Tema
IBM anuncia un chip de 100 mil millones de transistores mediante apilamiento vertical, prometiendo 50 % más rendimiento y 70 % más eficiencia. Sin embargo, su complejidad, coste y concentración de fabricación obligan a diversificar la estrategia tecnológica en Latinoamérica.
OpenAI desarrolló un chip propio (Jalapeño) para reducir la dependencia de Nvidia y ahorrar miles de millones en costos de infraestructura. Con 900M de usuarios semanales y costos operativos de US$14 mil millones en 2025, la empresa apuesta por silicio vertical para hacer más eficiente la inferencia de modelos de lenguaje.
OpenAI y Broadcom presentan Jalapeño, un chip que acelera la inferencia de grandes modelos de lenguaje. Analizamos sus ventajas operativas y el riesgo de concentrar la infraestructura de IA en manos de pocos.
El nuevo chip, diseñado para centros de datos, apunta a reducir costos y latencia en inferencia de modelos de lenguaje. ¿Qué implica para las empresas que escalan IA?
Nvidia y Microsoft lanzan la etiqueta “PC con IA agentiva”, pero analistas advierten que la mayoría de equipos actuales ya pueden ejecutar agentes locales sin necesidad de nuevos chips.
OpenAI presentó Jalapeño, su primer ASIC de inferencia, desarrollado junto a Broadcom. El chip promete mayor rendimiento por vatio y menores costos operativos, marcando un paso para reducir la dependencia de GPUs Nvidia.
Reflection AI paga $150 M mensuales a SpaceX por acceso a chips Nvidia GB300 en el centro Colossus 2, una apuesta abierta que podría redefinir la infraestructura de IA en América.
Fujitsu presentó PHOTON, una arquitectura para modelos de lenguaje que logra hasta 475 veces la eficiencia por GPU frente a Transformers, reduciendo costos y consumo de memoria.
El despliegue de una EUV de 400 M USD y la retirada de modelos por Anthropic evidencian riesgos de dependencia. América Latina debe articular una estrategia regional de semiconductores para no quedar rezagada.
La demanda de semiconductores para inteligencia artificial está disparando precios de dispositivos, limitando el acceso y amenazando la inclusión digital en Latinoamérica; se requieren políticas coordinadas de suministro.
Una litografía EUV de $400 millones de ASML define la ruta de los chips de IA; mientras Anthropic retira sus modelos tras controles de exportación, lo que plantea riesgos regulatorios y de continuidad operativa.
Expertos proponen que gobiernos inviertan ahora en herramientas de regulación flexible, mientras investigadores exploran computadoras neuronales y modelos que podrían disparar un crecimiento económico sin precedentes.
Riken entrega el nombre “Rikyū” a su nuevo superordenador AI for Science, explica su origen en el maestro del té Sen no Rikyū y detalla su arquitectura basada en GPUs NVIDIA y una capacidad de 64,16 PFLOPS FP64.
