Presión sobre los precios de los chips
NVIDIA está subiendo los precios de los chips avanzados para IA. Normalmente, el fabricante traslada el aumento de costes, pero ahora la empresa está elevando los precios. Esta decisión podría obligar a Silicon Valley a replantearse sus planes. Meta Platforms Inc., Microsoft Corp. y OpenAI han gastado sumas enormes en equipos de NVIDIA para entrenar y lanzar modelos.
- NVIDIA sube los precios de los chips avanzados.
- Silicon Valley podría replantearse sus planes.
- Meta, Microsoft y OpenAI han gastado sumas enormes en equipos.
Si el coste de los chips sigue subiendo, comprar más equipos puede no ser la mejor respuesta. Es posible que las empresas tengan que buscar formas de sacar más partido a los chips que ya tienen. La prioridad se desplaza de la cantidad de compras a la eficiencia de uso.
Cambio en la lógica de la carrera
La carrera de la IA se ha centrado sobre todo en conseguir más potencia de cómputo. Más chips significaban la posibilidad de entrenar modelos más grandes y avanzados. Este enfoque se está volviendo más complejo y caro.
| Criterio | Prioridad anterior | Nueva prioridad |
|---|---|---|
| Recurso principal | Cantidad de chips | Eficiencia de cada chip |
| Objetivo | Entrenar modelos más grandes | Hacer más trabajo con el equipo disponible |
| Limitación | Acceso a la potencia de cómputo | Aumento de costes y complejidad |
Gana quien saca más trabajo del equipo disponible.
La experiencia de las empresas chinas
Las empresas chinas de IA se han enfrentado a restricciones de acceso a los chips avanzados de NVIDIA. En lugar de simplemente frenar, buscaron otras formas de mejorar sus sistemas de IA.
- Se centraron en aumentar la eficiencia de los modelos.
- Usaron con cautela el equipo disponible.
- Buscaron otras formas de mejorar los sistemas de IA.
DeepSeek creó modelos de IA potentes a pesar de tener menos acceso a los chips más avanzados. Cuando el acceso a los chips se convirtió en un problema, los desarrolladores incorporaron la reducción matemática multi-head latent attention. Redujo el requisito de memoria de los chips en aproximadamente un 96%.
El progreso de DeepSeek sugiere que tener menos chips de gama alta no siempre significa quedarse atrás. Para Silicon Valley la lección es simple: una IA más inteligente puede importar tanto como un equipo más potente.
El software como palanca de eficiencia
Meta Platforms Inc. y OpenAI trabajan en nuevas herramientas de software y sistemas de programación. Pueden ayudar a que sus modelos de IA funcionen con mayor eficiencia.
- Un mejor software ayuda a los modelos a hacer más trabajo.
- Las nuevas herramientas reducen las pérdidas y mejoran el rendimiento.
- El software se convierte en un criterio propio a la hora de elegir estrategia.
Invertir en software y herramientas de desarrollo se está volviendo tan importante como comprar hardware.
Criterio práctico
Los chips de NVIDIA seguirán siendo importantes para la industria de la IA. Sin embargo, las empresas se centrarán menos en cuántos chips pueden comprar. Tendrá más peso la pregunta de cuánto trabajo puede procesar cada chip.
- No fijarse solo en el acceso a la potencia de cómputo.
- Tener en cuenta la eficiencia de los modelos.
- Evaluar las soluciones de software.
- Comparar el rendimiento del equipo disponible.
Una IA más inteligente puede dar el mismo resultado que un equipo más potente.
