|
El nuevo “superchip” de Nvidia para
entrenar IA es un paso gigante en la industria
Esta semana, Nvidia ha presentado el chip Blackwell B200, la GPU de
un solo chip más poderosa de la compañía, con 208 mil millones de
transistores, que podría reducir los costos operativos de inferencia
de inteligencia artificial (IA), tales como ejecutar ChatGPT, así
como el consumo de energía hasta 25 veces en comparación al H100. La
compañía también presentó el GB200, un "superchip" que combina dos
chips B200 y una CPU Grace para lograr un rendimiento aún mayor.
Nvidia promete que el GB200 proporciona un aumento de rendimiento de
hasta 30 veces en comparación con su GPU más poderosa en el mercado.
La noticia se dio a conocer en el marco de la conferencia anual GTC
de Nvidia, que se lleva a cabo esta semana en el Centro de
Convenciones de San José. El director ejecutivo de Nvidia, Jensen
Huang, pronunció el discurso de apertura el lunes por la tarde.
"Necesitamos GPU más grandes", dijo. La plataforma Blackwell
permitirá el entrenamiento de modelos de IA de billones de
parámetros que harán que los modelos de IA generativos actuales
parezcan rudimentarios en comparación, dijo. Como referencia, el GPT-3
de OpenAI, lanzado en 2020, incluía 175 mil millones de parámetros.
El recuento de parámetros es un indicador aproximado de la
complejidad de los modelos de IA.
Nvidia nombró la arquitectura Blackwell en honor a David Harold
Blackwell, un
matemático que se especializó en teoría de juegos y estadística y
que fue el primer académico negro incluido en la Academia Nacional
de Ciencias. La plataforma presenta seis tecnologías para
computación acelerada, incluido un transformador de segunda
generación, el protocolo NVLink de quinta generación, motor RAS,
capacidades de
|
|
seguridad para IA y un motor de
descompresión para consultas aceleradas de bases de datos.
Se espera que varias organizaciones importantes, como Amazon Web Services (AWS),
Dell, Google, Meta, Microsoft, OpenAI, Oracle, Tesla y xAI, adopten la
plataforma Blackwell. El comunicado de prensa de Nvidia está repleto de citas
enlatadas de directores ejecutivos de tecnología (que son también clientes clave
de Nvidia) como Mark Zuckerberg y Sam Altman elogiando la plataforma.
Las GPU, que antes solo estaban diseñadas para la aceleración de juegos, son
especialmente adecuadas para tareas de IA porque su arquitectura, diseñada para
tareas en paralelo, acelera la inmensa cantidad de multiplicaciones de matrices
necesarias para ejecutar las redes neuronales actuales. Con el surgimiento de
nuevas arquitecturas de aprendizaje profundo en la década de 2010, Nvidia se
encontró en una posición ideal para capitalizar la revolución de la IA y comenzó
a diseñar GPU especializadas para la tarea de
acelerar los modelos de IA.
El enfoque de Nvidia en el centro de datos ha hecho que la empresa sea
extraordinariamente rica, y estos nuevos chips prometen ayudar a que continúe la
tendencia. Los ingresos por la venta de GPU de Nvidia dedicados a los juegos
(2,900 millones de dólares en el último trimestre) son eclipsados en
comparación con
los ingresos del centro de datos
(18.400 millones de dólares).
Una bestia dentro de una bestia
El “superchip” Grace Blackwell GB200 antes mencionado llega como parte clave del
nuevo NVIDIA GB200 NVL72, un sistema informático de centro de datos de múltiples
nodos y refrigeración líquida
|
|
diseñado
específicamente para tareas de inferencia y entrenamiento de IA. Combina 36
GB200 (es decir, 72 GPU B200 y 36 CPU Grace en total), interconectados por el
protocolo NVLink de quinta generación, que vincula chips para aumentar el
rendimiento.
"El GB200 NVL72 proporciona un aumento de rendimiento de hasta 30 veces en
comparación con la misma cantidad de GPU NVIDIA H100 Tensor Core para cargas de
trabajo de inferencia LLM y reduce el costo y el consumo de energía hasta 25
veces", dijo Nvidia.
Ese tipo de aceleración podría traducirse en ahorro de dinero y tiempo al
ejecutar los modelos de IA actuales, pero también permitirá construir modelos de
IA más complejos. Los modelos de IA generativa, como los que impulsan Google
Gemini y los generadores de imágenes de IA , son famosos por su “hambre”
computacional. Se ha citado ampliamente que la escasez de potencia informática
frena el progreso y la investigación en el campo de la IA, y la búsqueda de más
computación ha llevado a figuras como el director ejecutivo de OpenAI, Sam
Altman, a intentar negociar acuerdos para crear nuevas fábricas de chips.
Si bien las afirmaciones de Nvidia sobre las capacidades de la plataforma
Blackwell son significativas, vale la pena señalar que su rendimiento en el
mundo real y la adopción de la tecnología aún están por verse a medida que las
organizaciones comiencen a implementar y utilizar la plataforma por sí mismas.
Competidores como Intel y AMD también buscan hacerse con una parte del pastel de
IA de Nvidia. |
