Artículos Relacionados con Nvidia

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

DeepSeek fabrica en secreto su propio chip, especializado en inferencia, iniciado hace un año, con un proceso de contratación no público

DeepSeek está desarrollando en secreto su propio chip de IA, centrado en inferencia, según información de Reuters. El proyecto, iniciado hace aproximadamente un año, busca reducir la dependencia de la empresa de proveedores externos como NVIDIA. Aunque se encuentra en etapas tempranas, DeepSeek ya ha establecido contactos con diseñadores de chips, fundiciones y proveedores de memoria. Históricamente conocida por su optimización algorítmica, la compañía ha estado contratando ingenieros de diseño de chips de forma discreta, sin publicar ofertas en plataformas abiertas. Esta estrategia se alinea con una tendencia global donde empresas de modelos de IA, como OpenAI y Anthropic, también exploran el desarrollo de hardware propio. El chip está específicamente diseñado para inferencia, una necesidad crítica a medida que se expanden las aplicaciones de IA. DeepSeek ya ha preparado el terreno con formatos de datos como el UE8M0 FP8, optimizados para hardware futuro. Sin embargo, el desarrollo de un chip competitivo conlleva grandes desafíos en tiempo y coste. El esfuerzo está respaldado por una ronda de financiación de aproximadamente 510 mil millones de yuanes (74 mil millones de dólares) completada en junio de 2026. Los fondos se destinarán a centros de datos con chips domésticos, el desarrollo del chip y la expansión del equipo. La compañía también está reclutando para proyectos de infraestructura, como centros de datos en Ulanqab, Mongolia Interior. DeepSeek mantiene su perfil bajo y no ha comentado públicamente sobre el proyecto.

marsbitHace 3 hora(s)

DeepSeek fabrica en secreto su propio chip, especializado en inferencia, iniciado hace un año, con un proceso de contratación no público

marsbitHace 3 hora(s)

Cuando el campeón mundial de League of Legends usa sus 'movimientos divinos' para operar en bolsa...

El campeón mundial de League of Legends, imp, famoso por su dominio del personaje "Twitch" y conocido como el "Rey de las Ratas", ha cambiado el campo de batalla de la grieta por el del mercado de valores. Tras una carrera de altibajos, que incluyó un título mundial en 2014 con Samsung White, un paso por la LPL china y un divorcio problemático que lo dejó sin ahorros, el exprofesional encontró un nuevo éxito en la inversión bursátil. Según comentarios en sus transmisiones y rumores entre sus colegas, como Doinb, imp ha logrado una considerable fortuna invirtiendo en acciones coreanas y estadounidenses, especialmente en el sector de los semiconductores. Afirmó haber invertido en Nvidia antes del auge de la IA y haber multiplicado por diez sus activos en un periodo de siete meses, posiblemente mediante grandes apuestas en acciones como SK Hynix. Su silencio reciente en las redes sociales y su ausencia de las transmisiones, incluso en su cumpleaños, alimentan la especulación de que podría haber logrado la independencia financiera a través de sus operaciones bursátiles, cerrando así un capítulo difícil de su vida con un giro de trama digno de una novela.

Odaily星球日报Ayer 03:12

Cuando el campeón mundial de League of Legends usa sus 'movimientos divinos' para operar en bolsa...

Odaily星球日报Ayer 03:12

Un megavatio alimenta 60.000 agentes, el GB300 de NVIDIA supera en 20 veces a su predecesor

NVIDIA anuncia que su nuevo sistema GB300 NVL72, utilizando un consumo de energía de un megavatio, puede manejar concurrentemente hasta 61.400 agentes de IA, una mejora de 20 veces sobre la generación anterior H200 (aproximadamente 2.600 agentes por megavatio). Este rendimiento superior se mide utilizando el nuevo punto de referencia AA-AgentPerf, el primero diseñado específicamente para evaluar la inferencia de "agentes de IA". A diferencia de los puntos de referencia tradicionales que miden solicitudes únicas, AA-AgentPerf simula la carga de trabajo real de un agente, como un asistente de programación, que ejecuta docenas o cientos de llamadas encadenadas al modelo, intercaladas con llamadas a herramientas, lo que genera contextos largos y variables. La métrica clave es "agentes concurrentes por megavatio", midiendo cuántos agentes activos puede sostener un sistema bajo un objetivo de nivel de servicio (SLO) específico, como generar 20 o 60 tokens por segundo. La ventaja del GB300 NVL72 no es solo una mejora en el chip, sino una victoria a nivel de sistema. Conecta 72 GPUs en un solo rack mediante NVLink, permitiendo que modelos grandes, como los Mixtos de Expertos (MoE), se distribuyan eficientemente. La optimización del software, incluido TensorRT-LLM, también contribuye. Los resultados muestran que, para un modelo MoE avanzado, el GB300 logra ~57.5 agentes por GPU, frente a ~1.4 del H200, una ventaja de 40 veces por GPU. Es importante señalar que la prueba simula sesiones pre-grabadas y no refleja directamente la capacidad de producción. AA-AgentPerf es un estándar emergente que busca llenar el vacío para medir el rendimiento de los agentes de IA en condiciones realistas, donde la eficiencia energética y la densidad de servicio son cruciales.

