Ir al contenido

El conocimiento que ilumina el mundo

¿Qué es una GPU? En qué se diferencia de una CPU y por qué es tan importante en la era de la IA

Conocida como tarjeta gráfica en los PC para juegos, la GPU se ha convertido en el motor de la revolución de la IA. ¿Cuál es la diferencia entre una GPU y una CPU, por qué los modelos de IA se entrenan en miles de GPUs y qué debes tener en cuenta al elegir una GPU para tu propio ordenador?

¿Qué es una GPU? En qué se diferencia de una CPU y por qué es tan importante en la era de la IA

Una GPU (Unidad de Procesamiento Gráfico), como sugiere su nombre, fue diseñada originalmente para dibujar imágenes en pantalla. Calcular el color de millones de píxeles en cada fotograma de un juego requiere que se realice la misma operación sencilla sobre enormes cantidades de datos a la vez. Esa potencia de procesamiento paralelo ha hecho que las GPU sean indispensables en campos que van desde la computación científica hasta la inteligencia artificial.

La diferencia entre una CPU y una GPU

La unidad central de procesamiento (CPU) es como el “gerente general” del ordenador: con núcleos potentes, que suelen ser desde unos pocos hasta unas pocas docenas, ejecuta el sistema operativo y gestiona tareas complejas y secuenciales que requieren decisiones. Una GPU está compuesta por miles de núcleos más sencillos y destaca en la realización de la misma operación sobre muchos datos simultáneamente. Como analogía: una CPU son unos pocos profesores expertos, mientras que una GPU es una clase enorme de estudiantes, cada uno haciendo sumas sencillas al mismo tiempo.

Cómo llegaron las GPU a la IA

Entrenar redes neuronales artificiales consiste esencialmente en multiplicar tablas enormes de números (matrices), exactamente el tipo de trabajo paralelo que las GPU realizan con rapidez. A mediados de la década de 2000, se generalizaron las herramientas que facilitaban la programación de las GPU para la computación general (como la plataforma CUDA de Nvidia). El éxito de AlexNet, un modelo entrenado en GPU, en una competición de reconocimiento de imágenes en 2012 es considerado el inicio de la era del aprendizaje profundo (deep learning). Hoy en día, los grandes modelos de lenguaje se desarrollan mediante procesos de entrenamiento que duran semanas o incluso meses en miles de GPU interconectadas en centros de datos.

GPU de centros de datos y competencia global

Las GPU de centros de datos diseñadas para la IA, con memoria de gran ancho de banda y conexiones rápidas entre chips, son muy diferentes —y mucho más caras— que las tarjetas para juegos. La demanda de estos chips ha catapultado a los fabricantes de chips a las filas de las empresas más valiosas del mundo, y países como EE. UU. restringen las exportaciones de los chips de IA más avanzados por motivos de seguridad nacional.

Cómo elegir una GPU para tu propio ordenador

  • ¿Integrada o dedicada? Los gráficos integrados en el procesador son suficientes para el trabajo de oficina, la navegación y el vídeo. Los juegos, el diseño 3D, la edición de vídeo o la ejecución de modelos de IA de forma local requieren una tarjeta gráfica dedicada.
  • VRAM: La memoria de la tarjeta gráfica es decisiva para los juegos de alta resolución y los modelos de IA grandes.
  • Energía y refrigeración: Las tarjetas potentes consumen mucha energía; asegúrate de que tu fuente de alimentación y tu caja sean adecuadas.
  • NPU: Los nuevos portátiles también incluyen “unidades de procesamiento neuronal” (NPU) que gestionan tareas de IA con poca energía; son útiles para funciones de IA cotidianas.

Fuentes y lecturas adicionales

  1. Nvidia, “What’s the Difference Between a CPU and a GPU?”.
  2. Krizhevsky, Sutskever y Hinton, “ImageNet Classification with Deep Convolutional Neural Networks” (2012).
  3. Intel, “CPU vs. GPU: What’s the Difference?”.
Compartir
Sigue a YulaHubRecibe primero las noticias más importantes del día.
RSS

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *