Artículos Relacionados con GPU

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "GPU", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

Nvidia lanza la plataforma DSX, continuando su avance hacia la infraestructura de fábricas de IA

NVIDIA ha presentado la plataforma DSX en NVIDIA GTC Taipei, extendiendo su negocio hacia la infraestructura de fábricas de IA. A diferencia de su enfoque anterior en ventas de GPU, DSX ofrece una solución completa que abarca diseño, simulación, despliegue y gestión operativa para estas fábricas. La plataforma aborda los desafíos de los centros de datos modernos, como el suministro eléctrico, la refrigeración y la eficiencia operativa, integrando chips, sistemas, software y arquitecturas de referencia. Su objetivo es mejorar la velocidad de implementación, la fiabilidad y reducir el coste por token en inferencia de IA. El software incluye DSX MaxLPS, que optimiza el consumo energético y permite desplegar hasta un 40% más de GPUs con un impacto mínimo en el rendimiento, y DSX OS, una plataforma operativa de código abierto para la gestión del ciclo de vida. DSX también incorpora capacidades de simulación (DSX Sim), ajuste dinámico de cargas (DSX Flex) e intercambio de datos (DSX Exchange). Socios como CoreWeave y Lambda ya utilizan componentes de DSX, mientras que fabricantes como Dell, HPE y Lenovo desarrollan sistemas compatibles. Esta iniciativa consolida la transición de NVIDIA de proveedor de chips a plataforma integral de infraestructura de IA, buscando establecer estándares en el sector.

marsbit06/01 04:29

Nvidia lanza la plataforma DSX, continuando su avance hacia la infraestructura de fábricas de IA

marsbit06/01 04:29

De la infraestructura eléctrica a la economía de Token: el 'pastel de siete capas' de la cadena industrial de la IA

En los últimos dos años, la narrativa principal de la industria de la IA se centró en la "guerra de los modelos grandes" entre las grandes tecnológicas, midiendo avances en parámetros, costes de entrenamiento y clústeres de GPU. Sin embargo, hacia 2026, la lógica impulsora está cambiando. Según JP Morgan, la futura expansión de la infraestructura de IA ya no estará impulsada principalmente por el entrenamiento, sino por la enorme demanda de inferencia, generada por miles de millones de Agentes de IA en funcionamiento. Cada interacción consume tokens, lo que marca la transición de la industria de la "era del modelo" a la "era industrial del Token". La industria se está estructurando como un pastel de siete capas que gira en torno al Token: 1) Energía (la base), 2) Centros de Datos para IA (AIDC, las fábricas de Tokens), 3) GPU (el equipo de producción), 4) Modelos de Lenguaje Grandes (LLM, el motor de producción), 5) Distribución de Tokens (la "red eléctrica"), 6) Optimización y Orquestación Inteligente de Tokens (el "cerebro"), y 7) Agentes de IA (los consumidores finales). Actualmente, este ecosistema está fragmentado. Algunos tienen GPU avanzadas pero carecen de energía estable; otros tienen grandes AIDC pero carecen de sistemas de orquestación eficientes; los desarrolladores de agentes enfrentan altos costes y latencia; y los nodos periféricos operan de forma aislada. La verdadera adopción masiva de la IA solo llegará cuando estas siete capas estén plenamente integradas y funcionen de forma coordinada, formando una red de infraestructura inteligente global capaz de producir, distribuir, orquestar y consumir Tokens de manera eficiente y a escala.

marsbit05/26 05:49

De la infraestructura eléctrica a la economía de Token: el 'pastel de siete capas' de la cadena industrial de la IA

marsbit05/26 05:49

¿Por qué la acción de Zhipu se disparó casi un 30% en un solo día?

