Elon Musk enciende el "clúster de IA más potente del mundo". Uno con 100.000 GPUs NVIDIA H100

Interesante y muy valido tu comentario. Que bueno es debatir de esta forma , con respeto y puntos de vista diferentes , pero igual de validos.
Como dices esperemos , tiempo al tiempo.

Y esos Chips de diseño propio de esas empresas, para tareas concretas y específicas, son efectivamente más eficientes en consumos y costes, que los chips de NVIDIA.

A ver, no. No siempre es así.

Primero de todo hay que entender la diferencia entre chips de inferencia y chips de entrenamiento. Los chips de entrenamiento están diseñados para tratar con grandes cantidades de datos, están preparados para cargar y parametrizar modelos de IA y consumen grandes cantidades de energía para entrenar un modelo. Los chips de inferencia ejecutan estos modelos "ya entrenados" para una aplicación de usuario final, están optimizados tanto para eficiencia de consumo como rapidez de respuesta para poder ser implantados en dispositivos como tu smartphone o ser montados a bordo de un coche.

Cuando hablamos de chips de entrenamiento, que es a lo que se refiere la noticia y a lo que el usuario al que respondes se refiere, hay empresas que has citado que no me constan en la carrera. Apple usa básicamente sus propias GPUs "on-premise", es decir, no están diseñadas específicamente para entrenar IAs, y ha recurrido mucho, mucho a Google para el entrenamiento de sus IAs.

Tesla tuvo una gran apuesta por DOJO pero parece haberse desinflado y haberse quedado rezagada por Nvidia, donde un chip DOJO sólo rendiría entre un 10% y un 35% comparado con el H100 de Nvidia. He leído a varios ingenieros en IA que dicen que DOJO puede que sirva un par o tres de años, pero quedará rezagada pronto porque Nvidia es imparable. La arquitectura Blackwell romperá esquemas, los racks de GB200 se comen en rendimiento a los de H100. Veo muy, muy difícil que el mercado pueda seguirles el ritmo ahora mismo. En la retina tenemos a chips supuestamente interesantes como la IPU de Graphcore, que parece que serán la misma historia que DOJO.

Google y su TPU se dice que está cerca de Nvidia pero que difícilmente la superará, entre otras cosas porque ha dedicado la mayoría de esos chips a la nube y otros servicios. Nvidia sigue teniendo el 98% de share en el mercado de GPUs para data-centers y ahora mismo marca la diferencia a futuro. Lo que parece es que empieza a segregarse la especialización en hardware IA (Nvidia) y software IA (Tesla, Apple, Google, etc.).

Lo que sí es cierto es que el ascenso de momento es meteórico y nadie sabe dónde está la meta. Igualmente comparto una parte del comentario de Reyang, donde creo que hay cierta burbuja (entendida como especulación bursátil parecida a la de las ".com" en los '90) precisamente porque nadie sabe de lo que la IA será capaz ni qué aplicaciones puede tener. El tiempo lo dirá.

Completamente de acuerdo contigo, el uso de las IAs será de una gran utilidad (ya lo esta siendo) para el campo de la investigación en física, matemáticas, química, etc... Todo lo que antes se tardaba días en hacer ahora en unas horas ó minutos lo consigues hacer con la ayuda de una IA.

Las empresas lo saben, y los gobiernos también así que lo mejor que pueden hacer es desarrollar el ambiente idóneo para que se mejore esta tecnología, como tu bien dices el uso de reactores Nucleares SMRs es una solución factible, a lo mejor el uso de IAs nos permitirá acelerar el desarrollo del primer reactor de fusión.