La carrera por la eficiencia: ¿Puede el software desafiar la dominación de Nvidia en chips de IA?

Nvidia es reconocido como el líder indiscutible en chips de inteligencia artificial (IA). Sin embargo, gracias a la propia IA que ayudó a construir, el gigante podría enfrentar una creciente competencia. Mientras que las generaciones anteriores de chips han impulsado a Nvidia a un valor de mercado superior a los 4 billones de dólares, la próxima frontera no es solo la potencia bruta, sino la eficiencia del código.

Empresas emergentes como Wafer están cambiando el enfoque al entrenar modelos de IA para realizar una tarea crítica: optimizar el código. Esto asegura que el software se ejecute con la máxima eficiencia posible en un chip específico. Su cofundador y CEO, Emilio Andere, explica que su compañía enseña a los modelos a escribir ‘kernel code’, es decir, software que interactúa directamente con el hardware del sistema operativo.

Esta tendencia de optimización no es nueva; grandes corporaciones como Apple, Google y Amazon han estado desarrollando sus propios chips personalizados (custom silicon) para mejorar el rendimiento en sus plataformas. El desafío común al implementar este silicio propio es escribir código que funcione sin fisuras y con máxima eficiencia en el nuevo procesador.