{"id":11383,"date":"2024-04-06T13:41:20","date_gmt":"2024-04-06T13:41:20","guid":{"rendered":"https:\/\/dailyai.com\/?p=11383"},"modified":"2024-04-09T17:16:20","modified_gmt":"2024-04-09T17:16:20","slug":"nvidias-ai-odyssey-from-humble-origins-to-a-2-trillion-company","status":"publish","type":"post","link":"https:\/\/dailyai.com\/es\/2024\/04\/nvidias-ai-odyssey-from-humble-origins-to-a-2-trillion-company\/","title":{"rendered":"La odisea de la IA de NVIDIA: de or\u00edgenes humildes a una empresa de $2 billones de euros"},"content":{"rendered":"

NVIDIA, sin\u00f3nimo de tecnolog\u00eda punta e innovaci\u00f3n, se fund\u00f3 hace apenas tres d\u00e9cadas, en 1993.\u00a0<\/strong><\/p>\n

Desde sus humildes comienzos como dise\u00f1adora de chips gr\u00e1ficos centrados en la industria del videojuego, NVIDIA ha evolucionado hasta convertirse en l\u00edder mundial en IA y computaci\u00f3n de alto rendimiento.\u00a0<\/span><\/p>\n

NVIDIA estaba valorada en 'solo' unos $100.000 millones en 2019. Ahora vale unos $2 billones<\/a>, situ\u00e1ndose como la tercera mayor empresa del mundo por capitalizaci\u00f3n burs\u00e1til, por debajo de Microsoft y Apple y por delante de Saudi Aramco, Amazon, Google y Meta Platforms.\u00a0<\/span><\/p>\n

NVIDIA fue fundada por Jensen Huang, Chris Malachowsky y Curtis Priem, que compart\u00edan la visi\u00f3n de revolucionar los gr\u00e1ficos por ordenador. <\/span><\/p>\n

A principios de la d\u00e9cada de 1990, el tr\u00edo reconoci\u00f3 el potencial sin explotar de los procesadores gr\u00e1ficos especializados y se propuso crear una empresa que transformar\u00eda la floreciente industria del videojuego.<\/span><\/p>\n

Uno de los primeros triunfos de la empresa surgi\u00f3 de un momento de serendipia.<\/p>\n

En 1995, Sega estaba desarrollando su consola de videojuegos de nueva generaci\u00f3n, la Sega Saturn. Sega buscaba un chip de gr\u00e1ficos 3D para la consola e inicialmente se hab\u00eda asociado con 3Dfx Interactive, competidor de NVIDIA.<\/p>\n

Sin embargo, en un encuentro casual entre un ingeniero de NVIDIA y un ejecutivo de Sega en una conferencia, NVIDIA hizo una demostraci\u00f3n del chip NV1 de la compa\u00f1\u00eda, que impresion\u00f3 a Sega. Sega decidi\u00f3 utilizar el chip de NVIDIA en la Saturn en lugar del de 3Dfx.<\/p>\n

Curiosamente, el chip NV1 utilizado en la Sega Saturn no fue un \u00e9xito comercial para NVIDIA en el mercado del PC. El siguiente producto de la compa\u00f1\u00eda, la RIVA 128 (NV3), fue su primera GPU de \u00e9xito para PC y sent\u00f3 las bases de su futuro dominio del mercado de tarjetas gr\u00e1ficas.<\/p>\n

Otro de los primeros avances se produjo en 1999 con el GeForce 256<\/a>comercializada como la primera GPU del mundo.\u00a0<\/span><\/p>\n

Esto sent\u00f3 las bases del dominio de NVIDIA en la industria del videojuego y la l\u00ednea de GPU GeForce se convirti\u00f3 r\u00e1pidamente en un nombre muy conocido entre los entusiastas de los juegos.<\/span><\/p>\n

