State
of
AI
es
un
informe
ampliamente
reconocido
y
de
publicación
anual
que
proporciona
una
completa ‘instantánea’
de
diversos
aspectos
en
el
campo
de
la
inteligencia
artificial.
Sus
autores
mantienen,
así
mismo,
el
‘Compute
Index’,
una
métrica
utilizada
para
rastrear
el
crecimiento
en
el
poder
de
cómputo
empleado
en
la
investigación
de
la
IA.
Dos
de
los
aspectos
concretos
que
mide
el ‘Compute
Index’
son:
-
El
tamaño
de
los
sistemas
HPC
(de
computación
de
alto
rendimiento)
ya
sean
públicos
(alquilados
a
proveedores
externos),
privados
(operados
por
las
propias
compañías)
y
nacionales
(operados
por
gobiernos). -
El
uso
de
varios
chips
de
IA
(concretamente,
los
A100
y
los
H100,
ambos
de
Nvidia)
en
trabajos
de
investigación
de
IA.
La
Nvidia
A100
y
la
H100
son
dos
generaciones
consecutivas
de
GPUs
diseñadas
por
Nvidia,
ambas
orientadas
principalmente
a
tareas
de
cómputo
intensivo,
como
la
inteligencia
artificial
(IA)
y
el
aprendizaje
profundo.
«La
computación
es
el
nuevo
petróleo»,
dicen
los
autores
del
State
of
AI
Report; «Nvidia
genera
ganancias
récord
y
cada
vez
más
empresas
usan
sus
GPU
como
una
ventaja
competitiva».
Un
liderazgo
indiscutible
Lambda,
Google
A3,
Inflection
y
Oracle
Cloud
forman
parte
del
TOP5
de
compañías
con
mayor
capacidad
de
computación
basada
en
GPUs
H100,
con
entre
30.000
y
16.000
cada
compañía.
Pero
hay
otra
empresa
que
tiene
más
de
diez
veces
una
mayor
capacidad
que
Lambda…
de
hecho,
cuenta
con
más
GPUs
H100
que
todas
las
demás
empresas
del
gráfico
juntas:
Meta,
la
compañía
fundada
por
Mark
Zuckerberg
y
propietaria
de
Facebook
o
Instagram.
Su
dominio
quizá
sea
menos
arrollador
en
cuanto
a
GPUs
A100,
pero
Meta
sigue
encabezando
el
ranking,
muy
por
delante
de
Tesla,
la
europea
Leonardo,
Lambda
o
XTX
Markets.
El
pasado
mes
de
febrero,
Zuckerberg
mencionó
la
magnitud
de
la
infraestructura
de
inteligencia
artificial
de
Meta
en
su
publicación
periódica
de
resultados
de
la
compañía:
«El
primero
es
la
infraestructura
informática
de
clase
mundial.
Hace
poco
compartí
que,
para
finales
de
este
año,
tendremos
alrededor
de
350.000
H100
e
incluidas
otras
GPU,
que
sumarán
alrededor
de
600.000
equivalentes
a
la
computación
H100.
Estamos
bien
posicionados
ahora
gracias
a
las
lecciones
que
aprendimos
de
Reels.
Inicialmente,
diseñamos
menos
nuestros
clústeres
de
GPU
para
Reels,
y
cuando
estábamos
pasando
por
eso,
decidí
que
deberíamos
desarrollar
suficiente
capacidad
para
soportar
tanto
Reels
como
otro
servicio
de
IA
del
mismo
tamaño
que
esperábamos
que
surgiera.
Y
en
ese
momento
la
decisión
fue
algo
controvertida
y
enfrentamos
muchas
preguntas
sobre
el
gasto
de
capital,
pero
estoy
muy
contento
de
haberlo
hecho».
Esto
convierte
a
Meta
en
uno
de
los
mayores
operadores
de
clústeres
de
GPU
del
mundo,
ampliando
aún
más
sus
inversiones
en
AI
Research
SuperCluster
de
hace
2
años.
Según
explica
Eric
Seufert,
«El
aumento
de
los
gastos
de
capital
en ‘IA’
no
debe
considerarse
análogo
a
las
inversiones
en
el
metaverso.
Los
sistemas
de
clasificación
y
recomendación
de
Meta
se
benefician
significativamente
de
la
infraestructura
de
inteligencia
artificial
de
la
compañía».
Emad
Mostaque
(fundador
de
Stability
AI,
los
desarrolladores
de
Stable
Diffusion),
nos
recuerda
que,
de
los
350.000
H100
de
Meta, «está
usando
aproximadamente
35.000
de
ellos
para
entrenar
modelos
de
Llama
[…]
Hacer
que
Llama
sea
de
código
abierto
significa
que,
si
la
comunidad
consigue
que
éste
sea
un
10%
más
eficiente,
entonces
la
capacitación
es
básicamente
gratuita».
Por
su
parte,
Andriy
Burkov,
autor
de ‘The
Hundred-Page
Machine
Learning
Book’,
resume
el
gráfico
en
pocas
palabras:
«Así
se
gana
la
carrera
de
la
IA».
Imagen
|
Marcos
Merino
mediante
IA
