Sin esta tecnología NVIDIA no ganaría tanto dinero. Ni arrasaría en el mercado de las GPU como lo hace hoy

El dominio que ejerce NVIDIA sobre la industria del hardware para inteligencia artificial (IA) es férreo. Actualmente la compañía que lidera Jensen Huang acapara cerca del 80% del mercado de los chips para IA, y aunque compite con AMD, Intel, Google o Amazon nada parece indicar que su posición de dominio vaya a verse alterada a corto o medio plazo. No obstante, en la receta de su éxito no intervienen solo sus GPU; la tecnología CUDA (Compute Unified Device Architecture) también tiene un rol esencial en su negocio.

La mayor parte de los proyectos de inteligencia artificial que se están desarrollando actualmente están implementados sobre CUDA. Esta tecnología aglutina el compilador y las herramientas de desarrollo utilizados por los programadores para desarrollar su software para las GPU de NVIDIA, y reemplazarla por otra opción en los proyectos que ya están en marcha es un problema. Huawei, que aspira a hacerse con una porción importante de este mercado en China, tiene CANN (Compute Architecture for Neural Networks), que es su alternativa a CUDA, pero por el momento CUDA domina el mercado.

Para conocer el contexto en el que nació CUDA y por qué se ha erigido como una tecnología fundamental en el porfolio de NVIDIA tenemos que mirar hacia atrás y remontarnos a 2002. Como nos cuenta Tae Kim en 'The NVIDIA Way', Mark Harris, un ingeniero informático de la Universidad de Carolina del Norte (EEUU), quería encontrar la forma de utilizar los computadores para simular con más precisión los fenómenos naturales más complejos, como, por ejemplo, la dinámica de los fluidos o la termodinámica de las nubes atmosféricas.

Harris no tardó en darse cuenta de que cada vez más ingenieros utilizaban las GPU de tarjetas gráficas como la GeForce 3 de NVIDIA para ejecutar código que no perseguía generar gráficos. Lo interesante era que lo hacían porque habían descubierto que las simulaciones de carácter científico se ejecutaban de una forma mucho más eficiente sobre una GPU que sobre una CPU de la época. Aquel comportamiento se debía a que la arquitectura de la primera prioriza el paralelismo y es capaz de llevar a cabo operaciones con matrices con mucha rapidez.

Los ingenieros de NVIDIA también se dieron cuenta de que se había abierto delante de ellos un mercado nuevo que iba más allá de los juegos y que tenía un potencial enorme. "Habíamos construido un motor de computación superpotente y superflexible para generar gráficos debido a que estos últimos son muy exigentes. Y los investigadores descubrieron toda aquella potencia de cálculo en coma flotante y la posibilidad de utilizarla escondiendo su código para llevar a cabo simulaciones en el interior de algoritmos que aparentemente estaban destinados a la generación de gráficos", explica David Kirk, ingeniero de NVIDIA.

CUDA fue la respuesta de la compañía liderada por Jensen Huang a este escenario de uso. Dos de sus artífices dentro de NVIDIA fueron Ian Buck y John Nickolls, y todos los ingenieros involucrados en su desarrollo contaron desde el primer momento con el respaldo de Huang. El cofundador y director general de la empresa estaba convencido de que CUDA tenía la capacidad de expandir su negocio hasta alcanzar todos los rincones de la industria de la tecnología. Este nuevo software, y no su nuevo hardware, transformaría NVIDIA. Y tenía razón. El resto es historia.

Bibliografía 'The NVIDIA Way', de Tae Kim

En este blog Nos podemos ir olvidando de una IA sin alucinaciones por ahora. El director general de NVIDIA explica por qué