Artículos Relacionados con Hardware

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

Serenity vs Leopold: ¿Cómo Desentierran Oro los Dos Cazadores de Élite en el 'Límite Físico' de la IA?

Los inversores estrella Serenity y Leopold están redefiniendo las estrategias de inversión en IA al enfocarse en los límites físicos del sector, abandonando las acciones de software tradicionales para priorizar componentes de hardware y infraestructura crítica. Serenity, un comerciante anónimo en redes sociales, utiliza su "teoría de la hoja de shiso" para identificar "cuellos de botella" en la cadena de suministro de semiconductores: empresas pequeñas pero tecnológicamente monopolísticas en materiales clave como sustratos de fosfuro de indio o precursores químicos de alta pureza. Su enfoque micro y sus recomendaciones en acciones de baja capitalización han generado ganancias espectaculares, aunque también conllevan un alto riesgo de liquidez. Por otro lado, Leopold Aschenbrenner, un ex investigador de OpenAI convertido en gestor de un fondo de cobertura, adopta una visión macro. Argumenta que la verdadera barrera para la IA avanzada son los recursos físicos como la energía, la tierra y los centros de datos. Su estrategia combina posiciones largas en infraestructura física (como almacenamiento y empresas mineras de Bitcoin) con grandes apuestas bajistas, mediante opciones de venta, contra todo el sector de semiconductores, al que considera sobrevalorado frente a la lenta construcción de infraestructura. Ambos, a pesar de sus diferentes enfoques, coinciden en un principio central: en la era de la IA, el poder y la rentabilidad se trasladarán hacia quienes controlen los recursos físicos escasos y con restricciones técnicas. Sin embargo, sus estrategias enfrentan desafíos: Serenity, la volatilidad de las microcapitalizaciones; Leopold, el "desfase temporal" de los mercados, que podrían mantener altas las valoraciones de los chips más tiempo del que prevé su tesis. Su auge señala un cambio más amplio en la inversión en IA, donde materiales, equipos, energía y tierra están ganando protagonismo como los verdaderos activos fundamentales.

marsbit05/27 15:15

Serenity vs Leopold: ¿Cómo Desentierran Oro los Dos Cazadores de Élite en el 'Límite Físico' de la IA?

marsbit05/27 15:15

El sistema operativo agentizado: no se trata de IA, sino de la base

Resumen: La era del sistema operativo (SO) agente comienza. Tras el Google I/O 2026, Android, iOS, HarmonyOS y Windows están integrando capacidades de IA proactivas en la capa del SO. Sin embargo, más allá de las funciones anunciadas, la competencia real se libra en tres capas fundamentales que sustentan a estos agentes del SO: 1) un tiempo de ejecución (Runtime) de IA a nivel de sistema que actúa como centro de control; 2) chips controlados por el fabricante del SO para una optimización profunda de hardware y software; y 3) una matriz de modelos en el dispositivo y en la nube que proporciona la "inteligencia". Cuanto más profunda es la sinergia entre estas tres capas, mayor es el espacio para la diferenciación en experiencia del usuario, privacidad, latencia y confiabilidad como servicio del sistema. Ejemplos como Apple Intelligence, Gemini Nano en Tensor G5 y la pila de Huawei ilustran esta integración. La batalla por los agentes del SO no se decide en los eventos de lanzamiento, sino en la evolución coordinada de chips, modelos y sistemas durante años.

marsbit05/27 10:26

El sistema operativo agentizado: no se trata de IA, sino de la base

marsbit05/27 10:26

Nuevo estudio de AMD desafía la creencia común: la inestabilidad del entrenamiento en FP4 no se debe a la falta de aleatoriedad

