- NVIDIA RTX Spark: las ventajas de trabajar y crear con IA en local
- Se dispara el precio de la RTX 5070 Ti y RTX 5080
- Nuevo giro en el culebrón de NVIDIA: su CEO dimitió hace unos días y ahora estudia cómo volver
La Inteligencia Artificial está dejando de ser una herramienta que simplemente responde preguntas, genera imágenes o escribe código. El siguiente paso pasa por desarrollar sistemas capaces de realizar tareas complejas de forma autónoma (agentes de IA), analizar resultados complejos y ayudar a resolver problemas que hasta ahora requerían enormes cantidades de tiempo y recursos. NVIDIA quiere acelerar esa transición con Rubin HPC, una nueva GPU diseñada específicamente para la computación científica y los agentes de IA.
En resumen
- NVIDIA ha presentado Rubin HPC, una GPU diseñada para computación científica y agentes de inteligencia artificial.
- Rubin HPC supera los 50.000 núcleos CUDA, más del doble que los 21.760 núcleos CUDA de la RTX 5090.
- NVIDIA no lanzará Rubin HPC al mercado hasta 2028, por lo que aún faltan muchos detalles técnicos de la GPU.
La compañía ha presentado Rubin HPC como parte de su apuesta por llevar la IA mucho más allá de los centros de datos tradicionales. Su objetivo es ofrecer la potencia de cálculo necesaria para que estos sistemas puedan trabajar con simulaciones complejas, analizar enormes cantidades de información y ayudar a los investigadores a explorar nuevas posibilidades en campos como la medicina, la ingeniería o la ciencia de materiales.
NVIDIA Rubin HPC: una GPU con más de 50.000 núcleos CUDA
Uno de los datos más destacados de esta nueva GPU es su configuración, que supera los 50.000 núcleos CUDA. Para entender qué significa esa cantidad de núcleos CUDA, debemos compararla con la RTX 5090, la tarjeta gráfica de consumo más potente que NVIDIA ofrece en el mercado doméstico.
Esta cuenta con 21.760 núcleos CUDA, por lo que Rubin HPC tendrá más del doble de unidades de procesamiento. Eso sí, tener más núcleos CUDA no significa necesariamente ofrecer el doble de rendimiento ya que están diseñadas para cargas de trabajo muy diferentes. Además, NVIDIA todavía no ha publicado suficientes especificaciones de Rubin HPC para establecer una comparación directa en potencia de cálculo.
Para evitar que el movimiento de datos se convierta en un cuello de botella, NVIDIA contará con dos tecnologías:
- Sparse Data Acceleration (aceleración de datos) mejora el procesamiento de determinados tipos de información.
- NVLink de séptima generación, la tecnología de interconexión de NVIDIA que permite comunicar aceleradores y mejorar el intercambio de datos dentro de sistemas de alto rendimiento.
La combinación de estas tecnologías busca conseguir que los sistemas puedan ejecutar cargas de trabajo cada vez más exigentes, especialmente aquellas relacionadas con modelos científicos y agentes de inteligencia artificial.
La IA quiere descubrir nuevos medicamentos y acelerar la investigación científica
Hasta ahora, la Inteligencia Artificial se ha centrado en modelos capaces de generar texto, imágenes, vídeos o código. Sin embargo, la siguiente generación de sistemas pretende ir un paso más allá mediante los denominados agentes de IA.
Los agentes de IA pueden dividir un problema en diferentes tareas, utilizar herramientas externas, analizar información, comprobar resultados y repetir el proceso hasta alcanzar un objetivo.
En el ámbito científico, esto abre posibilidades especialmente interesantes. Imaginemos un sistema capaz de estudiar diferentes moléculas, plantear hipótesis sobre su comportamiento, ejecutar simulaciones y descartar automáticamente aquellas que no ofrecen los resultados esperados. En lugar de depender exclusivamente de que un investigador pruebe manualmente cada posibilidad, los agentes podrían explorar muchas más alternativas y ayudar a reducir los tiempos de investigación.
Lo mismo puede aplicarse al desarrollo de nuevos materiales, el diseño de componentes industriales, la ingeniería o las simulaciones climáticas. Son campos en los que procesar enormes cantidades de datos y realizar cálculos complejos resulta extremadamente útil. Es importante señalar que su objetivo no es sustituir a los científicos sino proporcionarles herramientas para acelerar determinados procesos, explorar más posibilidades y dedicar menos tiempo a tareas repetitivas.
NVIDIA todavía tiene trabajo por delante antes de que esta GPU llegue al mercado ya que no llegará al mercado hasta 2028, por lo que todavía tendremos que esperar para conocer todos sus detalles técnicos y comprobar qué rendimiento ofrece en aplicaciones reales.
