bien Graphcore también tiene software para hacer que su tecnología sea accesible, es difícil orquestar un cambio cuando el mundo ha creado sus productos de inteligencia artificial para que se ejecuten en las GPU de Nvidia.

El Sr. Toon espera que con el tiempo, a medida que la IA se aleje de la experimentación de vanguardia hacia la implementación comercial, la computación rentable comenzará a ser más importante.

De vuelta en Nvidia, Ian Buck no está demasiado preocupado por la competencia.

"Todo el mundo tiene la necesidad de la IA ahora", dice. "Depende de otros determinar dónde van a hacer una contribución".