\"\"
La marca NVIDIA GeForce de GPU para juegos.<\/figcaption><\/figure>\n

A medida que NVIDIA segu\u00eda ampliando los l\u00edmites de la tecnolog\u00eda de gr\u00e1ficos durante los primeros a\u00f1os de la d\u00e9cada de 2000, lanzando GPU cada vez m\u00e1s potentes que proporcionaban experiencias de juego envolventes, la I+D de la compa\u00f1\u00eda la consolid\u00f3 como l\u00edder en procesamiento paralelo.\u00a0<\/span><\/p>\n

Esto ser\u00eda decisivo para el futuro \u00e9xito de NVIDIA en el campo de la IA y la computaci\u00f3n de alto rendimiento.<\/span><\/p>\n

M\u00e1s all\u00e1 de los juegos: el auge de la GPGPU y CUDA<\/h2>\n

Aunque la industria del videojuego cataliz\u00f3 el \u00e9xito inicial de NVIDIA, los dirigentes de la compa\u00f1\u00eda reconocieron el potencial de las GPU m\u00e1s all\u00e1 del mero renderizado de gr\u00e1ficos.\u00a0<\/span><\/p>\n

En 2006, NVIDIA introdujo Compute Unified Device Architecture (CUDA), un modelo de programaci\u00f3n que permit\u00eda a los desarrolladores aprovechar la capacidad de procesamiento paralelo de las GPU para computaci\u00f3n de prop\u00f3sito general (GPGPU).<\/span><\/p>\n

CUDA simplific\u00f3 el proceso de programaci\u00f3n de las GPU, permitiendo a los desarrolladores escribir c\u00f3digo utilizando lenguajes familiares como C y C++. Esto abri\u00f3 nuevas oportunidades para NVIDIA en los campos de la investigaci\u00f3n cient\u00edfica, la exploraci\u00f3n de gas y petr\u00f3leo, las simulaciones financieras y la generaci\u00f3n de im\u00e1genes m\u00e9dicas, abriendo as\u00ed un sinf\u00edn de nuevas colaboraciones para la compa\u00f1\u00eda.\u00a0<\/span><\/p>\n

Esto tambi\u00e9n demostr\u00f3 c\u00f3mo NVIDIA se convertir\u00eda en un elemento fundamental en las infraestructuras cr\u00edticas de alta tecnolog\u00eda, ampliando su clientela m\u00e1s all\u00e1 de los compradores corporativos a gobiernos e instituciones p\u00fablicas.<\/p>\n

Semiconductores: un mercado dif\u00edcil de conquistar<\/h2>\n

El sector de los semiconductores es muy complejo y competitivo, y s\u00f3lo un pu\u00f1ado de empresas logra hacerse un hueco.<\/p>\n

Una de las principales razones del limitado n\u00famero de grandes fabricantes de semiconductores es el coste y la complejidad extremos del proceso de fabricaci\u00f3n.<\/p>\n

La fabricaci\u00f3n de semiconductores requiere instalaciones de \u00faltima generaci\u00f3n, conocidas como fundiciones, cuya construcci\u00f3n y mantenimiento pueden costar miles de millones de d\u00f3lares.<\/p>\n

Estas fundiciones deben operar en entornos extremadamente limpios para evitar que hasta las part\u00edculas m\u00e1s diminutas interfieran en el proceso de fabricaci\u00f3n.<\/p>\n

Adem\u00e1s, el equipo utilizado para la fabricaci\u00f3n de semiconductores, como las m\u00e1quinas de litograf\u00eda, es muy especializado y caro, y algunas m\u00e1quinas cuestan m\u00e1s de $100 millones.<\/p>\n

Todo ello crea enormes barreras de entrada para los nuevos actores del sector, lo que ha contribuido a mantener a NVIDIA en lo m\u00e1s alto del escalaf\u00f3n a pesar de la competencia de AMD, Intel y Qualcomm.<\/p>\n

La revoluci\u00f3n de la IA<\/h2>\n

A medida que crec\u00eda la demanda de IA y aprendizaje autom\u00e1tico en la d\u00e9cada de 2010, NVIDIA estaba perfectamente posicionada para capitalizar esta tendencia emergente.\u00a0<\/span><\/p>\n