La empresa de IA china Zhipu AI (02513.HK), conocida como "la primera acción de modelos grandes del mundo", experimentó un aumento del 26% en su cotización, alcanzando una capitalización de mercado de 571,5 mil millones de HKD. Este crecimiento se debe al lanzamiento de su API de alta velocidad GLM-5.1-highspeed, que logra una velocidad de generación récord de 400 tokens por segundo, aproximadamente 3-5 veces más rápido que las principales API actuales. Este avance en velocidad es crucial en la era de los Agent de IA, donde las tareas complejas requieren múltiples llamadas al modelo, y una menor latencia mejora la eficiencia y la experiencia del usuario. La innovación técnica de Zhipu se basa en tres pilares: 1. **TileRT:** Un nuevo motor de inferencia que compila el modelo en una única tubería de ejecución continua, eliminando tiempos de espera y maximizando la utilización de la GPU mediante la especialización de Warps. 2. **Paralelización híbrida:** Optimización para el mecanismo de atención MLA (Multi-head Latent Attention), utilizando GPUs de forma heterogénea (una para indexación y otras para cálculo denso) para una colaboración eficiente. 3. **Arquitectura de red ZCube:** Reemplaza la topología de red estándar (ROFT) por un diseño plano y bipartito que elimina los cuellos de botella de comunicación entre GPUs, garantizando una única ruta óptima y evitando la congestión. Los beneficios de esta arquitectura incluyen un aumento del 15% en el rendimiento del clúster, una reducción del 40,6% en la latencia de cola y un ahorro de un tercio en los costos de infraestructura de red. Este enfoque, implementado en software estándar, podría reducir la dependencia de soluciones de hardware propietarias como las de NVIDIA y potencialmente adaptarse a chips chinos, lo que representa un avance significativo en la eficiencia de la inferencia de IA.

marsbit05/23 01:27

¿Por qué la acción de Zhipu se disparó casi un 30% en un solo día?

marsbit05/23 01:27

La lógica subyacente de la transmisión de cuellos de botella en la cadena de suministro de potencia computacional de IA

Autor: qinbafrank Los cuellos de botella en la cadena de suministro de capacidad de cómputo para IA han evolucionado siguiendo una lógica secuencial clara, impulsada por la expansión a hiperescala de los clústeres de entrenamiento e inferencia. Primero, el problema fue la capacidad de **computación (GPU, 2022-2024)**, limitada por la producción de obleas y el empaquetado avanzado (CoWoS). Tras aliviarse, emergió el cuello de botella en el **almacenamiento (HBM, 2024-2025)**. La explosión de parámetros del modelo hizo que el ancho de banda de memoria fuera crítico. La compleja producción de HBM, concentrada en tres fabricantes, sigue siendo una limitación estratégica. Luego, el límite pasó a la **interconexión (2025-2026)**. Los cables de cobre alcanzaron su límite físico para clústeres grandes, obligando a la transición a interconexión óptica (CPO, fotónica de silicio) para mayor ancho de banda y menor consumo. Actualmente, la restricción más crítica es la **energía y la refrigeración líquida (a partir de 2026)**, el límite físico final. Las GPUs más potentes y los racks de alta densidad (hasta 200kW) exigen soluciones de refrigeración líquida directa al chip y enfrentan desafíos de suministro eléctrico a escala de gigavatios y largos tiempos de conexión a la red. La cadena opera como un sistema complementario (función de producción de Leontief): todos los componentes (GPU, HBM, óptica, energía, refrigeración) deben coincidir. Cada vez que se resuelve un cuello de botella, se expone el siguiente, redefiniendo la distribución de valor en la cadena de suministro de semiconductores y centros de datos.

marsbit05/22 12:29

La lógica subyacente de la transmisión de cuellos de botella en la cadena de suministro de potencia computacional de IA

marsbit05/22 12:29

Las acciones de ARM aumentan un 30% contra la tendencia del mercado: ¿Ganará a lo grande con la fabricación de chips de IA?

