El sector chino de semiconductores intenta acortar la distancia tecnológica con NVIDIA apostando por una vía alternativa: apilar nodos lógicos maduros junto a memorias de alto ancho de banda (HBM) para aumentar el rendimiento sin depender de procesos litográficos avanzados. Así lo explicó Wei Shaojun, vicepresidente de la China Semiconductor Industry Association, durante un evento celebrado en Shenzhen, donde destacó que chips lógicos de 14 nm podrían alcanzar un rendimiento similar al de los procesadores de 4 nm empleados en las GPUs de IA de NVIDIA, siempre que se combinen con DRAM de 18 nm y una arquitectura de cómputo cercana a la memoria.
Este planteamiento busca reducir el movimiento de datos y mejorar la eficiencia energética colocando las unidades de cálculo directamente junto a la memoria mediante unión híbrida 3D. El enfoque recuerda a la reciente estrategia de Huawei, basada en apilar y agrupar chips como método para esquivar las restricciones de exportación impuestas por Estados Unidos, que bloquean el acceso chino a nodos de 5 nm y menores.
Diseño nacional y dependencia del ecosistema NVIDIA
Wei recalcó que su propuesta se apoya en una cadena de suministro completamente nacional, donde tanto los chips de 14 nm como las memorias DRAM de 18 nm están cubiertos por las actuales limitaciones de exportación. También advirtió que el ecosistema global de IA sigue dependiendo del hardware de NVIDIA y su plataforma CUDA, a la que calificó de “triple dependencia” por su control simultáneo sobre los modelos de IA, las arquitecturas de GPU y las herramientas de desarrollo.
Pese a las dificultades, en China empiezan a emerger competidores. La startup Zhonghao Xinying, fundada por el exingeniero de Google Yanggong Yifa, asegura haber diseñado un acelerador ASIC tipo TPU capaz de alcanzar hasta 1,5× el rendimiento de la GPU NVIDIA A100, uno de los modelos más influyentes en el entrenamiento de modelos de lenguaje e inferencia de IA.
ASICs frente a GPUs en la carrera por la inteligencia artificial
Aunque las GPUs de NVIDIA y AMD seguirán siendo preferidas para entrenamiento intensivo de IA gracias a su versatilidad, los ASICs personalizados podrían resultar atractivos para empresas que buscan diversificar su infraestructura o evitar la dependencia tecnológica. Los altos precios de la memoria, la escasez de silicio y las barreras comerciales dificultan el acceso a GPUs de nueva generación, por lo que estos chips nacionales especializados podrían cubrir la demanda de mercados locales y centros de datos que prioricen eficiencia frente a potencia bruta.
Vía: TechPowerUp
