Cambridge crea un modelo planetario de IA con chips AMD, desafiando a Nvidia

¿Qué ha ocurrido?

Investigadores de la Universidad de Cambridge han presentado TESSERA (Terra Earth System Science and Earth Resources Analysis), un modelo fundacional de inteligencia artificial diseñado para analizar datos de observación de la Tierra a escala planetaria. Lo que hace único a TESSERA es que fue entrenado y ejecutado exclusivamente con procesadores AMD, evitando por completo los chips de Nvidia, que dominan el mercado de IA. El modelo se entrenó en la nube de Vultr, utilizando clústeres de GPUs AMD Instinct MI250 y MI300. Según The Next Web, el equipo de Cambridge necesitó solo 48 horas para entrenar el modelo, lo que subraya la eficiencia del hardware AMD en esta tarea específica. TESSERA está diseñado para procesar petabytes de datos satelitales, como los del programa Copernicus de la ESA, y puede aplicarse a la monitorización de deforestación, cambio climático, agricultura y desastres naturales.

¿Por qué es importante?

Nvidia controla aproximadamente el 80% del mercado de aceleradores de IA, y su plataforma CUDA es el estándar de facto para el desarrollo de modelos de deep learning. El proyecto TESSERA demuestra que es posible construir modelos de vanguardia con hardware alternativo, específicamente con GPUs AMD y el software ROCm (Radeon Open Compute). Esto tiene implicaciones significativas:

• Competencia en hardware: Rompe el monopolio de Nvidia y valida a AMD como una alternativa viable para cargas de trabajo de IA a gran escala. Las GPUs Instinct MI250 y MI300, basadas en la arquitectura CDNA 2 y 3, ofrecen un rendimiento competitivo en FP16/FP32, aunque históricamente han estado por detrás de Nvidia en software y ecosistema.
• Soberanía tecnológica: Gobiernos y empresas que buscan independencia de un solo proveedor pueden considerar opciones AMD. Por ejemplo, la Unión Europea ha mostrado interés en diversificar su cadena de suministro de chips, y proyectos como TESSERA podrían acelerar esa transición.
• Innovación en software: ROCm, el ecosistema de software de AMD para computación de alto rendimiento, demuestra madurez suficiente para proyectos complejos. Aunque ROCm ha tenido problemas de compatibilidad y rendimiento en el pasado, versiones recientes han mejorado significativamente, y TESSERA es una prueba de que puede escalar a nivel planetario.

¿Qué consecuencias tendrá?

A corto plazo, TESSERA es una prueba de concepto que podría acelerar la adopción de AMD en centros de datos de IA. A largo plazo, podría presionar a Nvidia a reducir precios o innovar más agresivamente. También podría impulsar a otros fabricantes como Intel (con sus GPUs Ponte Vecchio) o startups como Cerebras y Graphcore. Para los usuarios, más competencia significa más opciones y potencialmente menores costos de cómputo. Sin embargo, no debemos subestimar la ventaja de Nvidia en software: CUDA tiene una biblioteca de optimizaciones y herramientas (cuDNN, TensorRT) que ROCm aún no iguala. Además, el rendimiento de AMD en IA no es uniforme; en benchmarks como MLPerf, las GPUs Nvidia suelen liderar en entrenamiento de modelos grandes. Pero para tareas específicas como la observación terrestre, AMD ha demostrado ser suficiente. En términos de mercado, la cuota de AMD en GPUs para centros de datos era de alrededor del 10% en 2024, pero podría crecer si proyectos como TESSERA inspiran confianza. Empresas como Microsoft ya están probando Instinct para ciertas cargas de trabajo, y Vultr, el proveedor de nube utilizado, se beneficia al ofrecer una alternativa a los clústeres de Nvidia.

¿Qué deben saber los lectores?

TESSERA no solo es un logro técnico, sino un símbolo de que el ecosistema de IA no está atado a un solo proveedor. Sin embargo, hay matices: el rendimiento de AMD en IA aún no iguala al de Nvidia en todos los benchmarks, y la madurez del software ROCm es menor que CUDA. Además, el modelo TESSERA se centra en observación terrestre, no en tareas generativas como GPT, por lo que su aplicabilidad a otros dominios aún está por verse. Los lectores deben seguir de cerca los benchmarks independientes y las adopciones empresariales de AMD en IA. Por ejemplo, el equipo de Cambridge utilizó una técnica llamada 'preentrenamiento contrastivo' para aprender representaciones de la Tierra sin etiquetas, similar a cómo los LLMs aprenden de texto no estructurado. Esto podría inspirar a otros investigadores a explorar hardware alternativo. En comparación con eventos anteriores, como el uso de TPUs de Google para modelos de lenguaje, TESSERA muestra que la diversificación de hardware es posible y beneficiosa. Sin embargo, Nvidia no se queda quieta: sus próximas GPUs Blackwell prometen un salto de rendimiento, y su software sigue siendo el más robusto. Para los usuarios empresariales, la decisión entre Nvidia y AMD dependerá del costo total de propiedad, la disponibilidad de software optimizado y la escalabilidad. En resumen, TESSERA es un hito, pero no una revolución inmediata.

“The AI industry runs on Nvidia. A team at the University of Cambridge has just shown it does not have to.” — The Next Web