Nvidia presenta Blackwell, su próxima GPU

Cambio de Enfoque: de Gráficos a Cómputo para IA

• Muchos ven Blackwell como otro paso en la transformación de las GPU en aceleradores de IA principalmente, más que en dispositivos gráficos.
• Se debate si “GPU” ya es un nombre inadecuado; algunos proponen nuevos acrónimos (por ejemplo, unidades tensoriales o generativas), mientras que otros sostienen que los nombres se fijan con facilidad y que la arquitectura subyacente sigue siendo similar a la de una GPU.
• Las bromas y comentarios laterales destacan que los gráficos parecen secundarios, pero siguen siendo un argumento de venta y un mercado de respaldo si el auge de la IA se enfría.

Historia y Estrategia de Nvidia y las GPU

• Hilo largo sobre si Nvidia siempre tuvo la intención de que las GPU fueran aceleradores de cómputo de propósito general o si pivotó más tarde desde el puro gaming.
• Algunos sostienen que las afirmaciones de una visión original “primero el cómputo” son revisionistas; los primeros productos eran gráficos de función fija que competían con 3dfx, Matrox, etc.
• Otros señalan los shaders programables, el trabajo temprano en GPGPU, Cg y CUDA (mediados de los 2000) como evidencia de una trayectoria de cómputo paralelo de larga data.
• Se citan esfuerzos pasados como la aceleración de física (PhysX, FleX) como parte de la historia del cómputo.

Ecosistema de Software y Ventaja Competitiva

• Hay un fuerte consenso en que la ventaja de Nvidia es tanto de software como de hardware: CUDA, controladores, bibliotecas, herramientas y red (NVSwitch, InfiniBand).
• Varios comentarios contrastan la pila de Nvidia de “simplemente funciona” con el ecosistema ROCm de AMD, descrito como inmaduro, propenso a errores, inconsistente en soporte de hardware y difícil de desplegar para cargas reales.
• Nvidia AI Enterprise se ve como una jugada de “SO/plataforma” para profundizar el encierro y parecerse a una ventaja competitiva al estilo AWS.
• Algunos señalan que existe hardware alternativo (AMD, Intel, TPUs), pero migrar no es trivial y las pilas de software de los competidores van por detrás.

Demanda de Cómputo, Escalado y Casos Bajistas

• Muchos asumen una demanda efectivamente infinita de cómputo a medida que mejoran los modelos, y suelen invocarse AGI/ASI y LLM más grandes.
• Otros plantean tesis bajistas: que la IA podría no justificar las valoraciones actuales, que mejores algoritmos podrían reducir drásticamente las necesidades de cómputo, o que aceleradores más especializados podrían desplazar a las GPU de propósito general.
• Entre las preocupaciones están la dependencia excesiva de Nvidia/TSMC, la posible sobreoferta si los competidores alcanzan el nivel, y la posibilidad de que la monetización real de la IA siga siendo limitada.

Eficiencia, Energía y Diseño de Sistemas

• Las nuevas generaciones se describen como más eficientes por operación, pero con un consumo absoluto de energía cada vez mayor, lo que limita los entornos de despliegue.
• El ancho de banda de interconexión y el área “beachfront” (enlaces frente a núcleos) se destacan como cuellos de botella clave a nivel de diseño y sistema, en los que Nvidia ha invertido intensamente.

Casos de Uso de Consumo y Futuros

• Los gamers expresan frustración porque las “GPU” de gama alta están optimizadas para IA, no para gaming, y cuestionan qué significa Blackwell para las líneas de consumo.
• La especulación sobre futuros nodos de IA on-premise generalizados (a nivel de hogar o edificio) se encuentra con escepticismo; muchos esperan una centralización continuada en centros de datos.