Un nuevo estudio de AMD y la Universidad Estatal de Pensilvania desafía la creencia de que la inestabilidad en el entrenamiento de modelos grandes de lenguaje (LLM) con precisión FP4 se debe a la falta de aleatoriedad. La investigación, realizada en hardware nativo FP4 (AMD Instinct MI355X), identifica que el problema principal es la acumulación y amplificación de errores estructurales de "microescalado" en la ruta del gradiente de los pesos (Wgrad). El estudio utilizó el formato MXFP4, que aplica factores de escala a pequeños bloques de datos. Los experimentos mostraron que cuantizar a FP4 las operaciones de propagación hacia adelante (Fprop) y gradiente de activación (Dgrad) era tolerable, pero al aplicar FP4 al cálculo del gradiente de los pesos (Wgrad), la convergencia se degradaba significativamente. Contrariamente a la intuición previa, estrategias como el redondeo estocástico o la transformada de Hadamard aleatoria empeoraban la inestabilidad. En cambio, una transformada de Hadamard **determinista** (no aleatoria) resultó efectiva, ya que aplica un patrón de error consistente que no se amplifica a lo largo del entrenamiento. Con esta solución, se completó el preentrenamiento de Llama 3.1-8B, logrando una aceleración del 9-10% en el entrenamiento extremo a extremo respecto a la línea base FP8, con solo un 8-9% de tokens adicionales necesarios para converger. Este trabajo demuestra la viabilidad del entrenamiento nativo FP4, potencialmente duplicando el rendimiento utilizable para entrenamiento en hardware como las GPU AMD MI350 y NVIDIA Blackwell, que ya soportan FP4.

marsbit05/27 06:23

Nuevo estudio de AMD desafía la creencia común: la inestabilidad del entrenamiento en FP4 no se debe a la falta de aleatoriedad

marsbit05/27 06:23

Hemos recopilado miles de ofertas de empleo y descubierto que ByteDance planea reactivar el desarrollo de teléfonos móviles

Investigando más de mil ofertas de empleo, encontramos evidencia de que ByteDance planea reiniciar el desarrollo de teléfonos móviles. El análisis de puestos en AI Innovación, Sistema Operativo Móvil y Asistente del Teléfono Doubao revela un esfuerzo significativo. Los puestos del Asistente del Teléfono Doubao (83 encontrados) se centran en desarrollar un Agente de IA de nivel de sistema, enfatizando capacidades de ejecución de tareas, memoria a largo plazo para el usuario e integración profunda con el hardware y sistema del dispositivo para una operación fluida. La categoría de Sistema Operativo Móvil (236 puestos) apunta al trabajo en el nivel más profundo del teléfono: adaptación de chips (como las nuevas plataformas Qualcomm), gestión de energía y calor, controladores, kernel y procesos de entrega para fabricación. Esto es crucial para que un Agente de IA funcione con estabilidad y eficiencia en un dispositivo real. Muchos puestos están ubicados en Shenzhen, epicentro de hardware y cadena de suministro, e incluyen roles en diseño de interacción humano-máquina, estructura mecánica, pruebas de producción y gestión de procesos de fabricación, señalando un paso hacia la creación de un producto físico. La motivación subyacente es estratégica. En la era de la IA, el teléfono puede pasar de ser un "contenedor de apps" a un "cuerpo" para Agentes de IA, que actúan como el principal intermediario del usuario. Para evitar limitaciones por parte de sistemas operativos o "super apps" ajenas y controlar completamente la experiencia del Agente, ByteDance debe involucrarse en la capa del sistema y el hardware. El reinicio del desarrollo de terminales móviles parece un movimiento necesario para asegurar el futuro de su plataforma de IA Doubao.

marsbit05/25 07:34

Hemos recopilado miles de ofertas de empleo y descubierto que ByteDance planea reactivar el desarrollo de teléfonos móviles

marsbit05/25 07:34

¿Quién está definiendo el hardware de IA en 2026?

