Aceleraci贸n digital, cotizaciones y desarrollo de software
Febrero de 2025Durante los 煤ltimos d铆as hemos asistido a un aluvi贸n de reacciones, tanto en los mercados burs谩tiles como en otros 谩mbitos, tras la presentaci贸n de DeepSeek. De entre todas ellas, la que m谩s me ha sorprendido es la bajada en la cotizaci贸n de Nvidia. Resulta parad贸jico, dado que el modelo de negocio de la compa帽铆a no se basa en ofrecer servicios, sino en proporcionar capacidad de procesamiento. Por lo tanto, independientemente de si hablamos de c贸digo abierto o de servicios propietarios, la premisa de que mejores modelos requieren mayor capacidad de procesamiento deber铆a seguir intacta.
Un antiguo dicho en la industria rezaba: "What Intel giveth, Microsoft taketh away." En el contexto actual, parece que algo similar est谩 ocurriendo entre Nvidia y los proveedores de servicios y modelos de inteligencia artificial. Por ello, me voy a detener un momento en analizar qu茅 est谩 sucediendo con la famosa Ley de Moore, la cual sustenta la valoraci贸n de Nvidia y su capacidad para continuar liderando el mercado del hardware que alimenta 驴y retroalimenta驴 la expansi贸n de la IA.
Cabe recordar que la Ley de Moore establece que aproximadamente cada dos a帽os se duplica la densidad de transistores en una capa de silicio, manteni茅ndose el coste. Sin embargo, el ritmo de miniaturizaci贸n se ha ralentizado debido a limitaciones f铆sicas: los "cables" de los microchips, que en el mejor de los casos alcanzan los 2 nan贸metros, tienen un l铆mite en el tama帽o de un 谩tomo (alrededor de medio nan贸metro). Por tanto, reducir el tama帽o es cada vez m谩s complejo y costoso, lo que ha llevado a afirmar que, desde hace unos ocho a帽os, la Ley de Moore no se cumple.
No obstante, la densidad de los transistores no es el 煤nico factor determinante en la capacidad de c贸mputo. La mayor revoluci贸n esperada es la computaci贸n cu谩ntica, aunque a煤n est谩 por verse cu谩ndo (o si) alcanzar谩 una aplicaci贸n pr谩ctica a gran escala.
Mientras tanto, el verdadero avance de Nvidia radica en su capacidad para ejecutar procesamiento masivo en paralelo, lo que ha resultado crucial para tareas espec铆ficas de entrenamiento de modelos de IA y otras aplicaciones de alto rendimiento.
Viendo el asunto con perspectiva, lo que se ha mantenido vigente es el hecho de que la industria del software y, en particular, los programadores, tienden a malgastar la abundancia que genera la aceleraci贸n digital del hardware. La diferencia entre un c贸digo optimizado y uno que no lo est谩 puede suponer 贸rdenes de magnitud en t茅rminos de mejora en eficiencia.
En definitiva, y mientras se concretan promesas como la computaci贸n cu谩ntica o el desarrollo de nuevos materiales y arquitecturas experimentales, el futuro inmediato de la programaci贸n y la ingenier铆a de software premiar谩 a quienes, al igual que est谩 haciendo el hardware en el caso de Nvidia, logren especializarse. Aquellos capaces de exprimir al m谩ximo todo lo que existe entre su c贸digo y los transistores que lo ejecutan ser谩n los grandes beneficiados en esta nueva era tecnol贸gica.
