Una GPU (Graphics Processing Unit, unidad de procesamiento gráfico) es un chip diseñado para realizar muchísimas operaciones matemáticas en paralelo. Aunque nació para generar gráficos en videojuegos, su capacidad de hacer cálculos simultáneos la convirtió en el componente fundamental para entrenar y ejecutar modelos de inteligencia artificial.
Entrenar un gran modelo de lenguaje implica multiplicar matrices enormes miles de millones de veces, una tarea que las GPU resuelven mucho más rápido que un procesador convencional (CPU). Por eso los centros de datos de IA se construyen con miles de GPU conectadas entre sí. Nvidia domina este mercado con sus aceleradores para centros de datos, lo que la convirtió en una de las empresas más valiosas del mundo; competidores como AMD, además de los chips propios de Google (TPU), Amazon y otras tecnológicas, buscan parte de ese mercado. La escasez y el alto costo de las GPU son hoy un factor central en la economía de la IA.
Noticias relacionadas
Preguntas frecuentes
¿Por qué se usan GPU y no CPU para la IA?
Una CPU ejecuta pocas tareas muy rápido y de forma secuencial; una GPU ejecuta miles de operaciones en paralelo. El entrenamiento y la inferencia de modelos de IA consisten en cálculos matriciales masivos que encajan justo con ese paralelismo.
¿Qué empresa fabrica las GPU para IA?
Nvidia lidera el mercado de aceleradores para centros de datos. También compiten AMD y los chips propios de grandes tecnológicas, como las TPU de Google o los aceleradores de Amazon, diseñados específicamente para cargas de IA.