En 2026, la industria del hardware de IA está en un punto de inflexión. Las autoridades chinas han lanzado un nuevo estándar nacional que clasifica la inteligencia de los terminales en cuatro niveles (L1 a L4), definiendo las capacidades y proporcionando métodos de prueba para dispositivos como teléfonos, ordenadores y auriculares. Esto ofrece claridad a los consumidores. Paralelamente, Alibaba Cloud presentó logros en hardware con IA y un plan de apoyo para fabricantes, incluyendo su modelo líder Qwen3.7-Max. El sector avanza desde la validación conceptual hacia una adopción a escala mediante la **colaboración entre el dispositivo y la nube**. Mientras que muchos productos actuales están en L1/L2, el nivel L3 (comprensión de intención compleja y servicio proactivo) marca la frontera. Para alcanzarlo, se requiere una combinación de percepción multimodal y razonamiento, facilitada por modelos en la nube potentes como los de Alibaba Cloud. Ejemplos como el robot doméstico de Ecovacs o las cámaras de baja potencia de Yanjiwei demuestran que la colaboración dispositivo-nube es esencial: el dispositivo maneja la respuesta en tiempo real, mientras que la nube procesa tareas complejas de razonamiento y memoria. Esto convierte a los proveedores de nube en proveedores de infraestructura integral para Agent (agentes de IA). El futuro, hacia el nivel L4, implica **inteligencia de sistema y colaboración entre múltiples dispositivos** (gafas, altavoces, robots) que compartan memoria y preferencias del usuario. Esto redefine la comercialización, transformando el hardware en una puerta de entrada a servicios por suscripción y experiencias continuas, en lugar de ser un producto aislado. El estándar traza el rumbo, y la colaboración dispositivo-nube proporciona el camino para que la industria avance.

marsbit05/22 06:03

¿Quién está definiendo el hardware de IA en 2026?

marsbit05/22 06:03

¿Por qué OpenAI quiere fabricar un teléfono? Los permisos que Apple no da, ChatGPT los toma por sí mismo

L'OpenAI, malgrat el seu èxit amb ChatGPT i 900 milions d'usuaris setmanals, s'enfronta a límits crítics. El seu rival Anthropic, amb Claude Code, ha demostrat que els ingressos provinen de fer tasques completes, no només de respondre preguntes. Per a ChatGPT esdevenir un agent capaç d'executar accions (comprar bitllets, gestionar fitxers), necessita accés i permisos del sistema profunds que ni Apple ni Microsoft estan disposats a concedir, ja que això representaria cedir la sobirania sobre els seus dispositius i plataformes. Conscient que el model per si sol no és suficient, OpenAI estaria accelerant el desenvolupament del seu primer telèfon centrat en Agent d'IA, amb l'objectiu de llançar-lo el 2027. Aquesta jugada no busca competir amb l'iPhone en el sentit tradicional, sinó crear un "cos" propi per a ChatGPT: un dispositiu on l'IA tingui l'entrada per defecte i els permisos necessaris per veure, interpretar i actuar directament en nom de l'usuari. L'adquisició del dissenyador Jony Ive subratlla aquesta ambició de redefinir el dispositiu personal en l'era de la IA. En essència, OpenAI no vol fabricar un telèfon, vol recuperar la sobirania sobre com la seva intel·ligència interactua amb el món.

marsbit05/18 10:23

¿Por qué OpenAI quiere fabricar un teléfono? Los permisos que Apple no da, ChatGPT los toma por sí mismo

marsbit05/18 10:23

muShanghai debate sobre la IA de consumo: tras la iteración continua de los grandes modelos, la competencia de productos se dirige hacia los escenarios y la experiencia

