Cronología del Hardware de IA

En Google Cloud Next 2026, Google presentó dos TPU de octava generación diseñadas junto con DeepMind. TPU 8t se orienta al entrenamiento de modelos frontera, con un superpod único que escala hasta 9.600 chips y dos petabytes de memoria de alto ancho de banda compartida; Google afirma una mejora de unas 2,8 veces en relación precio-rendimiento frente a la generación anterior y un escalado casi lineal hasta un millón de chips mediante la nueva red Virgo junto con JAX y Pathways. TPU 8i se centra en inferencia con latencia baja para cargas con múltiples agentes concurrentes, con una nueva topología de servicio llamada Boardfly, el triple de SRAM en chip, un motor de aceleración de colectivos y hasta un 80 % más de rendimiento por dólar respecto a la generación anterior. Ambos chips prometen hasta el doble de rendimiento por vatio que Ironwood, y el soporte nativo de PyTorch entró en vista previa con el lanzamiento.Google ↗

Sony AI presentó Ace, un robot autónomo de tenis de mesa que ganó tres de cinco partidos frente a jugadores de élite bajo las reglas de la ITTF en la sede de Sony en Tokio. El sistema combina hardware robótico personalizado de alta velocidad con sensores de visión basados en eventos —cámaras que notifican los cambios de píxeles a medida que ocurren, en lugar de hacerlo a una tasa de fotogramas fija—, lo que le otorga tiempos de reacción suficientes para devolver golpes rápidos y con mucho efecto. El trabajo se publicó en Nature el 22 de abril de 2026.Nature ↗

ASUS anunció el UGen300, un acelerador de IA en formato memoria USB basado en un procesador Hailo. Ofrece hasta 40 TOPS de rendimiento de inferencia con un consumo de unos 2,5 vatios, orientado a cargas de IA generativa local en portátiles, mini-PC y dispositivos de borde. El producto se suma a una categoría creciente de aceleradores conectables destinados a mantener la inferencia fuera de la nube, en el hardware del propio usuario.ASUS Press Release ↗

TSMC anunció una inversión adicional de 100.000 millones de dólares en su complejo de fabricación en Arizona, sumados a los 65.000 millones ya comprometidos. La ampliación incluye nuevas plantas de fabricación, empaquetado avanzado y un centro de investigación. La primera fábrica de 4nm esperaba comenzar producción a principios de 2025.TSMC Press Release ↗

Elon Musk anunció planes para una instalación semiconductora integrada verticalmente en Austin, Texas, con tecnología de proceso de 2nm y capacidad para un millón de oblea iniciadas al mes a pleno rendimiento. El proyecto, presupuestado en 20.000-25.000 millones de dólares, concentraría diseño de chips, fabricación, memoria, empaquetado y pruebas bajo un mismo techo para abastecer de chips de IA personalizados a los vehículos Tesla, los robots Optimus y los sistemas de SpaceX.Tom's Hardware ↗

El cierre de una gran instalación de helio en Oriente Medio eliminó del mercado aproximadamente el 30 % del helio de grado semiconductores, dejando a fabricantes como TSMC y Samsung con reservas para apenas unas semanas. El helio enfría las obleas de silicio durante la litografía a temperaturas que ningún otro gas puede mantener y no tiene sustituto. Los precios al contado se duplicaron en pocos días.Tom's Hardware ↗

Starcloud cerró una Serie A de 170 millones de dólares con una valoración de 1.100 millones para construir los primeros centros de datos comerciales en órbita terrestre baja, utilizando los cohetes de SpaceX para transportar el hardware. La computación espacial elimina los costes de refrigeración terrestre —los radiadores orbitales disipan el calor pasivamente en el vacío, sin agua ni aire acondicionado— y evita los retrasos por suelo y conexión a la red que frenan las construcciones terrestres.TechCrunch ↗

OpenAI se asoció con Cerebras para desplegar 750 megavatios de hardware de inferencia a escala de oblea, diseñado para la inferencia en tiempo real de GPT-5. Cerebras retomó paralelamente sus planes de salida a bolsa para mediados de 2026.Cerebras ↗

NVIDIA compró la tecnología de chips de inferencia de Groq y su equipo de ingenieros en su mayor adquisición hasta la fecha. Los ingenieros de Groq se integraron en una nueva división de Inferencia en Tiempo Real, reflejo del cambio de la industria del hardware de entrenamiento hacia sistemas optimizados para la inferencia.NVIDIA ↗

AMD lanzó la Instinct MI355X, con cuatro veces el rendimiento de la MI300X para entrenamiento e inferencia de IA. El chip ofreció a los proveedores de nube una alternativa creíble a NVIDIA y algo de margen de negociación en precios.AMD Newsroom ↗

