En el siempre cambiante mundo de la inteligencia artificial, la evolución de las infraestructuras ha sido un tema central. Durante años, el protagonismo indiscutible en este ámbito fue de las GPU, consideradas las impulsoras principales del rendimiento en aplicaciones de IA. Sin embargo, un nuevo enfoque está ganando tracción: el diseño de sistemas completos donde el CPU y el DPU juegan roles esenciales.
Arm, uno de los principales arquitectos detrás de esta visión, defiende la idea de que la verdadera escalabilidad de la IA solo puede lograrse mediante una integración total de componentes. Este enfoque se centra en el diseño de racks y superclústeres “co-diseñados,” en los cuales se conciben la computación, red, almacenamiento y seguridad como un único producto. En este marco, los CPUs basados en tecnología Arm se destacan por su capacidad para orquestar y coordinar el conjunto, convirtiéndose en elementos fundamentales del sistema.
La reciente presentación de NVIDIA de su plataforma Rubin en el CES 2026 parece respaldar esta visión. Se trata de un sistema de «co-diseño extremo» que incluye seis componentes clave: el Vera CPU, la Rubin GPU, el NVLink 6 Switch, el ConnectX-9 SuperNIC, el BlueField-4 DPU y el Spectrum-6 Ethernet Switch. Esta arquitectura busca no solo mejorar el rendimiento, sino también reducir los tiempos y costes asociados al entrenamiento e inferencia a gran escala.
En un giro hacia el «centro de datos convergente,» la complejidad de gestionar modelos de IA más grandes y «agénticos» no se centra únicamente en la capacidad de computación o FLOPs, sino también en la coordinación eficiente de datos, sincronización y seguridad. Aquí es donde el concepto de infraestructura modular e integrada cobra mayor relevancia, tratando de maximizar la computación por metro cuadrado mientras se controla el costo energético y operativo.
El BlueField-4 DPU de NVIDIA ejemplifica este nuevo enfoque al comportarse como un procesador de infraestructura que descarga funciones críticas del host, liberando recursos y mejorando la eficiencia en grandes clústeres. En paralelo, la plataforma NVIDIA AI Inference Context Memory (AICON) refuerza la idea de romper la barrera entre computación y datos, destacando la importancia del almacenamiento como un componente crucial.
A este techo se suma AWS con su Trainium3, mostrando un sistema donde acelerador, CPU y componentes de infraestructura se integran para proponer una solución más eficiente. Este diseño promete un mayor rendimiento y eficiencia energética, manteniendo el enfoque en la reducción de fricciones y desperdicios operativos.
En este contexto, el mercado enfrenta varios cambios. En primer lugar, el CPU deja de ser un actor secundario en la IA, demostrando su valor en la orquestación y gestión de datos. En segundo lugar, la infraestructura de IA se vuelve un producto en sí, donde las plataformas completas se perfilan como la norma en vez de las compras individuales de componentes. Finalmente, la red y el almacenamiento ganan terreno como elementos diferenciadores en la capacidad de razonamiento y ejecución de agentes de IA.
A medida que el mercado avanza hacia esta nueva era de sistemas completos, es evidente que la colaboración y la integración jugarán un papel crucial en la construcción de infraestructuras de inteligencia artificial más eficientes y poderosas.
Más información y referencias en Noticias Cloud.
