News - Nvidia es la primera empresa del mundo en alcanzar una valoración de 5 billones de dólares, pero la ingeniosa narrativa de su director ejecutivo Jensen Huang sobre la computación acelerada y la notable previsión que llevó a la revolución de la IA actual no termina de cuajar.

La capitalización de mercado de Nvidia asciende a 5,12 billones de dólares. Sí, Nvidia se ha convertido en la primera empresa del mundo en alcanzar los 5 billones de dólares. De verdad, estos números ya empiezan a parecer absurdos. Por supuesto, no fue hace tanto tiempo cuando informamos de que Nvidia se convirtió en la empresa más valiosa del mundo a una valoración de 3,3 billones de dólares. Hace solo unos meses que Nvidia superó los 4 billones. Pero ahora estamos en 5 billones. ¿Dónde terminará todo? Cada vez más, los observadores del mercado piensan que todo lo relacionado con la IA es una burbuja destinada a estallar catastróficamente. O tal vez la IA es la realidad, y un apocalipsis de un tipo muy distinto estará entre nosotros más pronto que tarde. Pero una cosa es segura. Pase lo que pase, no hay duda de que Nvidia habrá sido absolutamente crucial. Domina la industria de la IA tanto en el hardware como en las plataformas de desarrollo de software sobre las que se sustenta todo. Pero al escuchar el discurso de apertura del CEO Jensen Huang en el evento GTC de ayer, su narrativa sobre Nvidia parecía demasiado pulida, un poco demasiado conveniente. Si tomas al pie de la letra lo que insinuaba, Nvidia lo vio venir todo. Personalmente, creo que hubo bastante suerte involucrada. En GTC, Huang señaló que la escalabilidad de Dennard dejó de funcionar hace unos diez años. La escalabilidad de Dennard es algo así como un pariente cercano de la Ley de Moore. Mientras esta última hace predicciones o, al menos, observaciones sobre la densidad de transistores y los costos en los chips, la escalabilidad de Dennard se ocupa del consumo de energía y de la frecuencia de operación. Los datos de tendencia de Nvidia muestran, con razón, que las frecuencias de los chips se han estancado en gran medida, mientras que la eficiencia energética solo mejora de forma gradual. Al mismo tiempo, las densidades de transistores han seguido escalando en su mayoría. Por lo tanto, se necesita un paradigma informático que aproveche la Ley de Moore pero que pueda mitigar el fin de la escalabilidad de Dennard. Huang afirma que Nvidia vio todo esto venir y concluyó que la computación paralelizada o acelerada era la solución. Hicimos esta observación hace mucho tiempo, y durante 30 años hemos estado avanzando en esta forma de computación, a la que llamamos computación acelerada. Inventamos la GPU, inventamos un modelo de programación llamado CUDA, y observamos que si pudiéramos añadir un procesador que aproveche cada vez más transistores, aplicando la computación en paralelo, podríamos ampliar las capacidades de la computación mucho más allá, y ese momento realmente ha llegado, dice. Está claro que ha llegado el momento de la computación paralelizada o acelerada. Simplemente, no estoy tan seguro de que Nvidia y Huang fueran tan proféticos como parece. ¿Quién soy yo para cuestionar el acumen técnico y financiero del CEO de la empresa más valiosa del mundo? Nadie, obviamente, pero he seguido a Nvidia de forma profesional durante más de 20 años, y ciertamente puedo emitir una opinión clara sobre los mensajes que Nvidia ha estado transmitiendo a lo largo de ese periodo. Mi impresión, por lo que vale, es que Nvidia se centraba en los gráficos en sus primeros días. No estaba construyendo chips gráficos con la idea de paralelizar todo. En su lugar, después de construir chips gráficos, las ambiciones de la empresa de ganar más dinero la llevaron a pensar en qué aplicaciones alternativas podrían ser convencidas para ejecutarse en lo que, con astucia, comercializaba como GPUs, aprovechando la conciencia existente en torno al término CPU aplicado a los procesadores de ordenador. Recuerdo años en los que Nvidia lo intentaba con casi cualquier cosa, esperando que pegara. Procesamiento de video en 2D, simulaciones físicas, plegamiento de proteínas, prospección de minerales: probaron casi todo en aquellos primeros años. Notablemente, no fue hasta alrededor de 2012 cuando Nvidia comenzó incluso a mencionar la IA como una aplicación para sus GPUs, y aun así era solo una de una larga lista de aplicaciones candidatas para las GPUs de Nvidia que caían en la categoría más amplia de GPGPU o cómputo GPU de propósito general. Podría argumentar que cualquier afirmación, implícita o no, de que Nvidia y Huang vieron venir la revolución de la IA tal como es hoy, con modelos Transformer ejecutándose en GPUs, no resiste el escrutinio. Tampoco se sostiene al contrastarlo con lo que Nvidia decía o hacía hasta mucho más recientemente. Eso no quiere decir que Nvidia no merezca su éxito. Ninguna otra empresa apostó tanto por las GPUs como Nvidia. Ninguna otra empresa invirtió casi tanto esfuerzo en crear el marco de software de apoyo, en CUDA, como lo hizo Nvidia. Pero que la IA haya estallado de la manera en que ha ocurrido en los últimos años y que los modelos basados en Transformer, en particular, resulten tan eficaces para crear modelos de IA y tan adecuados para ejecutarse en GPUs, no es algo que Nvidia haya previsto. Al menos, si lo hizo, Nvidia lo mantuvo totalmente en secreto mientras gastaba grandes sumas de dinero para convencer a las empresas de usar sus GPUs para muchas tareas y cargas de trabajo que no son IA. Así que, reconocimiento para Nvidia por su increíble éxito. Pero no creo que signifique que la empresa tenga realmente una gran visión del futuro. Y si esa realización es cierta, sin duda tiene implicaciones para todo, desde el mercado de valores hasta el futuro de la IA.