Los pedidos de IA cambiaron de rumbo: ¿qué otros trabajos pueden hacer las GPU que compramos?
Hay una cuestión que puede pasar desapercibida al invertir en capacidad de cómputo: si disminuyen los pedidos del tipo que inicialmente nos interesaba, ¿a quién más pueden servir estos equipos?
Al hablar el 1 de octubre sobre el rendimiento de las fábricas de IA, NVIDIA destacó la flexibilidad de uso. Una misma plataforma de computación acelerada puede abarcar el procesamiento de datos, el entrenamiento y la inferencia, además de tareas de computación científica, simulación y gráficos. Esta es una descripción de las capacidades de sus productos, no una garantía de la tasa de ocupación futura.
Prefiero entenderlo como margen para ajustar el negocio. El rendimiento de los equipos aptos para una sola tarea depende más de que esa demanda se mantenga; los que pueden cambiar de tarea podrían encontrar otra fuente de ingresos cuando cambien los presupuestos de los clientes.
Pero entre «puede ejecutarlo» y «puede conseguir pedidos» hacen falta adaptación del software, configuración de red y memoria, aceptación del cliente y tiempo para la migración. No se pueden sumar sin más las demandas teóricas de distintas tareas y asumir que una misma máquina generará todos esos ingresos a la vez. También hay que tener en cuenta quién asume el tiempo de inactividad y los costos de adaptación durante la transición.
Por eso, al analizar las colaboraciones de NVIDIA con proveedores de servicios en la nube, seguiría la estructura de clientes y las cargas de trabajo reales, en vez de fijarme únicamente en la capacidad de cómputo máxima. Cuantos más usos tenga, más opciones habrá; cuánto más pueda generar en concreto tendrá que demostrarse con pedidos reales y sus costos.
Al evaluar también narrativas de computación o IA como RENDER, FET y NEAR, primero hay que comprobar qué tareas admite realmente cada proyecto. No se deben atribuir directamente a los proyectos de tokens las capacidades de NVIDIA.
La segunda imagen es una foto de archivo del edificio de oficinas de NVIDIA en Pune.
$RENDER $FET $NEAR
Toca mi foto de perfil para ver mis operaciones en vivo
Hay una cuestión que puede pasar desapercibida al invertir en capacidad de cómputo: si disminuyen los pedidos del tipo que inicialmente nos interesaba, ¿a quién más pueden servir estos equipos?
Al hablar el 1 de octubre sobre el rendimiento de las fábricas de IA, NVIDIA destacó la flexibilidad de uso. Una misma plataforma de computación acelerada puede abarcar el procesamiento de datos, el entrenamiento y la inferencia, además de tareas de computación científica, simulación y gráficos. Esta es una descripción de las capacidades de sus productos, no una garantía de la tasa de ocupación futura.
Prefiero entenderlo como margen para ajustar el negocio. El rendimiento de los equipos aptos para una sola tarea depende más de que esa demanda se mantenga; los que pueden cambiar de tarea podrían encontrar otra fuente de ingresos cuando cambien los presupuestos de los clientes.
Pero entre «puede ejecutarlo» y «puede conseguir pedidos» hacen falta adaptación del software, configuración de red y memoria, aceptación del cliente y tiempo para la migración. No se pueden sumar sin más las demandas teóricas de distintas tareas y asumir que una misma máquina generará todos esos ingresos a la vez. También hay que tener en cuenta quién asume el tiempo de inactividad y los costos de adaptación durante la transición.
Por eso, al analizar las colaboraciones de NVIDIA con proveedores de servicios en la nube, seguiría la estructura de clientes y las cargas de trabajo reales, en vez de fijarme únicamente en la capacidad de cómputo máxima. Cuantos más usos tenga, más opciones habrá; cuánto más pueda generar en concreto tendrá que demostrarse con pedidos reales y sus costos.
Al evaluar también narrativas de computación o IA como RENDER, FET y NEAR, primero hay que comprobar qué tareas admite realmente cada proyecto. No se deben atribuir directamente a los proyectos de tokens las capacidades de NVIDIA.
La segunda imagen es una foto de archivo del edificio de oficinas de NVIDIA en Pune.
$RENDER $FET $NEAR
Toca mi foto de perfil para ver mis operaciones en vivo
