NVIDIA lanza una estrategia de codiseño

NVIDIA presenta una nueva estrategia de codiseño para optimizar el uso de la memoria en IA. La técnica incluye NVFP4, CMX y NVL72, que ajustan la eficiencia en todos los niveles de la jerarquía. La GeForce RTX 5090, que ya está agotada, tiene precios entre US$ 7.857 (convertido de EUR 7.000) y US$ 11.224 (convertido de EUR 10.000).

La crisis de la IA ha desplazado el cuello de botella de la producción de chips a la energía eléctrica. La empresa invirtió US$ 3.000.000.000 en Meta, que planea usar más hardware de la compañía para sus agentes de IA. La Radeon RX 9070 XT creció y ocupa el puesto 21 en la lista de GPU más populares. La resolución Full HD alcanza el 50% de dominio entre los usuarios de PC. NVIDIA está sufriendo presión por el aumento de modelos de IA más grandes y contextos más largos, lo que exige mayor eficiencia en el uso de la memoria. La demanda de hardware de IA está afectando al mercado gamer, con tarjetas gráficas como la RTX 5090 que se agotan.

NVIDIA lanza una estrategia de codiseño para optimizar el uso de la memoria en IA — Imagen: blogs.nvidia.com

Para quienes usan aceleradores de NVIDIA, esto significa mayor eficiencia en el uso de la memoria, sin necesidad de hardware adicional. La nueva estrategia también puede afectar la demanda de chips de IA, ya que la eficiencia mejora con menos recursos. NVIDIA ya dio a conocer información sobre el uso de agentes de IA en operaciones de fábrica y sobre la tecnología para optimizar GPU en Kubernetes, lo que refuerza la coherencia del enfoque.

La presión de la IA cambia la prioridad de producción de chips

La crisis de la IA, que exige modelos más grandes y contextos más largos, está presionando a la empresa a buscar soluciones más eficientes. Paralelamente, NVIDIA está invirtiendo en alianzas, como la de Meta, que planea usar más de sus soluciones para sus agentes de IA. La nueva estrategia puede afectar al mercado gamer al reducir la disponibilidad de GPU para juegos, pero también puede traer beneficios para las empresas que usan aceleradores de NVIDIA. La presión por la eficiencia en el uso de la memoria está cambiando la prioridad de producción de chips, con foco en la energía eléctrica en lugar de solo la capacidad de fabricación.

Un nuevo enfoque cambia la prioridad de recursos en IA

El nuevo enfoque ajusta la eficiencia en lugar de depender de componentes aislados, midiendo el uso de la memoria en todos los niveles de la jerarquía. Esto reduce el desperdicio en los procesos de cálculo y redefinió la prioridad de recursos en los sistemas de IA.