- OpenAI está buscando alternativas a algunas GPU de Nvidia después de preocupaciones de rendimiento en cargas de trabajo de inferencia, lo que podría cambiar su estrategia de cómputo.
- El movimiento resalta la creciente demanda de hardware especializado para IA y la intensificación de la competencia en el panorama de los chips de IA.
Lo ocurrido: OpenAI explora alternativas a Nvidia para tareas de inferencia
OpenAI —el creador de ChatGPT— ha mostrado insatisfacción con algunos de los últimos chips de inteligencia artificial de Nvidia y está explorando alternativas para parte de su carga de trabajo computacional, según fuentes familiarizadas con la situación dijeron a Reuters. Las preocupaciones reportadas se centran en las cargas de trabajo de inferencia, donde los modelos de IA responden a consultas de usuarios y generan resultados, incluyendo herramientas como asistentes de programación.
El personal de OpenAI ha indicado que las GPU de Nvidia a veces se quedan cortas en velocidad y acceso a memoria para estas tareas, lo que lleva a la empresa a examinar chips especializados con memoria en el chip y otras diferencias arquitectónicas.
Aunque Nvidia sigue siendo un proveedor dominante de hardware para el entrenamiento de modelos grandes —una tarea que implica intensa computación paralela— la inferenciase ha convertido en un campo de batalla separado, con el rendimiento y la eficiencia de costos cada vez más importantes a medida que las empresas de IA implementan modelos a escala.
Según el informe, la divergencia de OpenAI de Nvidia ha estado en marcha desde al menos 2025, mientras la empresa buscaba socios potenciales y fabricantes de chips como AMD y Cerebras para GPU y aceleradores que pudieran adaptarse mejor a sus necesidades de inferencia en evolución.
Mientras Nvidia sostiene que todavía alimenta la mayoría de la flota de inferencia de OpenAI y ofrece un rendimiento competitivo y un costo total de propiedad, el giro estratégico reportado por OpenAI subraya el cambio de prioridades de hardware en el sector de IA de rápido crecimiento.
Lea también:La charla de SoftBank por 30.000 millones de dólares con OpenAI genera preocupación
Lea también:Amazon contempla inversión de 50.000 millones en OpenAI
Por qué es importante
La noticia indica que incluso los líderes del mercado están reevaluando relaciones arraigadas con proveedores en respuesta a demandas técnicas y presiones de costos cambiantes. A medida que la inferencia —el uso en el mundo real de los modelos de IA— se convierte en una mayor parte de las cargas de trabajo computacionales, las características requeridas de los chips (como vías rápidas de memoria y baja latencia) pueden diferir de las priorizadas en el entrenamiento de modelos.
La exploración de OpenAI de proveedores alternativos y enfoques de hardware refleja tendencias más amplias de la industria: las empresas están cada vez más interesadas enla computación heterogénea —mezclando GPU, aceleradores especializados y silicio personalizado— para optimizar el rendimiento por dólar.Estudios de hardware heterogéneo para IA sugieren que las arquitecturas emergentes de aceleradores pueden lograr una eficiencia energética y perfiles de rendimiento competitivos, incluso si el soporte de software y ecosistema siguen siendo áreas de maduración.
A nivel estratégico, este posible cambio también podría complicar la relación entre OpenAI y Nvidia. Las dos empresas han estado vinculadas a través de propuestas de inversiones multimillonarias y una estrecha cooperación, con Nvidia incluso planeando enormes compromisos de capital hacia OpenAI, según otros informes. Aunque Nvidia ha negado públicamente cualquier ruptura fundamental, y OpenAI ha enfatizado su continua dependencia del hardware de Nvidia, el impulso subyacente por alternativas muestra cómo las presiones competitivas y las prioridades técnicas pueden remodelar las asociaciones.
Finalmente, la situación resalta una tendencia más amplia en la industria de la IA: a medida que las redes neuronales se vuelven centrales para un creciente conjunto de aplicaciones, las pilas de hardware deben evolucionar para satisfacer las diversas demandas de entrenamiento, inferencia, escala de implementación y gestión de costos. La búsqueda de alternativas a los chips de Nvidia por parte de una empresa de IA emblemática como OpenAI puede alentar la inversión en silicio especializado, incluyendo nuevos diseños de aceleradores y chiplets, a medida que las empresas buscan diferenciarse en rendimiento y economía.
