Artículos Relacionados con Inferencia

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

El desafío de la potencia de cálculo en el ajedrez de la IA entre China y Estados Unidos

La carrera por la inteligencia artificial entre China y EE.UU. enfrenta un desafío fundamental: la enorme brecha en capacidad de computación (computing power). Mientras empresas estadounidenses como Meta, Google y xAI despliegan cientos de miles de GPUs de alta gama (como las de Nvidia) para entrenar modelos con billones de parámetros, China depende en gran medida de chips de inferencia nacionales para tareas menos exigentes. El artículo destaca que la escasez de chips de entrenamiento de última generación, debido a las restricciones de exportación estadounidenses, es la raíz de la diferencia entre los modelos de IA de ambos países. Según estimaciones, EE.UU. posee el doble de capacidad de computación que China, y un solo gigante tecnológico estadounidense puede superar la suma de todas las empresas chinas. Esto permite a EE.UU. iterar modelos mucho más rápido y entrenar sistemas con parámetros significativamente mayores. Aunque líderes tecnológicos como Huang Jen-hsun (Nvidia) o Elon Musk elogian el progreso chino, la realidad muestra un rezago. El modelo chino más avanzado, DeepSeek V4 Pro, tiene 1.6 billones de parámetros, muy por detrás de los 10 billones de modelos estadounidenses como Mythos de Anthropic. Además, se estima que China está entre 8 y 15 meses atrás en la frontera de la IA. El ascenso de fabricantes nacionales chinos como Huawei (Ascend 910B), Moore Thread o Cambricon representa un camino esperanzador. Aunque su rendimiento absoluto y ecosistema de software (similar al CUDA de Nvidia) aún están en desarrollo, ya logran avances en inferencia y comienzan a adaptarse para entrenamiento básico. El éxito a largo plazo requerirá paciencia, inversión sostenida y un esfuerzo colectivo similar al que llevó a Corea del Sur a dominar la industria de chips de memoria. En este duelo geopolítico por la IA, China avanza con determinación, pero el camino por recorrer es extenso.

marsbitHace 1 hora(s)

El desafío de la potencia de cálculo en el ajedrez de la IA entre China y Estados Unidos

marsbitHace 1 hora(s)

¿Mac inactivas pueden generar dinero? Un análisis de Darkbloom, la red de inferencia de IA descentralizada lanzada por Eigen Labs

El proyecto Darkbloom, lanzado por Eigen Labs, es una red descentralizada de inferencia de IA que permite a los usuarios aprovechar la potencia de sus Mac con chips Apple Silicon en estado de reposo para realizar tareas de procesamiento de inteligencia artificial. La arquitectura se compone de tres elementos: usuarios que envían solicitudes, un coordinador que las dirige y proveedores (dueños de los Mac) que ejecutan los modelos sin poder ver el contenido de las peticiones, garantizando privacidad mediante verificación hardware. El sistema prioriza la privacidad y la seguridad, utilizando la arquitectura de seguridad de Apple para autenticación y aislamiento. Economicamente, se diferencia al no emitir tokens; los proveedores reciben el 100% de los ingresos por inferencia, con precios aproximadamente un 50% más bajos que los de los agregadores de API tradicionales. Sin embargo, en su fase alfa actual, las ganancias son modestas (el mejor proveedor obtiene menos de 6 dólares diarios), aunque se espera que aumenten con la adopción de modelos más grandes y mayor uso. Para participar, se necesita un Mac con Apple Silicon, macOS 14 o superior, instalar el software Darkbloom y mantener el equipo conectado a internet. El proyecto ya está disponible en OpenRouter con modelos como Gemma 4 de Google y GPT-OSS de OpenAI.

marsbitHace 4 hora(s)

¿Mac inactivas pueden generar dinero? Un análisis de Darkbloom, la red de inferencia de IA descentralizada lanzada por Eigen Labs

marsbitHace 4 hora(s)

