Los chips personalizados impulsan el futuro de la IA

Hoy en día, parece que casi todos los gigantes tecnológicos están desarrollando sus propios chips de silicio personalizados, o están buscando adquirir a fabricantes ya existentes. ¿Por qué? A medida que se dispara el número de chips necesarios para impulsar una vertiginosa variedad de aplicaciones de IA, la producción interna de chips puede reducir los costes y mejorar el rendimiento de los sistemas de IA, dice Shobhit Varshney, vicepresidente y socio sénior en IBM Consulting.

"Cuando optimizas la arquitectura del hardware para que funcione con la arquitectura del software, eso hace magia", dice en un episodio reciente del podcast Mixture of Experts de IBM. "Disminuye el coste total y la latencia al tiempo que aumenta el rendimiento".

Al producir los chips internamente, las empresas también reducen su dependencia del fabricante de chips NVIDIA, que controla aproximadamente entre el 70 y el 95 % del mercado de chips de IA. Sin embargo, esta no es toda la historia, dice Kaoutar El Maghraoui, científico principal de investigación y gerente en IBM, en una entrevista con IBM Think. Reducir la dependencia de NVIDIA simplemente cambia "el centro de poder que se mueve de un gigante a otro", dice.

Incluso a medida que las empresas toman un mayor control del proceso de diseño, que NVIDIA ha dominado en los últimos años, las empresas seguirán dependiendo en gran medida de Taiwan Semiconductor Manufacturing Company Limited (TSMC), afirma Varshney. TSMC fabrica la mayoría de los chips de IA en todo el mundo para una amplia gama de aplicaciones, desde teléfonos inteligentes hasta equipos militares.

TSMC es el "gorila de 100 libras", dice Varshney. "Todo el mundo está diseñando los chips, pero TSMC es el corazón de toda la industria en este momento".

La carrera de los chips en Silicon Valley lleva en marcha desde mucho antes de que las aplicaciones de IA generativa aumentaran el apetito de las empresas tecnológicas por ellas. En 2015, el sistema de IA de Google, AlphaGo, impulsado por un chip diseñado por Google conocido como unidad de procesamiento tensorial (TPU), venció a un jugador profesional humano en el antiguo juego chino Go. Desde entonces, Google ha presentado una serie de chips que diseñó internamente para alimentar sistemas de IA en sus centros de datos. Más recientemente, en diciembre de 2024, Google anunció un nuevo chip de IA para computación cuántica llamado Willow. La compañía dice que Willow puede completar un cálculo de referencia estándar en menos de 5 minutos, uno de los superordenadores más rápidos de hoy en día tardaría 10 septillones, o 10 ²⁵ años.

Casi al mismo tiempo que Google lanzaba AlphaGo, los investigadores de IBM también comenzaron a investigar la construcción de hardware de IA. En 2021, IBM había abierto su centro de hardware de IA en Albany, Nueva York, para crear un ecosistema de hardware y software de IA más amplio, y en 2022, el nuevo chip microprocesador Telum de IBM había llevado la inferencia de IA a IBM Z, los mainframes que ejecutan aproximadamente el 70 % de las transacciones mundiales por valor. A finales de 2024, IBM anunció un nuevo chip acelerador Spyre, que llevó la IA generativa a los mainframes IBM Z para usuarios empresariales.

Mientras tanto, AWS lleva trabajando en sus propios chips informáticos para proyectos de IA desde al menos 2018. Hasta el evento anual de AWS 2024, donde Amazon anunció su último chip de IA personalizado Trainium3, que está llevando a los clientes junto con los grandes modelos de lenguaje de su socio Anthropic. Muchas empresas han adquirido los chips de IA de AWS, incluida Apple, que llamó la atención en AWS 2024, ya que fue un momento poco habitual en el que Apple habló de uno de sus proveedores.

Para no quedarse atrás, Microsoft, que ha fabricado chips para impulsar sus funciones de juego durante años, anunció sus propios chips de IA personalizados en 2023, alrededor del mismo momento en el que el gigante tecnológico Meta anunció sus propios planes de chips de silicio. OpenAI es la última en unirse a la fiesta del silicio personalizado, aunque aún no ha hecho ningún anuncio oficial. Aunque no se han compartido detalles públicos, Reuters informó a principios de este mes de que OpenAI estaba finalizando el diseño de sus chips, con planes de empezar a fabricarlos a través de TSMC en 2025.

¿Por qué se ha intensificado últimamente la carrera por los chips? Varshney, de IBM, afirma que cuando las empresas pueden personalizar los chips a modelos de lenguaje específicos para los casos de uso que necesitan, pueden reducir costes, mejorar la latencia o acelerar el movimiento de datos de una red a otra. Señala un ejemplo: históricamente, cuando las empresas realizaban la detección del fraude y examinaban las facturas entrantes, utilizaban técnicas informáticas clásicas porque el volumen era alto y necesitaban una latencia muy rápida. "También tenían que hacer esto un millón de veces al día, por lo que el coste aumentaría muy rápidamente", dice Varshney.

