Nvidia es conocida por fabricar algunas de las mejores tarjetas gráficas y, hoy en día, muchas de ellas terminan alimentando cargas de trabajo relacionadas con la inteligencia artificial en lugar de juegos. Las unidades de procesamiento de gráficos (GPU) son la base misma de los centros de datos que hacen posible la IA. Lo curioso es que el círculo de la vida de la IA sigue y sigue, ya que Nvidia ahora también utiliza la IA para ayudar a crear nuevos chips, que luego terminan en GPU. Una entrevista reciente reveló que esto genera beneficios como un diseño de chips más rápido, menos horas de trabajo utilizadas en ciertas tareas e incluso formas nuevas, innovadoras y a veces extrañas de abordar los problemas existentes.
En una discusión con Jeff Dean de Google en la Conferencia de Tecnología GPU (GTC) de 2026, Bill Dally, científico jefe y vicepresidente senior de investigación de Nvidia, reveló que el fabricante de chips está tratando de introducir IA en cada paso del diseño de la GPU. Lo más destacado es, sin duda, el hecho de que Nvidia utilizó la IA para ahorrar tanto tiempo y dinero durante una etapa del proceso.
Cada vez que se introduce un nuevo proceso semiconductor (esencialmente el nodo de proceso alrededor del cual Nvidia construye su GPU), la compañía necesita trasladarle su biblioteca de celdas estándar, que suma entre 2.500 y 3.000 celdas. Completar esta tarea solía llevar a ocho personas alrededor de 10 meses.
Luego, Nvidia diseñó NVCell, un programa que completa esta tarea que requiere mucho tiempo en una noche con una sola GPU. Parece que no hay trampa aquí, ya que Dally aclaró que los resultados fueron mejores que los que produjeron los ingenieros humanos.
Nvidia usa IA para algo más que portar bibliotecas celulares
No está claro cuánto tiempo le tomó a Nvidia desarrollar NVCell basado en aprendizaje por refuerzo, pero parece estar dando sus frutos. Nvidia no solo ahorra un tiempo precioso, sino que también facilita el paso a un nuevo proceso cuando llegue la próxima generación de GPU. Si bien reemplazar a ocho ingenieros con una GPU parecía ser la mayor victoria que Nvidia tenía para compartir, Dally también enumeró un par de formas más en las que la compañía se está inclinando hacia la IA en su proceso de diseño.
La siguiente herramienta es Prefix RL y, para ahorrarle una explicación muy técnica, su trabajo consiste en abordar varias opciones de diseño de chips. El software intenta resolver estos conceptos en un proceso de prueba y error, y se califica a sí mismo para aprender de sus intentos. Dally dijo que a la herramienta se le ocurren todo tipo de ideas extrañas, pero al final del día, son entre un 20 y un 30% mejores que los diseños humanos.
Nvidia también utiliza la IA para liberar algo de tiempo que sus ingenieros superiores tenían que dedicar a ayudar a sus colegas más jóvenes. Sus modelos internos de lenguaje grande (LLM), Chip Nemo y Bug Nemo, fueron entrenados en la base de datos y el código base patentados de Nvidia, por lo que saben todo lo que hay que saber sobre la forma en que Nvidia construye y diseña GPU. Armados con ese conocimiento, esos LLM pueden ayudar a los ingenieros jóvenes y explicar conceptos complejos de una manera accesible. Del lado del consumidor, Nvidia reveló recientemente Alpamayo, que lleva modelos de inteligencia artificial a automóviles autónomos.