NVIDIA lanzó la GeForce RTX 5090 el 30 de enero de 2025, con un precio de 1.999 dólares y construida sobre la arquitectura Blackwell para consumidores. Con 92.000 millones de transistores y 3.352 AI TOPS, duplicaba la velocidad de la RTX 4090 en cargas de trabajo aceleradas por IA. DLSS 4 introdujo la generación de múltiples fotogramas, produciendo hasta tres fotogramas generados por IA por cada fotograma real.NVIDIA Newsroom ↗

La computación de IA empujó las redes eléctricas hacia sus límites de capacidad. El mayor operador de red de EE.UU. proyectó un déficit de fiabilidad de seis gigavatios para 2027. Los diseñadores de chips respondieron convirtiendo la eficiencia energética en un objetivo de diseño prioritario junto al rendimiento bruto.Utility Dive ↗

La memoria de alto ancho de banda sufrió una grave escasez, creando cuellos de botella incluso cuando la oferta de GPU mejoró. Los clientes empresariales reportaron retrasos significativos en los despliegues. El patrón demostró que las cadenas de suministro de hardware de IA van mucho más allá de las GPU: la memoria, el empaquetado y la refrigeración también se convirtieron en cuellos de botella en serie.AI News ↗

Investigadores de Google publicaron TurboQuant, un algoritmo que comprime la caché KV —el almacén de memoria que guarda el contexto durante la inferencia— seis veces, al tiempo que multiplica por ocho la velocidad del mecanismo de atención. El enfoque hizo factible ejecutar ventanas de contexto mucho más largas en hardware existente, aliviando uno de los principales cuellos de botella que impulsaban la escasez de memoria de 2025.VentureBeat ↗

xAI construyó el superordenador Colossus en Memphis, Tennessee, en 122 días, ensamblando 100.000 GPU NVIDIA H100. Entró en funcionamiento en septiembre de 2024 y se emplea para entrenar y servir la familia de modelos Grok. La velocidad de construcción —unos cuatro meses para un clúster que normalmente llevaría más de un año— demostró lo que se puede lograr cuando la energía, el espacio y el hardware se gestionan como un problema de aprovisionamiento de emergencia.xAI ↗

Microsoft presentó la categoría PC Copilot+ en mayo de 2024, exigiendo una unidad de procesamiento neuronal con un mínimo de 40 TOPS de cualquier fabricante. Los primeros dispositivos se lanzaron con Qualcomm Snapdragon X Elite, con NPU ARM gestionando tareas locales como subtítulos en tiempo real, generación de imágenes y búsqueda semántica sin conexión a la nube. Intel y AMD siguieron con sus propios chips equipados con NPU antes de fin de año, haciendo del silicio dedicado a IA algo estándar en los portátiles para consumidores.Microsoft Blog ↗

Cerebras anunció su motor de escala de oblea de tercera generación en el proceso de 3nm de TSMC, integrando aproximadamente 4 billones de transistores en un único chip del tamaño de una oblea. La empresa captó 1.100 millones de dólares con una valoración de 8.100 millones para escalar la producción. Sigue siendo el chip más grande jamás fabricado.Cerebras ↗

La H100 introdujo un Motor Transformer diseñado específicamente para grandes modelos de lenguaje, con hasta 9 veces más velocidad de entrenamiento que la A100. La demanda superó ampliamente la oferta durante todo 2023, con GPU individuales cotizando por encima de los 40.000 dólares en mercados secundarios. Éste fue el chip que impulsó la era GPT-4.NVIDIA Newsroom ↗

El primer silicio ARM personalizado de Apple para Mac incluyó un Motor Neural de 16 núcleos capaz de ejecutar 11 billones de operaciones por segundo, fabricado en el proceso de 5nm de TSMC. Demostró que el hardware de aprendizaje automático dedicado en un dispositivo de consumo podía superar a los procesadores de propósito general tanto en velocidad como en eficiencia energética.Apple Newsroom ↗

La A100 ofreció 19,5 teraflops de rendimiento FP32 con tecnología de GPU multi-instancia que permitía ejecutar múltiples trabajos de IA simultáneamente en un solo chip. Se convirtió en el hardware estándar de entrenamiento para GPT-3, DALL-E y la primera oleada de modelos fundacionales.NVIDIA Newsroom ↗

La red neuronal profunda de Alex Krizhevsky ganó la competición ImageNet por un amplio margen, entrenada con dos tarjetas gráficas de consumo NVIDIA GTX 580 con 3 GB de memoria cada una. El resultado demostró que las GPU diseñadas para videojuegos podían entrenar redes neuronales mucho más rápido que las CPU, el hallazgo que acabaría redirigiendo todo el negocio de NVIDIA.IEEE Spectrum ↗

La arquitectura Blackwell de NVIDIA alcanzó producción a plena escala tras los primeros envíos de los sistemas GB200 NVL72 a proveedores de nube a finales de 2024. La B200 ofreció ganancias de velocidad de aproximadamente 2,5 veces y de eficiencia energética de 25 veces respecto a Hopper en tareas de inferencia.NVIDIA ↗