NVIDIA es una de las empresas más afectadas por el paquete de sanciones de EEUU a China que entrará en vigor el próximo 16 de noviembre. Inicialmente la Administración estadounidense prohibió a NVIDIA vender a China sus GPU más avanzadas para inteligencia artificial, los modelos A100 y H100, por lo que la compañía liderada por Jensen Huang recortó sus prestaciones y puso a punto los chips A800 y H800, que satisfacían los requisitos impuestos por el Gobierno de EEUU.
En apenas tres semanas NVIDIA tampoco podrá vender a sus clientes chinos sus soluciones A800 y H800. Ni su GPU más potente, la GeForce RTX 4090. Perder buena parte del mercado chino dañará inevitablemente el negocio de esta empresa estadounidense, pero hay varias compañías chinas que con toda seguridad ya se están frotando las manos. Y es que aspiran a ocupar el lugar en el demandante mercado de los chips para inteligencia artificial que hasta ahora estaba casi de forma exclusiva en las manos de NVIDIA.
A Huawei se le presenta una oportunidad que no puede dejar escapar
Actualmente NVIDIA acapara algo más del 90% del mercado chino de los chips para inteligencia artificial, pero después de la entrada en vigor del último paquete de sanciones de EEUU su liderazgo con toda probabilidad se va a ver comprometido. El Gobierno chino está destinando una gran cantidad de recursos al desarrollo de sus propios equipos de litografía, que son los que se utilizan para fabricar circuitos integrados, y también a la puesta a punto de sus propios chips de vanguardia para inteligencia artificial.
Huawei tiene listas sus propias GPU para inteligencia artificial, los chips Ascend AI, desde hace más de cuatro años
Las compañías chinas que están enfrascadas en el desarrollo de su propio hardware para este escenario de uso se cuentan por decenas. MetaX, Alibaba, Biren Technology, Moore Threads, Innosilicon, Zhaoxin, Iluvatar CoreX, DenglinAI o Vast AI Tech son algunas de las más importantes, pero una brilla con más intensidad que todas las demás: Huawei. A esta empresa le va bien en el mercado chino (factura anualmente unos 7.000 millones de dólares solo en China), y el debilitamiento inminente de NVIDIA le viene de perlas.
Y es que Huawei tiene listas sus propias GPU para inteligencia artificial, los chips Ascend AI, desde hace más de cuatro años. Durante este periodo de tiempo ha ido refinándolas e incrementando sus capacidades con el propósito de igualar o, incluso, superar el rendimiento de los chips A100 y H100 de NVIDIA. Según algunos analistas, como los de la empresa china iFly Tek, la potencia bruta de sus GPU iguala la de los chips de NVIDIA, pero siguen estando un paso por detrás si nos ceñimos a su rendimiento en un escenario de uso real.
Es evidente que para Huawei la coyuntura actual representa una oportunidad inmejorable a la hora de reforzar su presencia en su propio país. Sin embargo, tanto esta compañía como las demás empresas chinas se enfrentan a un gran desafío que no les va a poner fácil hacerse con el mercado que hasta ahora ha dominado NVIDIA: la mayor parte de los proyectos de inteligencia artificial que se están desarrollando dentro y fuera de China están implementados sobre CUDA (Compute Unified Device Architecture).
CANN, la alternativa de Huawei a CUDA, aún está muy lejos de las capacidades que tiene la tecnología de NVIDIA
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 tiene CANN (Compute Architecture for Neural Networks), que es su alternativa a CUDA, pero existe entre los analistas un consenso que defiende que esta plataforma aún está muy lejos de las capacidades que tiene la tecnología de NVIDIA en el proceso de entrenamiento de los modelos de inteligencia artificial. Dadas las circunstancias Huawei solo tiene una opción si quiere reforzarse en el mercado chino de los chips para inteligencia artificial: refinar CANN y ofrecer a los clientes de NVIDIA la posibilidad de trasladar sus modelos y sus datos a su propio ecosistema de una manera sencilla.