Ahora que las empresas pueden optimizar sus chips para modelos específicos, el coste de los casos de uso de gran volumen desciende y resulta más rentable utilizar estas soluciones en la producción a escala. "Así que, desde una perspectiva empresarial, los casos de uso no cambian", afirma Varshney. "Pero ahora empezamos a buscar los de gran volumen donde antes no existía el ROI".

Dado que cada vez más empresas tecnológicas diseñan chips internamente, ¿cómo mantiene TSMC su ventaja sobre la competencia? Para empezar, desde el principio el enfoque de la empresa desde ha sido diferente al de otras empresas tecnológicas. Son una fundición dedicada, lo que significa que no diseñan ningún chip, sino que solo fabrican chips para otras empresas, dice El Maghraoui de IBM. A lo largo de los años, un número cada vez mayor de empresas ha subcontratado su fabricación de chips a TSMC debido al creciente coste de fabricar una gama cada vez más diversa de chips.

Al mismo tiempo, el coste de fabricar chips individuales se disparó, dijo Dylan Patel, fundador de SemiAnalysis, una empresa de investigación y análisis de semiconductores, en una reciente entrevista en un podcast. TSMC se ha centrado en la fabricación de chips y lo ha facilitado mucho a sus clientes empresariales, afirma Patel.

"La fabricación de semiconductores es muy anticuada y difícil", explica. "La barrera de entrada es mucho más alta [que la mayoría de las empresas tecnológicas], ya que los roles son súper especializados". Por último, los empleados de TSMC se sienten muy orgullosos de su trabajo, dice Patel. "Trabajan 80 horas a la semana en una fábrica y, si pasa algo inesperado, como un terremoto, aparecerán en medio de la noche" porque son los únicos que pueden reparar un equipo determinado, él dice.

Otra razón por la que es difícil replicar la fórmula de TSMC es que han invertido miles de millones de dólares en la compra de docenas de máquinas avanzadas de fabricación de chips altamente especializadas creadas por otro gigante de los superconductores, la empresa holandesa ASML.

ASML fue pionera en la litografía ultravioleta extrema (EUV), que esencialmente genera longitudes de onda de luz increíblemente cortas en grandes cantidades para imprimir diseños pequeños y complejos en microchips. Las máquinas de fabricación de chips de ASML costaban entre 183 y 380 millones de USD cada una. Una de las primeras máquinas EUV del mundo se instaló en 2014 en el Albany Nanotech Complex, propiedad de NY CREATES y del que IBM Research es socio ancla.

Desde entonces, IBM Research y sus socios han construido un ecosistema para desarrollar y optimizar la litografía EUV, lo que ha permitido a IBM y a otros reducir el tamaño de los transistores a unos pocos nanómetros, decenas de miles de veces más delgados que un mechón de cabello.

Mientras ASML y socios como IBM siguen trabajando en la impresión de chips cada vez más pequeños, TSMC permanecerá en la ecuación como fabricante de chips. Patel, de SemiAnalysis, no considera que la participación de TSMC sea un problema. "No creo que esté rompiendo la dependencia", dice. "Creo que está haciendo que TSMC construya en Estados Unidos". TSMC anunció en 2020 que iba a construir fábricas de chips en EE. UU. y, desde entonces, el gigante de la fabricación ha invertido 65 000 millones de dólares para desarrollar tres fábricas de chips en Arizona. En el cuarto trimestre de 2024, la producción de chips comenzó en la primera fábrica de chips de TSMC en Estados Unidos.

Expertos como El Maghraoui ven prometedor para las empresas el uso de la IA para encontrar nuevos materiales para los chips que alimenten la IA. Con ese fin, nuevos modelos de IBM y Meta podrían ayudar a los investigadores a descubrir nuevos materiales para la fabricación de chips que puedan igualar las condiciones en el futuro.

"Cuando abrimos estos modelos, aceleramos la innovación, fomentamos la colaboración y promovemos el desarrollo de semiconductores completamente nuevos", afirma El Maghraoui.

Por ejemplo, un equipo del proyecto de modelos fundacionales para materiales (FM4M) de IBM Research está utilizando la IA para diseñar nuevos chips que puedan lograr el mismo o mejor rendimiento, pero con una huella medioambiental menor, afirma Jed Pitera, codirector de estrategia de materiales sostenibles de IBM. . "Si tengo una fábrica y estoy fabricando diez tipos diferentes de chips, ¿cuál es la huella de cada chip?" dice, refiriéndose a la energía y el agua utilizadas, y a las emisiones creadas al fabricar un chip determinado.

"Cuando conocemos la huella total de chip A, podemos empezar a pensar en cambiar la forma en que hacemos los chips, para que sigan logrando el mismo rendimiento pero con un impacto medioambiental minimizado", dice Pitera. "Cuando se reduce la huella medioambiental, el coste se mueve en la misma dirección".