NVIDIA pone Blackwell en producción para la próxima ola de IA

NVIDIA ha confirmado que su arquitectura Blackwell entrará en producción a lo largo de 2024, con los grandes proveedores de computación en la nube y los fabricantes de servidores como primeros clientes. La compañía presentó esta plataforma en marzo durante su conferencia GTC y la sitúa como la base de la infraestructura necesaria para entrenar y ejecutar la próxima generación de modelos de inteligencia artificial.

El anuncio importa porque NVIDIA domina el mercado de los chips especializados para IA. Modelos como GPT-4, Gemini o Claude requieren miles de procesadores trabajando en paralelo, y la disponibilidad de hardware se ha convertido en uno de los principales límites para las empresas que quieren desarrollar sistemas más capaces.

Blackwell sucede a Hopper con más capacidad de cálculo

Blackwell releva a la arquitectura Hopper, sobre la que se apoyan aceleradores como el H100, convertido en uno de los productos más demandados del sector. Su chip B200 integra 208.000 millones de transistores y está construido a partir de dos grandes matrices de silicio unidas mediante una conexión de alta velocidad. El objetivo es tratar modelos de mayor tamaño sin tener que repartir tanto trabajo entre chips separados.

NVIDIA afirma que el B200 puede alcanzar hasta 20 petaflops de rendimiento para operaciones de IA con precisión FP4, un formato numérico reducido. Dicho de forma sencilla: emplea menos bits para representar los números y, cuando la tarea lo permite, acelera los cálculos y reduce el consumo energético.

La compañía también ha presentado el GB200, que combina dos GPU Blackwell con una CPU Grace basada en Arm. No es un procesador destinado a un ordenador convencional, sino un bloque para construir centros de datos de IA.

Del chip al centro de datos completo

La apuesta más ambiciosa es el sistema GB200 NVL72. Agrupa 72 GPU Blackwell y 36 CPU Grace en un único sistema conectado, diseñado para que los chips funcionen como si fueran una gran máquina. NVIDIA cifra su rendimiento máximo en 1,4 exaflops para IA con FP4: más de un trillón de operaciones por segundo en la escala estadounidense.

Este tipo de equipo responde a un cambio concreto del mercado. Entrenar un gran modelo es costoso, pero atender después a millones de usuarios —la llamada inferencia— puede resultar aún más relevante económicamente. Cada consulta a un chatbot, cada generación de imagen o cada respuesta de un asistente de programación consume capacidad de cálculo.

NVIDIA sostiene que Blackwell puede reducir hasta 25 veces el coste y el consumo de energía de la inferencia en determinados modelos de lenguaje frente a generaciones anteriores. Es una cifra de la compañía y depende de la carga de trabajo, la configuración y la comparación elegida, pero señala dónde está la batalla: no basta con hacer modelos más potentes; hay que hacer viable su uso a gran escala.

Las nubes serán la puerta de entrada

Amazon Web Services, Google Cloud, Microsoft Azure y Oracle Cloud han figurado entre los proveedores que prevén ofrecer infraestructura basada en Blackwell. También se han sumado fabricantes de servidores como Dell, HPE, Lenovo y Supermicro, entre otros.

Para la mayoría de empresas, esta será la vía real de acceso. Comprar y operar un sistema de decenas de GPU exige una inversión enorme, energía abundante, refrigeración y personal especializado. Alquilar capacidad en la nube permite probar o desplegar modelos avanzados sin instalar un centro de datos propio, aunque traslada una parte importante del gasto a los grandes proveedores tecnológicos.

La producción de Blackwell no significa que el hardware vaya a estar disponible de inmediato y sin restricciones. La cadena de suministro de chips avanzados, memorias de alto ancho de banda y sistemas de empaquetado sigue siendo compleja. Pero la entrada en fabricación marca el paso decisivo entre una presentación de producto y el despliegue comercial.

Durante 2024 se verá si los proveedores de nube pueden incorporar Blackwell con rapidez y si sus mejoras compensan el coste de renovar infraestructura. Para el sector de la IA, la respuesta influirá directamente en cuánto cuesta crear modelos nuevos, a qué velocidad responden y quién puede permitirse competir en esa carrera.