marsbitHace 2 días 01:06

Un megavatio alimenta 60.000 agentes, el GB300 de NVIDIA supera en 20 veces a su predecesor

marsbitHace 2 días 01:06

Los tokens se tragan el 30% de los salarios: la factura de la IA en Silicon Valley se ha descontrolado

El gasto en tokens de IA consume hasta el 30% de los salarios en empresas como SemiAnalysis, donde el uso intensivo de modelos grandes ha reescrito la economía de los servicios profesionales, multiplicando la productividad. Sin embargo, gigantes como Uber y Microsoft enfrentan facturas descontroladas y límites de uso, ya que los costos de computación a menudo superan los beneficios inmediatos. Mientras tanto, la optimización de software y hardware está impulsando una caída estructural en los precios de los tokens, con proyecciones de reducciones de costos de más del 90% para 2030. Esta dualidad define el momento actual de la IA: una inversión masiva y disrupción laboral, aún a la espera de un impacto económico tangible generalizado, similar a las fases iniciales de revoluciones infraestructurales previas.

marsbitHace 2 días 00:17

Los tokens se tragan el 30% de los salarios: la factura de la IA en Silicon Valley se ha descontrolado

marsbitHace 2 días 00:17

Tanto OpenAI como Anthropic se proponen "desarrollar sus propios chips": más allá del coste, lo más importante es el control de la capacidad de cálculo

Según informes, Anthropic está negociando con Samsung para desarrollar chips de IA personalizados, siguiendo los pasos de OpenAI. Ambas empresas buscan reducir costes y, lo más importante, controlar su infraestructura de cómputo. Actualmente, dependen en gran medida de proveedores como Nvidia, lo que genera incertidumbre y altos costes operativos. El objetivo principal no es solo sustituir a proveedores externos, sino lograr una optimización integral entre el software y el hardware. Los chips personalizados permitirían adaptar el diseño de los modelos de IA a la arquitectura del chip, mejorando la eficiencia energética y el rendimiento. Expertos señalan que la mayor ganancia de eficiencia proviene de este diseño conjunto, no solo de chips más rápidos. Aunque OpenAI y Anthropic avanzan hacia chips propios, esto no reemplazará de inmediato a las GPU de Nvidia, que mantienen ventajas en adaptabilidad y ecosistema. En cambio, los chips personalizados probablemente se usarán para cargas de trabajo específicas, como la inferencia. Esta tendencia refleja una competencia más amplia en la industria por la autonomía en cómputo. Empresas como Google, Amazon, Meta y Microsoft también desarrollan sus propios chips. Para Samsung, obtener el contrato de fabricación de Anthropic supondría un impulso significativo en el competitivo mercado de semiconductores para IA.

marsbit07/03 13:42

Tanto OpenAI como Anthropic se proponen "desarrollar sus propios chips": más allá del coste, lo más importante es el control de la capacidad de cálculo

marsbit07/03 13:42

Acciones de semiconductores se desploman, pero Anthropic quiere fabricar un chip de 2 nm