El debate en muShanghai AI Week, moderado por PANews, reunió a expertos de MiniMax, FateTell, Sentient y el músico independiente Gao Jiafeng para analizar el futuro de la IA de consumo. Aunque los modelos grandes avanzan rápidamente, los participantes coincidieron en que la verdadera barrera para los productos exitosos no es la tecnología, sino la comprensión profunda de los escenarios de uso, la organización de datos, la educación del usuario y la creación de valor emocional. Se destacó que la IA no ha simplificado el emprendimiento; la dificultad clave sigue siendo identificar escenarios sostenibles. Ejemplos como FateTell (astrología china para mercados globales) y el proyecto musical lúdico de Gao Jiafeng ilustran cómo el éxito reside en conectar con necesidades humanas profundas (búsqueda de significado, participación creativa) más que en la mera generación de resultados. Con el auge de los agentes de IA, la educación del usuario está evolucionando hacia un aprendizaje mediante la interacción. Mirando hacia los próximos 3-5 años, se prevé que la IA se integre más en el mundo físico a través de hardware y dispositivos con mayor capacidad de acompañamiento emocional. La personalización extrema y la "democratización técnica" permitirán servicios altamente individualizados. En conclusión, la competencia futura en la IA de consumo no girará en torno a quién tiene el modelo más potente, sino en quién comprende mejor al usuario, sus escenarios específicos y sus necesidades emocionales, construyendo productos que establezcan conexiones genuinas y perdurables.

marsbit05/16 03:10

muShanghai debate sobre la IA de consumo: tras la iteración continua de los grandes modelos, la competencia de productos se dirige hacia los escenarios y la experiencia

marsbit05/16 03:10

TechFlow Inteligencia: La bolsa de Corea del Sur se desploma, se publican las tenencias de Trump en el Q1

**Resumen de TechFlow Intelligence: Mercado bursátil de Corea se desploma, se revelan las tenencias de Trump en Q1** OpenAI permite escribir código con Codex directamente en el móvil, generando debate sobre su utilidad. Un usuario de AWS recibió una factura de 30.000 dólares por una llamada descontrolada a Claude, destacando los riesgos de la computación en la nube. La valoración de Anthropic supera a la de OpenAI, alimentando la discusión sobre la competencia entre modelos de IA. En seguridad, un modelo local ejecutó por error el comando `rm -rf`, borrando archivos del usuario. arXiv implementa nuevas normas: un año de prohibición para autores que usen LLMs que generen errores graves. El Wall Street Journal reporta un aumento masivo de calificaciones "A" tras la llegada de ChatGPT, cuestionando los sistemas de evaluación. En cripto, un comité del Senado de EE.UU. avanza una ley de estructura de mercado, visto como un paso clave para la regulación. Expiran opciones de Bitcoin por 2.000 millones de dólares, mientras se debate si las criptomonedas son realmente inembargables. Un usuario perdió 180 dólares en un intercambio descentralizado (DEX) por deslizamiento de precio y costes de transacción, y se discute si DeFi, sin los rendimientos de las monedas estables, es un juego de suma cero. NVIDIA planea subir el precio de la RTX 5090. EE.UU. autoriza a 10 empresas chinas a comprar chips H200, y en foros se habla de GPUs chinas modificadas. Apple baja repentinamente el precio del iPhone. La bolsa de Corea cae por debajo de los 8000 puntos, con fuertes pérdidas de Samsung y SK Hynix, lo que genera preocupación por el alto apalancamiento de los inversores minoristas. Se revela la primera explotación pública de la memoria del kernel del chip M5 de Apple. Cisco anuncia ingresos récord y, al mismo tiempo, despidos. SpaceX enfrenta una fuga de empleados tras su fusión con xAI. NVIDIA alcanza una capitalización de mercado de 5,7 billones de dólares. Se revela que Trump redujo significativamente su posición en Amazon, Meta y Microsoft en el primer trimestre, mientras compraba NVIDIA y Broadcom, apostando por la infraestructura de IA. Cerebras, un "competidor de NVIDIA", se dispara en su debut bursátil. Un usuario de Reddit afirma haber ganado 4 millones de dólares con un ETF apalancado, y se debate si la IA es una burbuja. La plata cae más de un 3% tras el aumento de aranceles a la importación en India y datos minoristas fuertes en EE.UU. El conflicto en Irán interrumpe el transporte marítimo en el estrecho de Ormuz, afectando el suministro de crudo. El oro también cae. Meta lanza las gafas Ray-Ban con pantalla, con soporte para entrada de escritura virtual. Una nueva tecnología de "sueño táctil" mejora drásticamente la tasa de éxito de robots humanoides en tareas complejas. **Línea subyacente del día:** La IA está creando dos tipos de facturas: facturas de servicios inesperadas (como los 30.000 dólares de AWS) y valoraciones bursátiles estratosféricas (los 5,7 billones de NVIDIA). Mientras tanto, el mundo académico y educativo lidia con el impacto disruptivo de los LLMs, desde la prohibición de artículos generados por IA hasta la inflación de calificaciones. La tecnología navega entre el descontrol y la exuberancia, mientras los mercados, la regulación y la academia buscan nuevos puntos de equilibrio.

