Según las informaciones, Google desarrolla un chip con el diseño de Gemini integrado en el silicio
Un chip para servidores con el nombre en clave Frozen v2 integraría la estructura de Gemini directamente en el hardware. Según las informaciones, los ingenieros calculan que ofrecería entre seis y diez veces más rendimiento por unidad de energía. Google no ha confirmado nada.
Según las informaciones publicadas, Google trabaja en un nuevo chip para servidores, conocido internamente por el nombre en clave Frozen v2, que incorporaría al hardware partes del diseño del modelo Gemini. De acuerdo con las noticias recogidas esta semana, los ingenieros calculan que podría ofrecer entre seis y diez veces más rendimiento de IA por unidad de energía que las TPU actuales de Google. Se dice que su despliegue está previsto para 2028. Google no ha confirmado que el proyecto exista y la cifra de eficiencia es una proyección interna, no un resultado medido, así que conviene tratarla como una esperanza, no como una especificación.
La parte interesante es la palabra «arquitectura». Un modelo tiene dos elementos: su arquitectura, es decir, el plano que determina cómo se organizan las capas y conexiones, y sus pesos, los millones de números ajustados que hacen que sepa cosas. Según las informaciones, Frozen v2 fijaría en el hardware el plano, pero no los números. Esto importa porque Google podría cargar más adelante en el mismo chip una versión de Gemini nueva y más inteligente. Si también fijara los pesos, el chip quedaría obsoleto el mismo día en que se lanzara un modelo mejor. El diseño descrito es un compromiso entre velocidad y vida útil.
La eficiencia procede de mover menos datos. En un chip convencional, ejecutar un modelo exige trasladar información constantemente entre la memoria y las unidades de procesamiento, y ese movimiento, más que las propias operaciones matemáticas, consume una parte sorprendente de la energía. Si el chip ya conoce la forma del cálculo que se le va a pedir, gran parte de esos traslados desaparece.
Qué hay detrás: Esta es una apuesta por que las arquitecturas de los modelos empiezan a estabilizarse. Durante años, el diseño de los modelos de frontera cambió demasiado deprisa como para que alguien se comprometiera a plasmarlo en silicio, porque los chips tardan aproximadamente entre tres y cuatro años desde su diseño hasta su despliegue. Apostar por hardware para 2028 significa confiar en que un modelo con la forma de Gemini seguirá pareciéndose en líneas generales a Gemini dentro de dos años. La razón empresarial es más inmediata: según las informaciones, Google sufre una escasez de capacidad informática interna hasta el punto de que su división en la nube no puede atender a todos los clientes empresariales interesados. Abaratar la prestación del servicio vale ahora tanto como tener un modelo mejor, quizá incluso más.
Qué significa esto para ti: Nada hoy y probablemente tampoco nada en 2027. Pero merece la pena conocer la dirección, porque el coste de ejecutar la IA determina lo que recibes gratis. Cada gran caída de los costes de operación durante los últimos dos años se ha traducido, en cuestión de meses, en una rebaja de precios o en un nivel gratuito más generoso. Si chips especializados como este funcionan, el resultado práctico para la mayoría será que los mejores modelos dejen de estar racionados. Conviene mantener presente la reserva: las proyecciones no confirmadas de ingenieros anónimos sobre un hardware previsto para dentro de dos años son la categoría menos fiable de noticias sobre IA. Un intervalo de seis a diez veces es lo bastante amplio como para que en la misma frase quepan tanto «transformador» como «modesto».
Fuentes
Anthropic ofrece 50.000 dólares en créditos a investigadores de enfermedades raras, y el plazo termina el 2 de agosto
Una convocatoria específica del programa AI for Science de Anthropic, dirigida a los cerca de 400 millones de personas que viven con alguna de las más de 7.000 enfermedades raras. Ofrece dos modalidades y permanece abierta hasta el 2 de agosto.