La CPU regresa a la mesa: comienza un 'ascenso' de 170.000 millones de dólares

El 1 de junio, NVIDIA presentó su primera CPU independiente, Vera, en el GTC Taipei 2026, marcando su entrada directa en este mercado. Simultáneamente, AMD ha duplicado su previsión del tamaño del mercado de CPUs para servidores a más de 1,2 billones de dólares, reflejando el crecimiento explosivo impulsado por la IA. Según UBS, se espera que el mercado de CPUs para servidores alcance unos 170.000 millones de dólares en 2030. El motivo principal de este resurgimiento es la transición de la IA hacia la fase de inferencia y los Agentes Inteligentes (Agentic AI). En este contexto, las CPUs asumen un papel crucial, gestionando hasta el 90% de la latencia en tareas complejas que involucran razonamiento múltiple, llamadas a herramientas externas y gestión de datos. A diferencia del entrenamiento, dominado por las GPUs, los Agentes generan grandes volúmenes de datos intermedios (KV Cache) que superan la capacidad de memoria de las GPUs, trasladándose a la memoria masiva de las CPUs. Esto ha alterado la proporción típica entre GPU y CPU, acercándose a 1:1 en escenarios de Agentes, frente a la proporción anterior de 1:8. Esta mayor demanda ha provocado un aumento de precios del 10%-15% en CPUs de servidor, la primera subida significativa en más de una década, y ha generado escasez de suministro. Se prevé que el mercado se divida en CPUs de alto rendimiento para clústeres de IA (~700.000 millones dólares) y CPUs desplegadas de forma independiente para Agentes (~700.000 millones dólares), un segmento nuevo desde 2026. NVIDIA, con su CPU Vera basada en ARM, apunta a un ratio 1:1 con sus GPUs Rubin. AMD superó a Intel en ingresos por centro de datos en el primer trimestre de 2026. En China, fabricantes como Hygon (arquitectura x86) y Huawei (ARM) se benefician de esta tendencia global y de las políticas de sustitución de importaciones, enfrentándose a una ventana de oportunidad crítica antes de 2027. En resumen, la era de los Agentes de IA ha reposicionado a la CPU como un cuello de botella crítico y un motor de crecimiento clave, donde la capacidad de colaboración entre CPU y GPU será más decisiva que el rendimiento individual de cada chip.

marsbitHace 2 días 13:50

La CPU regresa a la mesa: comienza un 'ascenso' de 170.000 millones de dólares

marsbitHace 2 días 13:50

BitTorrent Lanza BTTInferGrid: La Capa de Infraestructura Descentralizada para Inferencia de IA Escalable

BitTorrent lanza BTTInferGrid, una red descentralizada de computación GPU diseñada específicamente para inferencia de IA. La plataforma aborda los cuellos de botella de la infraestructura centralizada tradicional, como la alta latencia, los modelos de precios rígidos y el elevado coste de acceso a las GPU. BTTInferGrid conecta la oferta global de capacidad GPU inactiva con la creciente demanda de cargas de trabajo de inferencia de IA. Ofrece un acceso sin permisos, verificación en cadena de los resultados y un modelo de pago por uso. La arquitectura descentralizada agrega recursos GPU fragmentados y subutilizados, creando una red informática abierta y compartida. La plataforma funciona a través de tres participantes clave: Proveedores de Cómputo (mineros), Solicitantes de Cómputo (desarrolladores de IA) y Validadores. Su hoja de ruta incluye una fase inicial de arranque de la red en 2026, seguida de la diversificación del ecosistema y el objetivo a largo plazo de convertirse en una capa de infraestructura de IA nativa de Web3. BTTInferGrid se basa en la experiencia probada de BitTorrent y su sistema de archivos BTFS.

TheNewsCrypto06/18 07:36

BitTorrent Lanza BTTInferGrid: La Capa de Infraestructura Descentralizada para Inferencia de IA Escalable

TheNewsCrypto06/18 07:36

Informe de Bernstein: La IA Agente convertirá a las CPU de secundarias a protagonistas, visión optimista sobre Hygon Information

El informe de Bernstein titulado “CPU Renaissance?” (Renacimiento de las CPU) presenta una tesis central: la IA está evolucionando de la era del chatbot a la era de la IA agencial (Agentic AI). En esta nueva fase, las cargas de trabajo implican “ciclos de razonamiento” complejos, donde un agente recupera información, planifica, usa herramientas y ejecuta acciones. Este proceso requiere una coordinación intensiva, lo que aumenta drásticamente la importancia de las CPU en los centros de datos para orquestar flujos de trabajo, gestionar memoria y evitar que las costosas GPU permanezcan inactivas. El informe predice que para 2029, la proporción GPU:CPU en clústeres de inferencia se equilibrará de 8:1 a 1:1. En cargas de trabajo de IA agencial, la CPU representará hasta el 50% del cómputo. Esto impulsaría el mercado total direccionable (TAM) de CPU para servidores a 223.000 millones de dólares para 2030, un crecimiento de seis veces desde 2025. Bernstein señala que Arm será el mayor beneficiario estructural, gracias a su eficiencia energética y a su nueva estrategia de fabricar sus propios chips. La firma también es optimista sobre AMD (que mantiene liderazgo en x86), Intel (con una demanda más fuerte) y, en particular, Hygon (Hǎiguāng Xìnxī) en China, a la que otorga una calificación de “sobreponderar” y un precio objetivo de 450 yuanes, citando su creciente cuota en el mercado chino de servidores. La principal incertidumbre señalada en el informe es la capacidad de la cadena de suministro (fundamentalmente, las fundiciones) para soportar este crecimiento explosivo de la demanda de CPU. En resumen, si la IA agencial se adopta masivamente, la narrativa de inversión en semiconductores debería cambiar de un enfoque dominado por la GPU a uno más equilibrado entre CPU y GPU.

marsbit06/17 09:49

Informe de Bernstein: La IA Agente convertirá a las CPU de secundarias a protagonistas, visión optimista sobre Hygon Information

marsbit06/17 09:49

¿Cuánto de tu suscripción a Claude se destina realmente a las empresas de módulos ópticos?

Breve resumen: Un gráfico que desglosa los 20 USD mensuales de Claude Pro en costes de modelo, computación en la nube, depreciación de GPU, electricidad y cadena de suministro está impulsando un debate entre inversores sobre cómo valorar los ingresos por IA. A diferencia del SaaS tradicional, donde el coste marginal por uso adicional es casi cero, cada consulta en un modelo de IA genera costes variables de inferencia (GPU, energía, ancho de banda). Esto cuestiona si los ingresos por suscripción a IA equivalen a ingresos SaaS de alto margen. Actualmente, el crecimiento del uso de IA beneficia de forma más directa y predecible a la infraestructura (nube, GPU, HBM, electricidad) que a las empresas de aplicaciones. Los defensores argumentan que la optimización de modelos, caché, chips propios y una mejor eficiencia reducirán los costes unitarios, permitiendo márgenes similares al software. Sin embargo, el reto es si esta reducción de costes superará el aumento del volumen y la complejidad de las tareas. Para justificar valoraciones elevadas, las empresas de IA deben demostrar que pueden mantener o mejorar la rentabilidad a medida que escala el uso, no solo el número de suscriptores.

marsbit06/17 03:46

¿Cuánto de tu suscripción a Claude se destina realmente a las empresas de módulos ópticos?

marsbit06/17 03:46

AMD lanza un mini PC para IA, apuntando directamente al DGX Spark de NVIDIA

En junio de 2026, AMD presentó Ryzen AI Halo, un miniordenador de desarrollo de IA local con 128 GB de memoria unificada, que compite directamente con el DGX Spark de NVIDIA. Aunque ambos dispositivos tienen especificaciones de memoria similares y son capaces de ejecutar modelos de lenguaje grandes localmente, sus enfoques son diferentes: AMD ofrece una plataforma más asequible y abierta basada en x86 y Windows/Linux, con el ecosistema de software ROCm, mientras que NVIDIA proporciona un entorno especializado y optimizado con su arquitectura Blackwell, la tarjeta de red ConnectX-7 y el sólido ecosistema CUDA, aunque a un precio superior. En los últimos meses, AMD ha consolidado su estrategia en IA con la adquisición de capacidades de diseño de sistemas, importantes acuerdos de suministro de GPU con OpenAI y Meta (por 6 GW cada uno), y mejoras continuas en ROCm. Sin embargo, NVIDIA mantiene una ventaja significativa en software, optimización de hardware para cómputo distribuido y un ecosistema maduro. La elección entre ambos dispositivos refleja un dilema más amplio: la conveniencia y el rendimiento optimizado de un ecosistema cerrado (NVIDIA) frente a la flexibilidad y el ahorro de costes de una alternativa abierta (AMD), especialmente para desarrolladores sensibles al precio o que buscan evitar la dependencia de un solo proveedor.

marsbit06/16 09:18

AMD lanza un mini PC para IA, apuntando directamente al DGX Spark de NVIDIA

marsbit06/16 09:18

Mapa del Panorama de la IA Descentralizada 2026: ¿Por qué blockchain es la "solución" inevitable para la IA?