Con la I+D en procesamiento paralelo a sus espaldas, las GPU de la compa\u00f1\u00eda se convirtieron en el hardware preferido para entrenar redes neuronales profundas y potenciar las cargas de trabajo de IA.<\/span><\/p>\n

Reconociendo el inmenso potencial de la IA, NVIDIA ha realizado inversiones estrat\u00e9gicas en este campo, colaborando con importantes instituciones de investigaci\u00f3n y empresas tecnol\u00f3gicas para hacer avanzar las tecnolog\u00edas de IA.<\/span><\/p>\n

El temprano apoyo de la empresa a OpenAI demostr\u00f3 su capacidad para introducirse en sectores punteros y asumir riesgos para ampliar su base de clientes.<\/span><\/p>\n

NVIDIA tambi\u00e9n desarroll\u00f3 m\u00f3dulos de c\u00e1lculo especializados, como la serie DGX, dise\u00f1ados espec\u00edficamente para acelerar el entrenamiento de grandes modelos de lenguaje (LLM) y otras arquitecturas de IA. Estos potentes sistemas se convirtieron r\u00e1pidamente en el hardware de referencia para investigadores y desarrolladores de IA de todo el mundo.<\/span><\/p>\n

Y ese es un punto fundamental. Cuando se trata de hardware de IA de gama alta, est\u00e1 NVIDIA y luego est\u00e1n los dem\u00e1s.<\/p>\n

Es una configuraci\u00f3n poco habitual, incluso en las grandes tecnol\u00f3gicas. Google, Amazon, Meta, Apple y Microsoft no son tan diferentes cuando se desglosan sus principales unidades de negocio.<\/p>\n

Hay muy pocos actores en el mercado de los semiconductores, en parte porque es dif\u00edcil y en parte porque NVIDIA lo ha conseguido mediante inversiones estrat\u00e9gicas.<\/p>\n

El ecosistema cohesionado de NVIDIA tambi\u00e9n proporciona seguridad a los desarrolladores, ya que NVIDIA se ha convertido en una empresa muy fiable. Se trata de una compa\u00f1\u00eda libre de las controversias de las grandes tecnol\u00f3gicas, las luchas por el liderazgo, la acci\u00f3n reguladora y la dependencia de tecnolog\u00edas digitales menos tangibles como las redes sociales.<\/p>\n

NVIDIA es consciente de ello y utiliza software y hardware para reforzar su dominio sobre el ecosistema de la IA y crear un conjunto de herramientas y bibliotecas de software que mejoran las estrategias de comercializaci\u00f3n de sus clientes.\u00a0<\/span><\/p>\n

El papel de NVIDIA en la IA generativa<\/h2>\n

El auge de la IA generativa consolid\u00f3 a\u00fan m\u00e1s la posici\u00f3n de NVIDIA como potencia en el campo de la IA. Esta es la etapa en la que NVIDIA se consolid\u00f3 como una de las empresas m\u00e1s influyentes del mundo.\u00a0<\/span><\/p>\n

La IA generativa consiste en entrenar modelos a partir de grandes vol\u00famenes de datos para crear nuevos contenidos basados en patrones y estilos aprendidos, como texto, im\u00e1genes y m\u00fasica.<\/span><\/p>\n

Reconociendo su inmenso potencial, NVIDIA introdujo AI Foundations, una plataforma basada en la nube que democratizaba el acceso a los modelos generativos de IA m\u00e1s avanzados.\u00a0<\/span><\/p>\n

AI Foundations permite a las empresas y a los desarrolladores aprovechar el poder de la IA generativa sin necesidad de grandes recursos o conocimientos internos.<\/span><\/p>\n

Inicialmente, las Fundaciones de IA de NVIDIA inclu\u00edan modelos preentrenados, como NeMo para el procesamiento del lenguaje natural y Picasso para la generaci\u00f3n de im\u00e1genes y v\u00eddeo.<\/span><\/p>\n