**Anthropic planea su propio chip de IA de 2nm con Samsung** La startup de inteligencia artificial Anthropic, creadora del modelo Claude, ha iniciado los primeros trabajos para diseñar su propio chip de IA, según fuentes citadas por The Information. Las conversaciones exploratorias con Samsung apuntan a utilizar el avanzado proceso de fabricación de 2 nanómetros y tecnologías de empaquetado de la empresa coreana. Esta iniciativa, aún en fase inicial y sujeta a posibles cancelaciones, tiene como objetivo principal desarrollar un chip optimizado para **inferencia**, el proceso de ejecución de modelos ya entrenados. Esto permitiría a Anthropic ejecutar sus modelos de manera más rápida, eficiente y con menor coste operativo, reduciendo su dependencia de proveedores externos como NVIDIA, AWS o Google. La elección de Samsung no es casual. El gigante tecnológico coreano participó como inversor estratégico en la última ronda de financiación de Anthropic. Para Samsung, fabricar un chip de vanguardia para una empresa líder en IA supone una oportunidad clave para competir contra TSMC en el lucrativo negocio de la **fabricación por contrato (foundry)**. Anthropic enfatiza que, a corto plazo, su expansión en capacidad de cálculo seguirá dependiendo de los chips de sus socios actuales (Trainium de AWS, TPU de Google y GPUs de NVIDIA). La compañía mantiene una estrategia de múltiples proveedores para mitigar riesgos, incluyendo acuerdos a largo plazo por valor de cientos de miles de millones con AWS y Google, y el alquiler de un enorme clúster de GPUs de NVIDIA a través de xAI. Este movimiento se enmarca en una tendencia más amplia: las principales empresas de IA (OpenAI, Google, Amazon, Meta) buscan desarrollar **chips propios personalizados** para ganar eficiencia y control en su infraestructura crítica. Sin embargo, analistas señalan que esta búsqueda de independencia crea interdependencias más complejas, ya que todas dependen de los mismos fabricantes de chips asiáticos para su producción. Pese a estos esfuerzos, NVIDIA mantiene una posición dominante, con una cuota de mercado en inferencia que roza el 75%.

链捕手07/03 10:00

Acciones de semiconductores se desploman, pero Anthropic quiere fabricar un chip de 2 nm

链捕手07/03 10:00

El artículo más 'peligroso' del año de NVIDIA: El código auto-reproductor de la IA, evolución y mejora ilimitadas

NVIDIA, junto con la Universidad de Cambridge, ha publicado un artículo titulado "Red Queen Gödel Machine" (RQGM), considerado por muchos como uno de los más arriesgados del año. El sistema implementa un mecanismo de "Recursive Self-Improvement" (RSI) donde una IA no solo escribe y prueba su propio código, eliminando las versiones fallidas, sino que también evoluciona y crea evaluadores ("examinadores") más estrictos para juzgar sus mejoras posteriores. Este ciclo de mejora mutua y acelerada entre el agente y su evaluador, inspirado en la "Hipótesis de la Reina Roja" (correr para permanecer en el mismo lugar), rompe con el límite de 20 años de la "Máquina de Gödel" original, que requería una demostración matemática previa a cualquier autocambio. En pruebas prácticas, el RQGM superó a los métodos anteriores (SOTA) en tareas como generación de código (mejorando la tasa de aprobación y reduciendo costos computacionales), escritura de artículos académicos (duplicando la tasa de aceptación simulada) y resolución de problemas matemáticos complejos. Además, logró corregir el sesgo de los LLMs que prefieren contenido generado por IA frente al humano, igualando la aceptación manteniendo alta precisión. El hallazgo aviva las predicciones, como la de Jack Clark de Anthropic, que estima un 60% de probabilidad de que surja una IA altamente autónoma y auto-evolutiva para finales de 2028. El artículo concluye que cuando una IA empieza a diseñar sus propios criterios de evaluación y a impulsarse recursivamente hacia sus límites, se acerca a un punto donde podría redefinir autónomamente la inteligencia, acortando de forma exponencial el camino hacia una Superinteligencia Artificial (ASI).

marsbit06/28 07:53

El artículo más 'peligroso' del año de NVIDIA: El código auto-reproductor de la IA, evolución y mejora ilimitadas

marsbit06/28 07:53

Los ocho padres del Transformer, ¿dónde están ahora?