marsbit05/15 11:03

TechFlow Inteligencia: La bolsa de Corea del Sur se desploma, se publican las tenencias de Trump en el Q1

marsbit05/15 11:03

Diez años apostando por Cerebras: cómo los chips de IA 'a escala de oblea' llegaron al Nasdaq

**Resumen: Una década de apuesta por Cerebras: cómo los "chips de IA a nivel de oblea" llegaron a cotizar en Nasdaq** El 14 de mayo, Cerebras salió a bolsa en Nasdaq. Su viaje, narrado por un inversor inicial, comenzó en 2016 con una hoja de términos entregada en persona en pleno Día de los Inocentes. Esta acción simbolizaba la profunda relación y confianza con el fundador Andrew Feldman, forjada desde 2007. En una época donde la IA era aún incierta y las GPU eran la arquitectura por defecto, Feldman y su cofundador Gary Lauterbach, junto a un equipo excepcional, imaginaron un ordenador completamente nuevo para la IA. Identificaron que el cuello de botella no era la potencia bruta, sino el ancho de banda de memoria. Su solución radical fue el chip de escala de oblea (Wafer-Scale Engine), 58 veces más grande que los chips más grandes de la época. Esto implicó reinventar prácticamente todo: semiconductores, sistemas, enfriamiento, alimentación y software. El camino estuvo plagado de desafíos de ingeniería, incluido un prototipo que literalmente "humo" en su primer encendido. La clave del éxito fue la disciplina, la persistencia y una cultura de confianza no transaccional. El equipo, muchos de los cuales habían trabajado juntos durante décadas, combinaba una ambición rebelde con una inteligencia colaborativa y una genuina bondad. El momento de la verdad llegó en agosto de 2019, cuando su ordenador único funcionó por primera vez. Hoy, la salida a bolsa de Cerebras no es solo el éxito de una empresa. Es un recordatorio de que la revolución de la potencia computacional para la IA puede venir de reimaginar la arquitectura misma, no solo de acumular más GPU, y es un testimonio del poder de los fundadores que eligen problemas que valen la pena resolver y persisten contra toda probabilidad.

marsbit05/15 04:00

Diez años apostando por Cerebras: cómo los chips de IA 'a escala de oblea' llegaron al Nasdaq

marsbit05/15 04:00

Con capacidad computacional limitada, ¿por qué DeepSeek-V4 se lanza como código abierto?

Resumen: DeepSeek lanzó su modelo de lenguaje de gran tamaño V4 de código abierto, ofreciendo capacidad de contexto de 1 millón de tokens. Aunque su versión Pro tiene limitaciones de capacidad de cálculo debido a la escasez de hardware de alta gama en China, utiliza un diseño de activación de parámetros dispersos (49B activados de 1.6T total) y técnicas de compresión de atención, logrando un rendimiento cercano a modelos cerrados líderes. La versión Flash, con solo 13B parámetros activados, permite un uso más accesible y es compatible con chips chinos como Ascend y Cambricon. El movimiento refleja una estrategia pragmática para adaptarse a las limitaciones de computación, priorizando la optimización de algoritmos y la integración con hardware local, mientras busca financiación con una valoración de 10.000 millones de dólares.

marsbit04/26 00:36

Con capacidad computacional limitada, ¿por qué DeepSeek-V4 se lanza como código abierto?