Una vez m\u00e1s, esto demuestra el compromiso de NVIDIA con la creaci\u00f3n de un ecosistema en lugar de productos individuales. Aqu\u00ed es donde se diferencian de otros fabricantes, especialmente de los competidores en la fabricaci\u00f3n de semiconductores.<\/p>\n

NVIDIA es una ventanilla \u00fanica para el desarrollo de IA de vanguardia, ya que ofrece hardware, software y una estrecha colaboraci\u00f3n con recursos en la nube a trav\u00e9s de Google, Microsoft, Amazon y otros.<\/p>\n

GPU de NVIDIA<\/h3>\n

En pleno auge de la IA generativa, NVIDIA ha ampliado enormemente su cartera de chips de IA, introduciendo varios procesadores innovadores dise\u00f1ados para superar los l\u00edmites de la IA y las tecnolog\u00edas de computaci\u00f3n en diversos sectores.\u00a0<\/span><\/p>\n

Echemos un vistazo m\u00e1s de cerca a estas fichas y sus contribuciones:<\/span><\/p>\n

    \n
  1. A100 y H100:<\/b> En <\/span>H100<\/span><\/a> se convirti\u00f3 r\u00e1pidamente en el buque insignia de NVIDIA para aplicaciones de IA, con velocidades de reloj 6 veces superiores a las de su predecesor, el A100.<\/span><\/li>\n
  2. GPU HGX H200:<\/b> Basado en la arquitectura Hopper, el <\/span>H200<\/span><\/a> presenta la memoria HBM3e, que proporciona casi el doble de capacidad y 2,4 veces m\u00e1s ancho de banda que su predecesora, la A100. Est\u00e1 dise\u00f1ada para duplicar la velocidad de inferencia en Llama 2, un LLM de 70.000 millones de par\u00e1metros, en comparaci\u00f3n con la H100. El H200 es compatible con varias configuraciones de centros de datos y su lanzamiento est\u00e1 previsto para principios o mediados de 2024.<\/span><\/li>\n
  3. GH200 Grace Hopper Superchip: <\/b>La GH200 combina la GPU HGX H200 con una CPU NVIDIA Grace basada en Arm. Est\u00e1 destinada a aplicaciones de supercomputaci\u00f3n para abordar aplicaciones complejas de IA y HPC. Se espera que la GH200 se utilice en m\u00e1s de 40 superordenadores de IA de todo el mundo, lo que incluye importantes proyectos como el sistema JUPITER de Alemania, que se prev\u00e9 que sea el sistema de IA m\u00e1s potente del mundo cuando se instale en 2024.<\/span><\/li>\n
  4. Blackwell GPU:<\/b> Presentado en <\/span>GTC 2024<\/span><\/a>La GPU Blackwell es el procesador de \u00faltima generaci\u00f3n de NVIDIA, sucesor de las GPU H100 y H200. Presentado por NVIDIA como el chip m\u00e1s potente del mundo, Blackwell est\u00e1 dise\u00f1ado espec\u00edficamente para responder a las exigencias de la IA generativa. Ofrece 30 veces m\u00e1s rendimiento que el H100 para cargas de trabajo LLM y 25 veces m\u00e1s eficiencia energ\u00e9tica.<\/span><\/li>\n<\/ol>\n

    Blackwell ser\u00e1 enorme, con Nota de prensa de NVIDIA<\/a> mostrando el inter\u00e9s de una lista de grandes nombres de la Big Tech, como Satya Nadella de Microsoft, Sundar Pichai y Demis Hassabis de Google y DeepMind, Sam Altman de OpenAI, y muchos otros.<\/p>\n

    \"Blackwell\"
    Plataforma Blackwell de NVIDIA. Fuente: NVIDIA.<\/figcaption><\/figure>\n