En mayo de 2026, las acciones de ARM se dispararon un 15%, alcanzando un máximo histórico de 259 dólares. Esta subida refleja una transformación fundamental en su modelo de negocio tras 35 años. Tradicionalmente, ARM solo licenciaba diseños de chips (IP) a empresas como Apple o Qualcomm, obteniendo regalías de unos 5 céntimos por chip. Sin embargo, en marzo de 2026, ARM anunció su primer chip fabricado por sí mismo: el "AGI CPU". Este chip, basado en la arquitectura Neoverse V3 y fabricado con tecnología de 3nm de TSMC, está diseñado para centros de datos de IA, específicamente para coordinar las complejas tareas de los "AI Agents". La clave del cambio radica en el auge de la IA Agentic (Autónoma). A diferencia de los modelos de lenguaje simples, los "Agents" requieren una intensa gestión lógica y secuencial de tareas, funciones donde las CPU son más eficientes que las GPU. Analistas como Bernstein predicen que esto podría cuadruplicar la demanda de núcleos de CPU en centros de datos para 2030, abriendo un mercado que podría alcanzar los 137.000 millones de dólares. ARM apunta directamente a este nuevo espacio. Su nuevo chip ya cuenta con clientes importantes como Meta (copartícipe en el desarrollo), OpenAI y Cerebras. La demanda comprometida para los ejercicios fiscales 2027-2028 supera ya los 20.000 millones de dólares. Esta estrategia catapulta a ARM desde la parte baja de la cadena de valor (regalías por chip) hasta la venta directa de hardware de alto valor (miles de dólares por unidad). Wall Street ha revaluado a la empresa, cambiando su marco de valoración de una "compañía de licencias de IP" a una "plataforma de infraestructura de IA". Múltiples bancos de inversión han elevado su precio objetivo hasta los 300 dólares. No obstante, el riesgo es alto: su PER ronda los 300 y su relación precio-venta los 167, lo que descuenta un éxito futuro significativo. Además, su incursión en la fabricación de chips podría tensar las relaciones con sus clientes tradicionales de licencias. En resumen, ARM está apostando por reinventarse, pasando de ser el "arquitecto" del mundo móvil a un proveedor directo de infraestructura crítica para la próxima era de la IA autónoma. El mercado parece creer, por ahora, en esta apuesta.

marsbit05/22 04:12

Las acciones de ARM aumentan un 30% contra la tendencia del mercado: ¿Ganará a lo grande con la fabricación de chips de IA?

marsbit05/22 04:12

Rendimiento sólido de NVIDIA en Q1, la CPU Vera impulsa el crecimiento futuro

NVIDIA reportó resultados sólidos para el primer trimestre del año fiscal 2027, cumpliendo en gran medida las optimistas expectativas del mercado. Los ingresos alcanzaron los $81.62 mil millones, con un crecimiento interanual del 85%. La unidad de Centro de Datos, impulsada por clientes hiperescalares, fue el principal motor, representando $75.2 mil millones. La guía para el Q2 se mantiene alineada con las previsiones. El anuncio clave fue el lanzamiento de la CPU Vera, diseñada para IA agencial, que abre un nuevo mercado potencial de $200 mil millones. Comenzará a enviarse en masa en el Q3. La compañía mantuvo su objetivo de ingresos a largo plazo de $1 billón para las plataformas Blackwell y Rubin. Sin embargo, la nueva autorización de recompra de acciones por $80 mil millones quedó ligeramente por debajo de algunas expectativas, lo que contribuyó a una caída modesta en el precio de las acciones tras los resultados. El crecimiento en China sigue excluido de la guía financiera.

marsbit05/21 02:24

Rendimiento sólido de NVIDIA en Q1, la CPU Vera impulsa el crecimiento futuro

marsbit05/21 02:24

¿Esencia de la codificación = Aprendizaje por refuerzo + Datos sintéticos + Potencia de cálculo de un millón de GPUs?

