30/05/2026 12:19 - Tecnologia
Microprocesador con múltiples núcleos brillando en tonos azules sobre circuitos tecnológicos modernos, representando la computación heterogénea del futuro
"La era de la computación tradicional está muerta". Con esa frase contundente, Lisa Su, actual CEO de AMD, sentenció en 2013 lo que hoy es una realidad innegable. Durante una presentación en la International Solid-State Circuits Conference (ISSCC), la ejecutiva advirtió que sostener el aumento de potencia solo con CPUs empezaba a chocar contra límites prácticos insalvables.
Su diagnóstico era claro: el procesador central ya no podía cargar con todo el trabajo. El modelo tradicional, donde una sola unidad concentraba la mayor parte del procesamiento, había llegado a su fin. La solución no era sumar más chips por sumar, sino distribuir las cargas de forma inteligente.
La propuesta de Lisa Su se llama computación heterogénea, un diseño donde diferentes tipos de procesadores colaboran dentro del mismo sistema. Cada uno hace lo que mejor sabe hacer:
Cuando una sola persona intenta hacer todo el trabajo, el sistema se vuelve ineficiente. La CPU tradicional estaba diseñada para resolver muchos tipos de problemas, pero no era óptima para tareas repetitivas y masivas.
El cuello de botella era evidente: seguir escalando rendimiento con procesadores convencionales resultaba cada vez más costoso y menos eficiente energéticamente.
La computación heterogénea funciona como un equipo bien coordinado: la CPU organiza, la GPU acelera lo paralelo y los chips especializados resuelven tareas puntuales con máxima eficiencia.
Este enfoque reduce fricciones internas y optimiza el consumo energético, algo crítico en centros de datos y dispositivos móviles.
Lo que en 2013 era una proyección, hoy define el corazón de la carrera por la infraestructura de IA. Plataformas como la familia Instinct MI400 de AMD y la Vera Rubin de Nvidia son concebidas como "superchips" pensados para sostener el despliegue de modelos y servicios a gran escala.
En centros de datos y dispositivos de consumo, GPUs, NPUs y aceleradores ya no son periféricos, sino piezas centrales de un sistema diseñado para cooperar. La memoria compartida permite que los distintos motores de cómputo trabajen en conjunto sin fricciones.
La explosión de la inteligencia artificial hizo que la visión de Lisa Su se convierta en una necesidad práctica. Entrenar modelos de lenguaje, procesar imágenes en tiempo real o ejecutar simulaciones complejas requiere esa arquitectura heterogénea que AMD anticipó hace más de una década. El futuro del rendimiento depende más de la combinación de arquitecturas que de la potencia de un solo chip.
Fuente: Infobae
Alfredo S. Quiroga
