NVIDIA y ASML son las dos empresas occidentales a las que más están afectando las sanciones a China desplegadas por EEUU. Ninguna de las dos puede entregar a sus clientes chinos sus soluciones más sofisticadas, y con toda probabilidad en el futuro el porfolio de productos que pueden venderles se reducirá aún más. El próximo paquete de sanciones entrará en vigor el 16 de noviembre, y a partir de ese día NVIDIA ya no podrá vender en China sus chips para inteligencia artificial A800 y H800. Tampoco su GPU GeForce RTX 4090, la más potente que tiene.
Jensen Huang, el director general de NVIDIA, sostiene con vehemencia desde hace meses cada vez que tiene la oportunidad que el Gobierno de EEUU no ha optado por la estrategia idónea. Como cabe esperar, este ejecutivo defiende los intereses comerciales de su compañía, pero ha armado su discurso sobre una declaración que difícilmente admite discusión: "Si China no puede comprar las GPU para inteligencia artificial a EEUU simplemente las fabricará ella misma".
La maquinaria ya está en marcha. De hecho, MetaX, Alibaba, Biren Technology, Moore Threads, Innosilicon, Zhaoxin, Iluvatar CoreX, DenglinAI o Vast AI Tech son solo algunas de las empresas chinas que ya están desarrollando chips avanzados para aplicaciones de inteligencia artificial. No obstante, el declive de NVIDIA en China favorece especialmente a Huawei, que ya tiene listos los chips Ascend AI para intentar rellenar el vacío en el mercado que va a dejar la empresa liderada por Jensen Huang en apenas diez días.
Este chip chino es 3,7 veces más potente que la GPU A100 de NVIDIA según Nature
Durante los últimos meses varios medios asiáticos reputados, entre los que se encuentra UDN, han asegurado que algunas compañías chinas especializadas en hardware gráfico y de inteligencia artificial, como MetaX o Moore Threads, han reclutado a ingenieros de AMD y NVIDIA. La coincidencia del músculo económico chino, sus grandes recursos industriales y el conocimiento procedente de Occidente vierten credibilidad sobre los planes de las compañías que he mencionado en el párrafo anterior.
El chip ACCEL chino entrega 4.600 TOPS INT8, una cifra muy superior a los 1.248 TOPS de la GPU A100 de NVIDIA
En esta tesitura el artículo que han publicado en Nature varios científicos chinos de la Universidad Tsinghua ha irrumpido como un auténtico huracán. En su texto estos investigadores describen con todo lujo de detalles la arquitectura de un chip de naturaleza analógica para visión artificial que es, sobre el papel, extremadamente eficiente desde un punto de vista energético y ultrarrápido. No persigue enfrentarse a cualquier algoritmo de inteligencia artificial, solo a tareas de visión por ordenador, pero en este ámbito, según sus diseñadores, es 3,7 veces más rápido que el procesador A100 de NVIDIA cuando ambos se enfrentan a una misma tarea intensiva de clasificación de imágenes.
Podríamos considerar que se trata de una fanfarronada, pero con toda seguridad no lo es. La Universidad Tsinghua es una de las instituciones científicas más reputadas de China, y es razonable aceptar que su artículo ha superado la verificación de los revisores de Nature. Lo más interesante de este chip es su capacidad de combinar la fotónica y la computación analógica para entregar un rendimiento teórico superior al de la GPU A100. Esta última alcanza los 1.248 TOPS INT8, mientras que el circuito integrado chino con arquitectura ACCEL (All-analog Chip Combining Electronic and Light Computing) roza los 4.600 TOPS.
Además, tiene otra baza importante a su favor. La unidad EAC (Electronic Analog Computing) de este chip ha sido fabricada empleando la tecnología de integración CMOS de 180 nm, una litografía muy madura y mucho menos sofisticada que las más avanzadas en producción actualmente. Es difícil precisar en qué medida mejorarían sus prestaciones si se emplease en su fabricación una litografía mucho más avanzada, pero en teoría deberían mejorar perceptiblemente. Eso sí, por el momento estos circuitos integrados no se pueden fabricar a gran escala, por lo que todavía tienen que superar el desafío que representa salir del laboratorio y entrar en los nodos de producción masiva de semiconductores.
Imagen de portada: NVIDIA
Más información: Nature
Ver 10 comentarios