NVIDIA presenta Blackwell, su nueva plataforma para IA a gran escala

NVIDIA ha elegido su conferencia GTC para presentar Blackwell, la arquitectura que sucederá a Hopper en sus procesadores para inteligencia artificial. Sus primeros productos, la GPU B200 y el superchip GB200 Grace Blackwell, están diseñados para entrenar y ejecutar modelos de lenguaje y otros sistemas generativos cada vez mayores.

El anuncio importa porque NVIDIA ya es el proveedor dominante del hardware usado en los grandes centros de datos de IA. Con Blackwell, la empresa busca conservar esa posición en un momento en que OpenAI, Google, Meta, Microsoft y decenas de compañías están elevando el tamaño, el coste y el consumo energético de sus modelos.

Un chip de 208.000 millones de transistores

La B200 integra 208.000 millones de transistores y se fabrica uniendo dos grandes chips mediante una conexión de alta velocidad. No es solo una cuestión de tamaño: Blackwell incorpora una nueva generación de sus núcleos Tensor, las unidades especializadas en los cálculos matemáticos que sostienen las redes neuronales.

La novedad técnica más relevante es el soporte para cálculos FP4, un formato numérico de cuatro bits. Simplifica la precisión con la que se representan algunos números, pero permite hacer muchas más operaciones con la misma energía y memoria. No todos los modelos pueden usar esta precisión sin ajustes, pero es especialmente útil en inferencia: el momento en que un modelo ya entrenado responde a una pregunta, genera una imagen o procesa un documento.

NVIDIA cifra el rendimiento de la B200 en hasta 20 petaflops para IA con FP4. Un petaflop equivale a mil billones de operaciones por segundo. Es una medida de capacidad teórica y no anticipa por sí sola la velocidad de una aplicación concreta: el resultado dependerá también del modelo, la memoria disponible, el software y cómo se conecten los chips entre sí.

GB200: CPU y dos GPU como una sola unidad

El GB200 Grace Blackwell combina una CPU Grace basada en Arm con dos GPU B200. La conexión entre el procesador central y las GPU alcanza 900 GB por segundo mediante NVLink-C2C, el enlace propietario de NVIDIA. La intención es evitar que mover datos entre componentes se convierta en el cuello de botella de modelos con cientos de miles de millones o billones de parámetros.

La compañía también ha presentado el sistema GB200 NVL72, un bastidor que reúne 36 CPU Grace y 72 GPU Blackwell. Según NVIDIA, puede alcanzar 1,4 exaflops de rendimiento de IA y ofrece una capacidad de inferencia hasta 30 veces superior a la de un sistema equivalente basado en H100 para modelos de lenguaje de gran tamaño.

Ese formato revela hacia dónde se ha desplazado el mercado. Ya no basta con vender una GPU muy potente: los clientes compran redes de chips, servidores, conmutadores, software y refrigeración capaces de actuar como un único ordenador. El coste de comunicar miles de GPU entre sí es uno de los grandes límites prácticos del entrenamiento de IA.

La eficiencia se convierte en argumento comercial

NVIDIA sostiene que Blackwell puede reducir hasta 25 veces el coste y el consumo energético de inferir modelos con billones de parámetros frente a Hopper. Es una comparación de la propia compañía y se refiere a determinadas cargas de trabajo y configuraciones, no a cualquier uso de IA.

Aun así, la promesa responde a una necesidad real. El crecimiento de los modelos generativos está obligando a las tecnológicas a ampliar centros de datos y a asegurar electricidad, redes y sistemas de refrigeración. Mejorar la eficiencia no solo permite responder más rápido: puede determinar si un servicio resulta rentable a gran escala.

Amazon Web Services, Google Cloud, Microsoft Azure y Oracle Cloud anunciaron planes para ofrecer sistemas Blackwell, junto con fabricantes como Dell, HPE, Lenovo y Supermicro. También figuran entre los primeros interesados compañías que desarrollan modelos, como Anthropic, Cohere, Meta, Mistral AI y OpenAI.

Una carrera con alternativas, pero sin sustituto inmediato

AMD, Intel y varios proveedores de chips especializados intentan disputar a NVIDIA parte de este mercado. Las grandes tecnológicas, además, diseñan aceleradores propios: Google cuenta con sus TPU y Amazon con Trainium e Inferentia. Sin embargo, NVIDIA conserva una ventaja difícil de copiar: CUDA, su ecosistema de programación, y una cadena completa de hardware y redes optimizada durante años para centros de datos.

Blackwell no resolverá automáticamente el problema de los costes de la IA. Los nuevos sistemas serán caros, requerirán infraestructura eléctrica considerable y llegarán primero a operadores de nube y grandes laboratorios. Pero su lanzamiento confirma que la competencia por modelos más capaces también es una competencia por disponer de computación suficiente para crearlos y mantenerlos en funcionamiento.