USD.AI(CHIP) Inversión periódica

El 5 de junio, el mercado surcoreano experimentó un 'viernes negro' con una caída del 5.54% en el índice KOSPI. El 7 de junio, Jensen Huang, CEO de NVIDIA, mantuvo una reunión clave con ejecutivos de SK Group, incluido el CEO de SK Hynix, confirmando que la nueva CPU Vera de NVIDIA utilizará DRAM de SK Hynix y que la escasez de chips de memoria continuará durante años. NVIDIA y SK Hynix anunciaron una asociación tecnológica plurianual para desarrollar memoria de próxima generación para la infraestructura de IA de NVIDIA, cubriendo desde supercomputadoras Rubin hasta PC y robots. La colaboración también implica que SK Hynix utilizará tecnologías de IA de NVIDIA, como CUDA-X y Omniverse, para acelerar el diseño de semiconductores (TCAD, litografía computacional) y desarrollar gemelos digitales para sus fábricas, buscando operaciones autónomas. Si bien NVIDIA certificó a SK Hynix, Samsung y Micron para el suministro de HBM4 para su plataforma Vera Rubin, Huang advirtió que la escasez en toda la cadena de suministro de chips persistirá debido a la alta demanda global por la construcción de 'fábricas de IA'. Su visita a Corea del Sur, que incluyó reuniones con empresas como Hyundai, LG y Samsung, refleja el esfuerzo de NVIDIA por profundizar sus vínculos estratégicos con la industria tecnológica coreana.

**Resumen: Broadcom vs AMD en chips de IA** Fuera de Nvidia, la batalla por el segundo lugar en chips de IA se intensifica. AMD compite directamente en GPUs de uso general, mientras que Broadcom sigue una estrategia diferenciada con chips personalizados (XPU), atrayendo a clientes clave como Anthropic, Google, Meta y OpenAI. Aunque AMD reportó un crecimiento sólido (57% interanual en ingresos del centro de datos en Q1 2026), enfrenta la fuerte barrera del ecosistema de software CUDA de Nvidia. En cambio, Broadcom diseña chips a medida para cargas de trabajo específicas, ofreciendo mayor eficiencia y una relación más estrecha con los clientes. Este enfoque puede volverse más crucial a medida que la demanda de potencia de cálculo se desplaza del entrenamiento a la inferencia. Tras sus últimos resultados, las acciones de Broadcom cayeron debido a una guía de ingresos por IA para el próximo trimestre inferior a lo esperado. Sin embargo, su CEO, Hock Tan, reafirmó el objetivo de alcanzar 100.000 millones de dólares en ventas anuales de chips de IA para el año fiscal 2027. Con ingresos actuales por IA de 10.800 millones en el último trimestre, el potencial de crecimiento es significativo. A pesar de que Broadcom tiene una valoración más elevada que AMD, los analistas argumentan que esta prima está justificada dados sus clientes de primer nivel y sus perspectivas de crecimiento más rápidas.

Microsoft anunció su nuevo chip cuántico Majorana 2, con cúbits que logran una coherencia media de 20 segundos, un aumento de 1,000 veces en fiabilidad. La empresa afirma que tendrá una computadora cuántica escalable y comercial para 2029. La clave es su enfoque de cúbits topológicos, que usa partículas Majorana para almacenar información de manera no local, haciéndolos intrínsecamente más estables frente al ruido. Un cambio crucial fue sustituir aluminio por plomo en el superconductor, mejorando la protección. La inteligencia artificial (IA) agentiva de Microsoft Discovery aceleró drásticamente la investigación, analizando datos, optimizando parámetros y resolviendo problemas como el "ruido fantasma". Sin embargo, persisten desafíos: el chip actual solo tiene 12 cúbits, lejos del millón necesario para aplicaciones comerciales. Incluso con 20 segundos de coherencia, los algoritmos prácticos requieren miles de millones de operaciones. Otros problemas son el alto costo de compilación de circuitos y la verificación de resultados. Mientras competidores como Google e IBM siguen otras rutas, como los cúbits superconductores, el avance de Microsoft acerca la computación cuántica comercial, pero su promesa para 2029 aún debe superar grandes obstáculos técnicos.

El informe de SemiAnalysis sobre el chip Kirin 9030 de Huawei revela que el proceso N+3 de SMIC logra una densidad lógica similar a la de N6 de TSMC (113.4 MTr/mm²), pero con un coste mayor al usar SAQP con DUV en lugar de EUV. Aunque la densidad mejora, el rendimiento del chip, comparable al de diseños de 2021-2022, sigue rezagado frente a los chips actuales fabricados en nodos avanzados (como N3P de TSMC), debido a limitaciones de proceso. Para superar estas barreras, Huawei apuesta por la "escalado τ" y "LogicFolding": apilar lógicamente módulos en 3D para reducir rutas de señal, mejorar frecuencia (objetivo de 5GHz para 2031) y aumentar densidad equivalente. El informe concluye que las sanciones no han detenido el avance chino, pero sí lo han encarecido y redirigido hacia soluciones de diseño y empaquetado más complejas.

El desarrollo de chips es un proceso extremadamente complejo y costoso. Un pequeño error en una unidad de división de coma flotante en un chip Intel Pentium provocó un gasto de 475 millones de dólares en su retirada global en los años 90. Esto ilustra la dificultad central: un chip debe funcionar correctamente desde el primer intento, a diferencia del software que puede parchearse posteriormente. Según estudios, solo el 24% de los proyectos de chips tienen éxito en el primer "tape-out" (fabricación). Más del 70% del ciclo de diseño se dedica a la verificación, un proceso crucial para detectar errores. Verificar exhaustivamente un núcleo de CPU con las tecnologías actuales más avanzadas podría llevar miles de años, lo que es inviable. El campo de la verificación de chips se enfrenta a un "triángulo de imposibilidad" entre alto rendimiento, buena capacidad de depuración y bajo coste. A pesar de ser un trabajo arduo y menos glamuroso que áreas como la IA, es fundamental. El autor, investigador y divulgador, lidera un equipo que desarrolla la plataforma ágil de verificación ENCORE, basada en FPGAs, para mejorar la eficiencia. También realiza divulgación científica para hacer esta compleja tecnología más accesible, argumentando que vale la pena perseverar en tareas difíciles y a largo plazo como la investigación en verificación y la divulgación técnica.