Ocho investigadores de Google Brain revolucionaron la IA en 2017 con el artículo “Attention Is All You Need”, presentando la arquitectura Transformer. Nueve años después, los ocho autores originales han dejado Google, trazando caminos divergentes en la industria. Noam Shazeer, cofundador de Character.AI y clave en el mecanismo de atención, regresó brevemente a Google DeepMind antes de unirse recientemente a OpenAI. Ashish Vaswani, co-diseñador del modelo, fundó Essential AI, aunque hay rumores de que su equipo podría integrarse en Nvidia. Niki Parmar, después de cofundar Adept AI y Essential AI, ahora trabaja en Anthropic. Jakob Uszkoreit, quien propuso la idea central, fundó Inceptive, aplicando la IA al diseño de moléculas de ARN. Llion Jones, tras una larga carrera en Google, cofundó Sakana AI en Tokio, explorando modelos colaborativos inspirados en la naturaleza. Aidan N. Gomez, el más joven del grupo, fundó Cohere, centrada en soluciones empresariales de IA. Łukasz Kaiser, con un trasfondo teórico, es investigador clave en OpenAI, contribuyendo a modelos como GPT-4 y o1. Illia Polosukhin, co-diseñador del Transformer, es cofundador del protocolo blockchain NEAR. A pesar de sus trayectorias distintas —desde biotecnología y blockchain hasta laboratorios de IA—, comparten una creencia: Transformer no es el punto final. Siguen explorando activamente la próxima arquitectura que supere claramente al actual pilar de la IA moderna.

marsbit06/28 05:37

Los ocho padres del Transformer, ¿dónde están ahora?

marsbit06/28 05:37

La nueva herramienta de código abierto de NVIDIA para MoE: Una sola línea de 'import' acelera el ajuste fino 3.7 veces

Con solo una línea de importación, la herramienta NeMo AutoModel de NVIDIA acelera el ajuste fino de modelos MoE hasta 3.7 veces. Este nuevo código abierto, basado en Transformers v5 de Hugging Face, permite una mejora significativa sin necesidad de modificar las API existentes. Las pruebas en una configuración de 8 GPUs H100 muestran un aumento en el rendimiento de entrenamiento de 3.4 a 3.7 veces y una reducción del 29% al 32% en el uso de memoria GPU para modelos como Qwen3-30B-A3B. La clave radica en tres tecnologías: Paralelismo de Expertos (EP) para distribuir pesos y reducir la presión en la memoria, DeepEP para fusionar computación y comunicación, y TransformerEngine para optimizar operaciones clave. Juntas, permiten un ajuste más rápido y eficiente de los grandes modelos de lenguaje con arquitectura Mixture of Experts (MoE). El recurso ya está disponible en GitHub, ofreciendo una actualización sencilla para quienes ya utilizan Transformers v5, con mejoras drásticas en velocidad y consumo de recursos durante la fase de fine-tuning.

marsbit06/26 07:31

La nueva herramienta de código abierto de NVIDIA para MoE: Una sola línea de 'import' acelera el ajuste fino 3.7 veces

marsbit06/26 07:31

Interpretación del informe: Los ingresos de AI de TSMC se duplicarán en 2027, la capacidad de CoWoS sigue siendo un cuello de botella

**Resumen: Los ingresos de TSMC por IA se duplicarán en 2027, siendo la capacidad de CoWoS el principal cuello de botella** Un informe de Morgan Stanley predice un crecimiento explosivo de los ingresos de TSMC relacionados con la IA, alcanzando los 86.300 millones de dólares en 2027, más del doble que los 27.100 millones previstos para 2026. Este salto es impulsado principalmente por las GPU de Nvidia, pero también por nuevos motores como las CPU de AMD (con un consumo de CoWoS previsto en +308% para 2027) y los TPU de Google, donde MediaTek actúa como socio clave. La demanda global de encapsulado avanzado CoWoS (necesario para estas chips de IA) se disparará un 93% en 2027, hasta 2,69 millones de unidades. Aunque TSMC y otros proveedores planean expandir la capacidad total a unas 336.000 unidades mensuales para entonces, es probable que persista la escasez, especialmente en las variantes más avanzadas como CoWoS-L, dominadas por TSMC. Esto otorga a la compañía un fuerte poder de fijación de precios. La mejora en el suministro de sustratos ABF, la validación de la nueva demanda de CPU para IA y el lanzamiento de la próxima generación de productos de Nvidia (Rubin) son catalizadores clave. Además de TSMC, se identifican como ganadores en la cadena de suministro a MediaTek (por los TPU de Google), así como a ASE Group y KYEC. En resumen, el crecimiento de TSMC depende de que su capacidad de fabricación, particularmente en CoWoS, pueda seguir el ritmo de una demanda que supera las previsiones.

marsbit06/25 03:58

Interpretación del informe: Los ingresos de AI de TSMC se duplicarán en 2027, la capacidad de CoWoS sigue siendo un cuello de botella

marsbit06/25 03:58

活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow