A nivel mundial, Nvidia fabrica la mayor parte de las tarjetas gráficas —GPU, por sus siglas en inglés— que se necesitan para entrenar los modelos de inteligencia artificial más potentes. Si eres capaz de acumular muchos de estos microchips, cuentas con una ventaja sobre las compañías del sector. En cambio, si no dispones del suministro necesario, vas a ir por detrás desde el principio.

Ya no solo basta con decir "IA" tantas veces como sea posible durante una presentación de resultados trimestrales. Ahora hay que contar con los componentes tecnológicos, las infraestructuras y la planificación necesaria para poder desplegar una tecnología increíblemente cara. Ser el primero en recibir las GPU de Nvidia se ha convertido en una apuesta segura.

Dylan Patel y Daniel Nishball, de la firma de investigación corporativa SemiAnalysis, han detallado esta situación en un interesante artículo que ha sido publicado este fin de semana. 

Gran parte del artículo es de pago, pero todos aquellos que estén interesados en el campo de la inteligencia artificial deberían suscribirse a su maravillosa newsletter. Aquí puedes ver algunas de las reflexiones que se incluyen en las partes gratuitas del texto. 

Los "pobres en GPU"

Patel y Nishball dividen la industria tecnológica en dos grupos mayoritarios: los "pobres en GPU" y los "ricos en GPU". El grupo de organizaciones pobres en tarjetas gráficas en su mayoría está compuesto por startups e investigadores independientes que abogan por el código abierto y que luchan contra un suministro limitado de este tipo de chips.

En primer lugar, están las startups europeas y los superordenadores respaldados por los gobiernos, como el Jules Verne, que los redactores de SemiAnalysis describen como "completamente no-competitivos".

Por qué las empresas deben tener cuidado con la IA: "Los directivos saben que una cosa que está a disposición de toda su base de empleados es muy peligrosa"

Luego están las firmas de IA que, a pesar de ser muy conocidas (como Hugging Face, Databricks o Together), también son pobres en GPU.

Y luego existe un pequeño grupo intermedio, que ha estado comprando un montón de tarjetas gráficas a Nvidia, pero que no ha conseguido recuperar su inversión: Cohere, Arabia Saudí o Emiratos Árabes Unidos, según SemiAnalysis.

Los "ricos en GPU"

A continuación, Patel y Nishball enumeran un puñado de empresas que cuentan con más de 20.000 GPU de Nvidia, ya sean la A100 o la H100.

Los principales líderes aquí son OpenAI, Google, Anthropic, Inflection, X (anteriormente conocida como Twitter) y Meta, compañías que "van a tener los mayores ratios de equipos informáticos por investigador", apuntan los autores.

Algunas de estas empresas, así como varios gigantes tecnológicos chinos, habrán conseguido acumular más de 100.000 tarjetas gráficas para finales de 2024, según Patel y Nishball. En ese sentido, Meta ocupará el segundo puesto mundial por el número de GPU H100 de las que dispone.

¿Cuál es la compañía más rica en tarjetas gráficas? Los expertos de SemiAnalysis aseguran que es Google. La firma de Mountain View es "la empresa más rica en computación del mundo", según Patel y Nishall, ya que cuenta con una "arquitectura imbatiblemente eficiente".

Google, que hace años se anunció a sí misma como una organización que le da prioridad a la inteligencia artificial, está a punto de lanzar su próximo gran modelo de IA, Gemini, y ya se encuentra entrenando la siguiente versión de ese mismo modelo. Así que, cuidado, OpenAI.

"Google se ha despertado y está realizando iteraciones a un ritmo que va a multiplicar por 5 el total de FLOPS de preentrenamiento de GPT-4 antes de que acabe el año", sugieren los analistas. 

"El camino está despejado para poder alcanzar las 20 veces a finales del año que viene, dado el actual desarrollo de su infraestructura. Otra cosa es que Google tenga el estómago necesario para hacer públicos estos modelos sin socavar su creatividad o su actual modelo de negocio".