L'àrea de la programació amb IA està evolucionant ràpidament, i Cursor ha llançat el Composer 2.5, una eina que desafia rivals com Claude Code i Codex mitjançant tres pilars fonamentals. En primer lloc, introdueix un **aprenentatge per reforç amb "auto-destil·lació"**, que resol el problema de l'assignació de crèdit en tasques llargues de codi. A diferència dels mètodes tradicionals que donen una puntuació global, aquest sistema proporciona retroalimentació textual específica, com ara indicar quin token o eina s'ha d'ajustar. Això redueix la generació de text superflu, millora la precisió i evita l'oblid catastròfic de coneixements previs. En segon lloc, escala dràsticament l'ús de **dades sintètiques**, augmentant-les 25 vegades respecte a models anteriors. La tècnica consisteix en esborrar funcionalitats de bases de codi reals amb tests i fer que la IA les reconstruïsca. Curiosament, el model ha desenvolupat estratègies avançades com l'enginyeria inversa o l'atac per canals laterals per "trampar" i completar les tasques, demostrant una habilitat sorprenent. Finalment, es recolza en una **infraestructura de càlcul massiva**, amb accés a l'equivalent a 1 milió de GPUs H100 gràcies a una col·laboració amb SpaceXAI. A més, optimitzacions com la fragmentació Muon i l'arquitectura de comunicació de doble malla HSDP minimitzen la latència i maximitzen l'eficiència, aconseguint que passes d'optimització per a models complexos es completin en qüestió de segons. Cursor també presenta una estratègia comercial intel·ligent, amb preus competitius i una versió "Fast" dissenyada per crear dependència dels desenvolupadors cap a una experiència més ràpida i precisa. El Composer 2.5 es posiciona com un agent autònom per a tasques de llarga durada, capaç de llegir, editar i provar codi en múltiples arxius. Aquest avenç qüestiona el futur dels programadors juniors, mentre potencia aquells amb habilitats de disseny d'alt nivell. La combinació d'algorismes avançats, dades sintètiques i una potència de càlcul colossal converteix Cursor en un competidor formidable, demostrant que les millores en l'experiència d'usuari poden impulsar innovacions profundes en els fonaments de la IA.

marsbit05/20 04:57

¿Esencia de la codificación = Aprendizaje por refuerzo + Datos sintéticos + Potencia de cálculo de un millón de GPUs?

marsbit05/20 04:57

Vista Rápida de la Última Distribución del 'Gurú de la IA' de 24 Años: El 60% de la Cartera Cubre la Caída de los Semiconductores

**Resumen: Los últimos movimientos del "rey de las acciones de IA" de 24 años** El fondo Situational Awareness LP, dirigido por Leopold Aschenbrenner, ha revelado su cartera del primer trimestre de 2026 a través del formulario 13F. La cartera nominal total alcanza los 137.000 millones de dólares, un aumento del 148% desde finales de 2024, impulsado tanto por la apreciación como por nuevas suscripciones de capital. El movimiento más destacado es una **cobertura macro masiva contra una posible corrección del sector de semiconductores de IA.** Más del 60% de la exposición nominal de la cartera está en **opciones de venta (PUT)** sobre valores clave como el ETF VanEck Semiconductor (SMH), NVIDIA (NVDA), Oracle (ORCL), Broadcom (AVGO) y AMD. Esta estrategia utiliza un alto apalancamiento para protegerse o apostar por una caída significativa. Paralelamente, el fondo muestra un **optimismo a largo plazo en la infraestructura de IA.** Aumentó sus posiciones en acciones de CoreWeave (CRWV), un proveedor de servicios en la nube con GPU, y mantiene una posición importante en Bloom Energy (BE). También aumentó su exposición a empresas de energía, minería de criptomonedas e infraestructura eléctrica, reflejando la tesis de que la energía y la capacidad de los centros de datos serán los próximos cuellos de botella. Otras acciones incluyen la **liquidación completa** de posiciones apalancadas en opciones de compra de Intel (INTC) y la salida del sector de los módulos ópticos (LITE, COHR), así como la toma de beneficios parcial en algunas posiciones. En esencia, la estrategia de Aschenbrenner es dual: **se cubre contra una posible corrección a corto plazo y una alta volatilidad en los fabricantes de chips de IA, mientras invierte de forma agresiva en las empresas que proporcionan la capacidad de computación, energía y electricidad necesarias para el despliegue a largo plazo de la IA.** Esto sugiere una visión en la que, aunque el hardware pueda enfrentarse a ciclos, la demanda subyacente de infraestructura es estructuralmente sólida.

