The Economist observa que la computación acelerada por el uso de una unidad de procesamiento de gráficos (GPU) junto a una CPU para acelerar el funcionamiento de las aplicaciones de aprendizaje profundo, análisis e ingeniería. Un clásico de ciencia ficción es: «Quien controla la GPUS, controla el universo».
El acceso a las GPU, y en particular a las fabricadas por Nvidia, el proveedor líder, es vital para cualquier empresa que quiera tomarse en serio la inteligencia artificial (IA).Los analistas hablan de que las em-presas son «ricas en GPU» o «pobres en GPU», dependiendo de cuántos chips tengan.
Nvidia Corp. (NVDA) es la primera empresa de chips informáticos en alcanzar los US$3 billones de capitalización bursátil. Está ahora por detrás de Microsoft Corp. (MSFT) por valor de mercado, tras superar a Apple Inc. (AAPL).
Recientemente informó que sus ventas para el trimestre, que finalizó en abril crecieron un 262%, año tras año
Las GPU hacen el trabajo pesado computacional necesario para entrenar y operar grandes modelos de IA.
Las iniciales significan «unidad de procesamiento gráfico», porque estos chips fueron diseñados originalmente para procesar gráficos de videojuegos. Afortunadamente para Nvidia, podían reutilizarse para cargas de trabajo de IA.
Por eso quieren derrocar a Nvidia. Cualquier empresa que cree una amenaza creíble para el campeón reinante no tendrá escasez de clientes, a los que no les gustan sus elevados precios y sus limitados suministros.
Las GPU, contienen varios miles de motores de procesamiento, o «núcleos», que les permiten ejecutar miles de versiones de la misma tarea simple al mismo tiempo.
Es cubrir cómo reescribir el código de IA para que se ejecute en GPU fue uno de los factores que desencadenaron el auge actual de la IA.
Sin embargo, las GPU tienen sus limitaciones, especialmente en lo que respecta a la velocidad con la que se pueden mezclar los datos dentro y fuera de ellas.
Los modelos modernos de IA se ejecutan en un gran número de GPU y chips de memoria interconectados.
Andrew Feldman, el jefe de Cerebras, un startup con sede en Sunnyvale, California, lo compara con el atasco en una tienda de comestibles el día antes del Día de Acción de Gracias.
«Todo el mundo está en una cola, así que hay bloqueos en el estacionamiento, hay bloqueos en los pasillos, bloqueos en la caja. Eso es lo que está sucediendo con una GPU».
La respuesta de Cerebras es poner 900.000 núcleos, además de mucha memoria, en un solo chip enorme, para reducir la complejidad de conectar varios chips y canalizar datos entre ellos.
Su chip cs-3 es el más grande del mundo por un factor de 50.
«Nuestro chip es del tamaño de un plato, una GPU es del tamaño de un sello postal», dice Feldman.
Groq, otro startup, está adoptando un enfoque diferente.
El tema es complejo y se me acabo el espacio, y vaya que la tecnología avanza y por eso el Financial Times habla de la soledad en los EEUU: https://www.ft.com/content/fd6f8a29-03cf-4a5f-9ffe-afdfdf359b52
Y aquí el link del artículo que he mostrado en parte:
