El comercio de IA en una frase: estamos convirtiendo energía en inteligencia. El tipo de cambio — precisión por julio — mejoró 18 veces en 16 meses. Aproximadamente 6x por mejor hardware, 3x por mejores modelos. Cada empresa que impulsa esta relación está preparada para ganar.
Aquí está la pila invertible:
$NVDA: Cada generación de GPU multiplica la inteligencia por vatio. Hopper a Blackwell fue el gran salto. La eficiencia es el modelo de negocio y por eso los clientes siguen actualizando para entrenar.
Memoria ($MU, SK Hynix, Samsung): HBM mantiene el chip alimentado para que ningún julio se desperdicie esperando. Cada generación de HBM mueve más datos por vatio. La demanda de memoria escala con cada GPU vendida y también necesitamos más memoria por GPU.
$IFNNY: El mayor fabricante del mundo de semiconductores de potencia — los chips que convierten y controlan la electricidad por sí mismos. Un rack de IA consume más de 100 kilovatios y cada conversión de energía entre la red y el chip pierde energía en forma de calor. Nvidia está pasando sus centros de datos a alimentación de 800 voltios más adelante este año, lo que significa menos conversiones y más contenido de Infineon por rack.
$AVGO: Ataca la energía perdida entre chips. Entrenar no es un solo chip pensando — son decenas de miles de GPU hablando constantemente, y esa conversación es un coste de energía puro. Los chips conmutadores de Broadcom mueven aproximadamente el doble de datos por vatio en cada generación, y las ópticas empaquetadas convierten señales en luz justo en el chip, reduciendo drásticamente el coste energético. La interconexión más rápida también significa menos tiempo de inactividad de la GPU, así que cada chip del rack obtiene más productividad por julio.
Silicio a medida ($GOOGL TPU, $AMZN Trainium): Una GPU es flexible, pero pagas eso en julios desperdiciados. Los chips personalizados eliminan todo excepto las matemáticas exactas que necesita la IA, de modo que casi cada julio se destina a un trabajo útil. Los flujos de diseño se retroalimentan en $AVGO y $MRVL.
Este es el trade de eficiencia en IA. Posee la pila que convierte electricidad en inteligencia.
Aquí está la pila invertible:
$NVDA: Cada generación de GPU multiplica la inteligencia por vatio. Hopper a Blackwell fue el gran salto. La eficiencia es el modelo de negocio y por eso los clientes siguen actualizando para entrenar.
Memoria ($MU, SK Hynix, Samsung): HBM mantiene el chip alimentado para que ningún julio se desperdicie esperando. Cada generación de HBM mueve más datos por vatio. La demanda de memoria escala con cada GPU vendida y también necesitamos más memoria por GPU.
$IFNNY: El mayor fabricante del mundo de semiconductores de potencia — los chips que convierten y controlan la electricidad por sí mismos. Un rack de IA consume más de 100 kilovatios y cada conversión de energía entre la red y el chip pierde energía en forma de calor. Nvidia está pasando sus centros de datos a alimentación de 800 voltios más adelante este año, lo que significa menos conversiones y más contenido de Infineon por rack.
$AVGO: Ataca la energía perdida entre chips. Entrenar no es un solo chip pensando — son decenas de miles de GPU hablando constantemente, y esa conversación es un coste de energía puro. Los chips conmutadores de Broadcom mueven aproximadamente el doble de datos por vatio en cada generación, y las ópticas empaquetadas convierten señales en luz justo en el chip, reduciendo drásticamente el coste energético. La interconexión más rápida también significa menos tiempo de inactividad de la GPU, así que cada chip del rack obtiene más productividad por julio.
Silicio a medida ($GOOGL TPU, $AMZN Trainium): Una GPU es flexible, pero pagas eso en julios desperdiciados. Los chips personalizados eliminan todo excepto las matemáticas exactas que necesita la IA, de modo que casi cada julio se destina a un trabajo útil. Los flujos de diseño se retroalimentan en $AVGO y $MRVL.
Este es el trade de eficiencia en IA. Posee la pila que convierte electricidad en inteligencia.