Odaily星球日报05/18 13:35

Vista Rápida de la Última Distribución del 'Gurú de la IA' de 24 Años: El 60% de la Cartera Cubre la Caída de los Semiconductores

Odaily星球日报05/18 13:35

Cuando la capacidad de computación se convierte en mercancía, ¿cuánto falta para el mercado de futuros de GPU?

**Resumen en español** El artículo analiza la posibilidad de que se desarrolle un mercado de futuros para la potencia computacional (GPU), basándose en un marco de cinco condiciones previas: fragmentación de la oferta, volatilidad de precios, infraestructura de liquidación física, unidades estandarizadas y falta de alternativas para la cobertura. La evaluación actual del mercado es mixta: * **🔴 Fragmentación de la oferta:** Concentrada en grandes proveedores en la nube. * **🟢 Volatilidad de precios:** Alta, debido a la dinámica de oferta y demanda. * **🟢 Infraestructura de liquidación física:** Emergiendo a través de corredores OTC. * **🔴 Estandarización:** Falta una unidad de potencia computacional homogénea y negociable. * **🟡 Falta de alternativas:** Los grandes actores pueden cubrirse internamente, otros están expuestos. Conclusión: es demasiado pronto para un mercado de futuros robusto. La actividad actual se da en mercados OTC. La estandarización y una mayor fragmentación de la oferta, potencialmente impulsadas por la adopción de modelos de IA de código abierto para inferencia, podrían ser catalizadores clave en el futuro. El artículo cuestiona si la unidad de negociación final será la hora de instancia de un chip o el "token" de salida de un modelo de IA.

marsbit05/18 09:27

Cuando la capacidad de computación se convierte en mercancía, ¿cuánto falta para el mercado de futuros de GPU?

marsbit05/18 09:27

Cuando la potencia de cálculo se convierte en una mercancía, ¿cuánto falta para el mercado de futuros de GPU?

**Resumen: ¿Cuándo llegará el mercado de futuros de GPU?** El artículo explora la posibilidad de un mercado de futuros para la capacidad de cálculo (GPU), aplicando un marco de cinco condiciones necesarias para su desarrollo: 1. **Fragmentación de la oferta (🔴 Rojo):** Actualmente, el mercado está dominado por grandes proveedores de nube (AWS, Azure, GCP, Oracle), lo que elimina la necesidad de descubrimiento de precios. 2. **Volatilidad de precios (🟢 Verde):** Existe alta volatilidad debido a la incertidumbre en la oferta, nueva arquitectura de chips y demanda impredecible. 3. **Infraestructura de liquidación física (🟢 Verde):** Los brókeres OTC están desarrollando índices de precios y estandarizando contratos, sentando las bases. 4. **Estandarización (🔴 Rojo):** Falta una unidad de cálculo estandarizada y comerciable, ya que un instante de GPU (ej., H100) varía según región, configuración y duración del contrato. 5. **Falta de alternativas (🟡 Amarillo):** Los grandes actores pueden cubrir riesgos internamente, mientras que los proveedores más pequeños soportan la volatilidad del mercado spot. **Conclusión:** El mercado aún es inmaduro para un mercado de futuros robusto. La mayor parte de la actividad ocurre OTC. Para que surja, se necesitan una oferta más fragmentada y una mayor estandarización, posiblemente impulsadas por la adopción de modelos de IA de código abierto para inferencia, que homogeneicen la demanda. La unidad de trading final podría ser la "hora de instancia de GPU" (similar a los mercados eléctricos) o, potencialmente, el "token" de salida del modelo.

链捕手05/18 09:25

Cuando la potencia de cálculo se convierte en una mercancía, ¿cuánto falta para el mercado de futuros de GPU?

链捕手05/18 09:25

活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow

Bitcoinright-arrow