    NVIDIA es m\u00e1s lista que el Gobierno de EE.UU.<\/h2>\n

    El \u00e9xito de NVIDIA se extiende a su \u00e1gil estrategia corporativa, su gobernanza y su respuesta a las presiones del mercado. Eso incluye sortear los esfuerzos del gobierno estadounidense por frenar las exportaciones de hardware de gama alta a China, uno de sus principales clientes.<\/p>\n

    En agosto de 2022, el Departamento de Comercio de EE.UU. impuso requisitos de licencia a la importaci\u00f3n de determinadas GPU de gama alta, incluidos los chips A100 y H100 de NVIDIA, a China y Rusia. Esto provoc\u00f3 una ca\u00edda temporal de sus existencias de casi 8%.<\/p>\n

    Las restricciones se dise\u00f1aron para evitar que estos chips se utilizaran en aplicaciones militares, como superordenadores y sistemas de IA.<\/p>\n

    En octubre de 2022, Estados Unidos endureci\u00f3 a\u00fan m\u00e1s sus controles a la exportaci\u00f3n, introduciendo un amplio conjunto de normas destinadas a impedir el acceso de China a determinados chips semiconductores fabricados en cualquier parte del mundo con equipos estadounidenses. Estas normas tambi\u00e9n restring\u00edan la exportaci\u00f3n de herramientas y componentes de fabricaci\u00f3n estadounidense esenciales para la fabricaci\u00f3n de chips.<\/p>\n

    Con cada iteraci\u00f3n de estas normas, NVIDIA ha encontrado formas de sortearlas alterando sus chips para eludir espec\u00edficamente las prohibiciones de exportaci\u00f3n.<\/p>\n

    Por ejemplo, en noviembre, NVIDIA lanz\u00f3 tres nuevos productos (HGX H20, L20 PCle y L2 PCle) basados en el potente chip H100 de NVIDIA pero dise\u00f1ados para cumplir las restricciones a la exportaci\u00f3n.<\/p>\n

    Estos chips son menos potentes que los modelos A100 y H800, anteriormente restringidos, pero siguen ofreciendo una capacidad de rendimiento eficaz para las tareas de IA.<\/p>\n

    En se\u00f1alado por SemiAnalysis<\/a>, \"Nvidia est\u00e1 perfectamente a caballo entre el rendimiento m\u00e1ximo y la densidad de rendimiento con estos nuevos chips para superar la nueva normativa estadounidense\".<\/p>\n

    Seg\u00fan el South China Post, se calcula que entre 20 y 25% de los ingresos de NVIDIA por centros de datos proceden de compradores chinos, incluso a pesar de las cada vez m\u00e1s estrictas prohibiciones de exportaci\u00f3n.<\/p>\n

    Rob\u00f3tica con el Proyecto GR00T y Jetson Thor<\/h2>\n

    NVIDIA apoya las tecnolog\u00edas de vanguardia y emergentes a trav\u00e9s de sus plataformas de desarrollo de rob\u00f3tica empresarial.\u00a0<\/span><\/p>\n

    En la conferencia GTC 2024, la empresa anunci\u00f3 <\/span>Proyecto GR00T<\/span><\/a> y<\/span> Jetson Thor<\/span><\/a>. GR00T pretende revolucionar la rob\u00f3tica humanoide proporcionando un modelo b\u00e1sico de uso general que permita a los robots aprender de las acciones humanas y adquirir r\u00e1pidamente coordinaci\u00f3n, destreza y otras habilidades.\u00a0<\/span><\/p>\n

    \n

    Hoy es el comienzo de nuestro proyecto para resolver la AGI encarnada en el mundo f\u00edsico. Me complace anunciar el proyecto GR00T, nuestra nueva iniciativa para crear un modelo b\u00e1sico de uso general para el aprendizaje de robots humanoides.<\/p>\n

    El modelo GR00T permitir\u00e1 a un robot comprender... pic.twitter.com\/EqN19Z3cXH<\/a><\/p>\n

    - Jim Fan (@DrJimFan) 18 de marzo de 2024<\/a><\/p><\/blockquote>\n