La próxima gran apuesta de Nvidia: 200 000 millones de dólares en CPU para agentes de IA
Jensen Huang no es conocido precisamente por hacer predicciones modestas. El director ejecutivo de Nvidia, que transformó su empresa de tarjetas gráficas en un gigante de la inteligencia artificial valorado en más de 3 billones de dólares, tiene ahora la mirada puesta en lo que él denomina un mercado «completamente nuevo» de 200 000 millones de dólares. Esta vez, no se trata de entrenar modelos de IA, sino de los procesadores que impulsarán a los agentes de IA en nuestro trabajo y nuestra vida cotidiana, lo que supone un cambio fundamental en el desarrollo empresarial de la IA.
En sus intervenciones en recientes eventos del sector, Huang expuso la visión de Nvidia sobre las CPU especializadas diseñadas específicamente para agentes de IA —esos asistentes de software autónomos que están pasando rápidamente de la ciencia ficción a la realidad empresarial—. Si bien las GPU dominaron el auge del entrenamiento de la IA, Huang cree que las CPU optimizadas para la inferencia impulsarán la próxima ola de adopción de la inteligencia artificial.
Por qué los agentes de IA necesitan chips diferentes
El paso del entrenamiento de modelos de IA a la implementación de agentes de IA supone un cambio fundamental en los requisitos informáticos. El entrenamiento de grandes modelos de lenguaje, como GPT-4 o Claude, requiere una enorme capacidad de procesamiento paralelo, precisamente en lo que destacan las GPU H100 y A100 de Nvidia. Sin embargo, la ejecución de agentes de IA que interactúan con los usuarios, toman decisiones y realizan tareas en tiempo real exige otras capacidades computacionales.
Los agentes de IA deben procesar varios tipos de datos al mismo tiempo —texto, imágenes, datos de sensores y respuestas de API— sin dejar de garantizar una baja latencia y la eficiencia energética. Su función no consiste tanto en analizar conjuntos de datos masivos como en tomar decisiones rápidas y contextuales basadas en entradas que cambian constantemente.
Aquí es donde entran en juego las CPU especializadas. A diferencia de las GPU, que destacan en el procesamiento paralelo, las CPU están diseñadas para tareas secuenciales complejas, la lógica de ramificación y la gestión de múltiples flujos de trabajo: precisamente lo que hacen los agentes de IA cuando programan tus reuniones, analizan datos de mercado o coordinan dispositivos domésticos inteligentes.
Argumentos comerciales a favor de los procesadores de agentes de IA
La previsión de Huang de 200 000 millones de dólares no se refiere únicamente a las ventas de hardware, sino a la creación de una categoría completamente nueva de aplicaciones empresariales. Las empresas ya están probando agentes de inteligencia artificial para la atención al cliente, la calificación de oportunidades de venta, el análisis de datos y la automatización de procesos. Sin embargo, las soluciones actuales suelen basarse en el procesamiento en la nube, lo que genera problemas de latencia y costes recurrentes que limitan su eficacia.
El procesamiento de agentes de IA en el borde podría cambiar por completo esa ecuación. Imaginemos asistentes de IA que respondan al instante porque se ejecutan localmente, o sistemas de fabricación en los que los agentes de IA coordinen la producción sin necesidad de conexión a Internet. Las aplicaciones empresariales son muy amplias y abarcan desde los vehículos autónomos hasta los entornos minoristas inteligentes.
La competencia y la realidad del mercado
Nvidia no es la única que ha identificado esta oportunidad. Intel, AMD y ARM están desarrollando procesadores optimizados para la inferencia de IA. Los chips Snapdragon de Qualcomm ya impulsan funciones de IA en los teléfonos inteligentes, mientras que los procesadores de la serie M de Apple incluyen motores neuronales específicos para el procesamiento de IA en el propio dispositivo.
El factor diferenciador clave será la integración del ecosistema. La plataforma CUDA de Nvidia le proporcionó una ventaja enorme en el entrenamiento de la IA, ya que los desarrolladores ya estaban familiarizados con las herramientas. La empresa apuesta por que su ecosistema de software, combinado con hardware diseñado específicamente para este fin, generará ventajas similares en el mercado de los agentes de IA.
Sin embargo, este mercado sigue siendo en gran medida teórico. Aunque los chatbots con IA y las herramientas de automatización sencillas se están generalizando, los agentes de IA verdaderamente autónomos que justifiquen el uso de hardware especializado siguen estando, en su mayoría, en fase de desarrollo. La pregunta del billón de dólares es si las empresas adoptarán los agentes de IA con la rapidez suficiente como para impulsar la demanda de procesadores específicos.
Qué significa esto para los líderes empresariales
Para las empresas que están evaluando estrategias de IA, las previsiones de Nvidia apuntan a varias tendencias importantes. En primer lugar, el mercado de la IA está pasando de la fase experimental a la implementación en producción. En segundo lugar, es probable que el futuro de la IA empresarial sea más distribuido, de modo que el procesamiento se realice a nivel local en lugar de exclusivamente en la nube.
Esto podría tener un impacto significativo en la forma en que las organizaciones planifican su infraestructura de IA. En lugar de depender exclusivamente de las API en la nube, es posible que las empresas tengan que plantearse incorporar capacidades de computación periférica para contar con agentes de IA con gran capacidad de respuesta. El análisis de la relación coste-beneficio de la implantación de la IA podría cambiar radicalmente si el procesamiento local especializado se generaliza, sobre todo a medida que las empresas de IA vayan demostrando vías más claras hacia la rentabilidad y modelos de negocio sostenibles.
La visión de Huang también sugiere que los agentes de IA llegarán a ser lo suficientemente sofisticados como para justificar el uso de hardware específico, lo que implica capacidades que van mucho más allá de los simples chatbots y herramientas de automatización actuales. Para los líderes empresariales, esto refuerza la importancia de desarrollar conocimientos sobre IA y flexibilidad en la infraestructura desde ahora, antes de que la próxima ola de soluciones de inteligencia artificial transforme los requisitos operativos.
Queda por ver si la predicción de Huang, de 200 000 millones de dólares, se hará realidad, pero su historial a la hora de identificar tendencias transformadoras en el ámbito de la IA hace que merezca la pena tomarla en serio. Las empresas que se están preparando hoy para la implantación de agentes de IA podrían encontrarse en una posición privilegiada de cara al panorama de la automatización inteligente del futuro.
Cuando los agentes de IA sean tan habituales como los teléfonos inteligentes, los procesadores especializados podrían ser lo que los haga realmente útiles.
Escrito por
Oliver K.G
Oliver K.G. es el fundador de AI Meets Life, una publicación que ayuda a los profesionales del mundo empresarial estadounidense a ir al grano y aplicar la inteligencia artificial donde realmente importa: en sus equipos, en sus flujos de trabajo y en sus resultados. Analiza las herramientas, las tendencias y las decisiones que están dando forma al futuro del trabajo.