La IA descentralizada surge para abordar los cuellos de botella estructurales de la IA centralizada: recursos de computación escasos y costosos, control excesivamente concentrado, resultados no verificables y dificultades crecientes para obtener datos de entrenamiento. La blockchain permite que la IA sea abierta, verificable y económicamente accesible. El panorama tecnológico se estructura en tres capas: Infraestructura (computación, inferencia, entrenamiento, datos y almacenamiento descentralizados y verificables, con actores como Akash, Render y Filecoin), Middleware (coordinación, identidad y mercados para agentes, destacando Bittensor, NEAR y Virtuals) y Aplicaciones (agentes financieros y de pago autónomos que ejecutan acciones on-chain, como ARMA, Infinit Labs y x402). Para 2026-2027, el crecimiento de la IA supera a la infraestructura, los agentes son el motor principal y la computación se convierte en una clase de activo con mercados on-chain. La tokenómica es una ventaja estructural para coordinar capital, computación y datos. Aunque el campo es temprano y la adopción es desigual, proyectos como Bittensor muestran que la IA descentralizada está evolucionando de una narrativa a un nuevo modelo para coordinar la inteligencia.

marsbit06/12 02:46

Mapa del Panorama de la IA Descentralizada 2026: ¿Por qué blockchain es la "solución" inevitable para la IA?

marsbit06/12 02:46

Mapa Panorámico de IA Descentralizada 2026: ¿Por qué blockchain es el 'antídoto' ineludible para la IA?

La IA descentralizada está surgiendo como solución a los cuellos de botella estructurales de la IA centralizada, como la escasez de recursos de computación, la concentración de poder, la falta de verificabilidad de los resultados y los desafíos para acceder a datos de entrenamiento. En este panorama de 2026, blockchain actúa como un antídoto crucial para hacer la inteligencia abierta, verificable y económicamente accesible. El ecosistema se estructura en capas. La capa de infraestructura ofrece recursos fundamentales como cómputo distribuido (Akash, Render), almacenamiento descentralizado (Filecoin) e inferencia verificable (OpenGradient). La capa de middleware, con proyectos como Bittensor, NEAR y Virtuals, se centra en la coordinación, identidad y mercados para agentes autónomos. Finalmente, la capa de aplicación despliega estos agentes en casos de uso como las finanzas agentivas (Giza, Infinit) y los pagos automatizados entre máquinas (protocolos como x402). Para 2026-2027, se espera que la IA descentralizada evolucione desde una narrativa especulativa hacia un nuevo modelo de coordinación, donde la economía de tokens, la computación como clase de activo y el crecimiento de los agentes autónomos serán los principales motores. Aunque el sector es aún incipiente y enfrenta desafíos de adopción, proyectos líderes están demostrando un camino viable para un futuro de la IA más abierto y descentralizado.

Foresight News06/11 10:08

Mapa Panorámico de IA Descentralizada 2026: ¿Por qué blockchain es el 'antídoto' ineludible para la IA?

Foresight News06/11 10:08

Cuando el razonamiento se convierte en un recurso escaso, ¿quién captura el valor?

Cuando la inferencia se convierte en un recurso escaso, ¿quién captura el valor? El artículo analiza cómo el cuello de botella en la IA ha pasado del entrenamiento a la inferencia, impulsado por el auge de la IA agéntica y física. Empresas como Cerebras, con su IPO exitoso, y Nvidia, que reorganizó sus informes financieros en torno a "tokens de servicio", confirman esta tendencia. La inferencia, un costo operativo recurrente, supera ampliamente al entrenamiento único en escala. Ante una posible sobrecapacidad de GPU, el valor se acumula en la capa que agrega y enruta el poder computacional de manera más eficiente, no en la que posee el hardware. Hyperbolic, al agregar oferta fragmentada de múltiples nubes sin poseer GPUs, ejemplifica este modelo, posicionándose para beneficiarse de la optimización de recursos en la economía de la inferencia.

链捕手06/08 15:45

Cuando el razonamiento se convierte en un recurso escaso, ¿quién captura el valor?