NVIDIA lleva el superchip Grace Blackwell al escritorio con Project DIGITS

NVIDIA ha abierto el año presentando en el CES Project DIGITS, un superordenador personal de inteligencia artificial que pone la plataforma Grace Blackwell —hasta ahora reservada a centros de datos— sobre la mesa del desarrollador por unos 3.000 dólares. El aparato estará disponible en mayo a través de NVIDIA y de sus principales socios, según anunció la compañía.

La propuesta rompe con una lógica que hasta ahora parecía inamovible: para entrenar, afinar o ejecutar modelos grandes de IA había que pagar por tiempo de cómputo en la nube o disponer de infraestructura de servidor. Con Project DIGITS, NVIDIA plantea que ese trabajo pueda empezar en el escritorio y saltar a la nube solo cuando haga falta escalar.

Qué es exactamente Project DIGITS

El corazón del sistema es el GB10 Grace Blackwell Superchip, un system-on-a-chip (un procesador que integra en una sola pieza de silicio varios componentes que antes iban separados) basado en la arquitectura Grace Blackwell de NVIDIA. Según la empresa, entrega hasta un petaflop de rendimiento de IA en precisión FP4 —es decir, mil billones de operaciones por segundo, con los cálculos comprimidos a un formato numérico de baja precisión que sacrifica exactitud fina a cambio de velocidad y eficiencia energética, una técnica habitual en inferencia de IA—.

El GB10 combina una GPU Blackwell con núcleos CUDA de última generación y Tensor Cores de quinta generación, conectada mediante la interconexión NVLink-C2C a una CPU Grace con 20 núcleos de bajo consumo construidos sobre arquitectura Arm. En el diseño del chip ha colaborado MediaTek, especialista en SoC basados en Arm, con el objetivo de exprimir la eficiencia energética.

Ese detalle no es menor para el uso doméstico: NVIDIA subraya que Project DIGITS funciona con un enchufe eléctrico estándar. No requiere instalación especial ni la infraestructura de refrigeración y alimentación de un rack de servidores.

Cada unidad incorpora 128 GB de memoria unificada y coherente y hasta 4 TB de almacenamiento NVMe. Con esa configuración, según la compañía, un desarrollador puede ejecutar modelos de lenguaje de hasta 200.000 millones de parámetros. Y hay margen para más: usando la red ConnectX de NVIDIA, dos unidades de Project DIGITS pueden enlazarse para trabajar con modelos de hasta 405.000 millones de parámetros.

El argumento de fondo: acercar el cómputo de frontera

"La IA será mayoritaria en todas las aplicaciones de todos los sectores. Con Project DIGITS, el superchip Grace Blackwell llega a millones de desarrolladores", afirmó Jensen Huang, fundador y consejero delegado de NVIDIA. "Colocar un superordenador de IA en el escritorio de cada científico de datos, investigador de IA y estudiante les da poder para participar en la era de la IA y darle forma".

Más allá de la retórica, la jugada tiene una lógica industrial clara. La cadena de trabajo que propone NVIDIA es continua: prototipar y afinar el modelo en local sobre Project DIGITS —que corre un sistema operativo basado en Linux, NVIDIA DGX OS— y después desplegarlo sin fricción en la nube DGX Cloud, en instancias aceleradas o en un centro de datos, usando la misma arquitectura Grace Blackwell y la plataforma de software NVIDIA AI Enterprise.

Ese "mismo entorno de principio a fin" es el verdadero producto. Al compartir arquitectura entre el escritorio y la nube, NVIDIA reduce la fricción de portar un modelo de un sitio a otro —uno de los dolores de cabeza recurrentes en el desarrollo de IA— y, de paso, ata al desarrollador a su ecosistema en cada etapa.

Un ecosistema de software que viene incluido

Project DIGITS no se vende solo como hardware. Sus usuarios tendrán acceso a la biblioteca de software de IA de NVIDIA para experimentación y prototipado: kits de desarrollo, herramientas de orquestación, frameworks y modelos disponibles en el catálogo NGC y en el portal para desarrolladores.

Entre las piezas concretas que menciona la compañía: el framework NeMo para afinar modelos, las librerías RAPIDS para acelerar ciencia de datos, y compatibilidad con herramientas de uso habitual como PyTorch, Python y los cuadernos Jupyter. Para quienes quieran construir IA agéntica —aplicaciones donde los modelos actúan de forma autónoma encadenando tareas—, están disponibles los NVIDIA Blueprints y los microservicios NIM a través del programa para desarrolladores. Cuando una aplicación pasa de la experimentación a producción, la licencia NVIDIA AI Enterprise aporta seguridad, soporte y versiones de nivel empresarial.

El mensaje es que quien compre el equipo entra en una tubería completa: desde el primer experimento hasta el despliegue en producción, todo dentro de las herramientas de NVIDIA.

Lectura crítica: potencia y dependencia en el mismo paquete

Los 3.000 dólares de precio de partida sitúan Project DIGITS en un terreno interesante. No es un capricho de aficionado, pero tampoco el desembolso de seis cifras de una infraestructura de servidor. Para un laboratorio universitario, una startup o un investigador independiente, poder ejecutar en local modelos de cientos de miles de millones de parámetros cambia el cálculo de costes: menos dependencia de facturas de nube que crecen con cada hora de cómputo.

Ahí está también el reverso. La misma arquitectura que hace el flujo tan fluido —del escritorio a la nube sin cambiar de entorno— refuerza la posición dominante de NVIDIA en toda la cadena. El desarrollador que prototipa en Grace Blackwell tenderá a desplegar en Grace Blackwell. El hardware es la puerta de entrada; el software, el que fija la permanencia.

Conviene además leer las cifras con cuidado. El petaflop de rendimiento se mide en FP4, la precisión más comprimida, que infla las cifras respecto a formatos más exigentes. Y ejecutar un modelo de 200.000 millones de parámetros —o de 405.000 millones enlazando dos equipos— es un logro de inferencia y de afinado, no necesariamente de entrenamiento desde cero de un modelo de ese tamaño, tarea que sigue perteneciendo a los grandes centros de datos.

Qué mirar de aquí a mayo

Project DIGITS se comercializará a partir de mayo desde NVIDIA y sus principales socios, con un precio de salida de 3.000 dólares y registro de notificaciones ya abierto. Entre ahora y entonces, las preguntas abiertas son las de siempre con un anuncio de CES: cómo se comporta el rendimiento real frente a las cifras de laboratorio, qué configuraciones ofrecerán los socios y si el precio de partida se mantiene una vez que se sumen memoria, almacenamiento y accesorios.

Lo que ya está claro es la dirección que NVIDIA quiere marcar para el año que empieza: descentralizar el punto de partida del desarrollo de IA, llevándolo del centro de datos al escritorio, sin soltar en ningún momento el control del ecosistema por el que ese trabajo circula.