Los elevados costes de transición mantienen a los desarrolladores de IA en China dependientes de los chips de Nvidia, según fuentes del sector.

Los modelos de inteligencia artificial más avanzados de China siguen entrenándose con chips de Nvidia, según fuentes de las principales empresas chinas desarrolladoras de grandes modelos de lenguaje (LLM), ya que el coste prohibitivo de cambiar a semiconductores locales continúa obstaculizando el impulso de Beijing hacia la autosuficiencia.

Aunque el hardware nacional sigue avanzando, el cambio de arquitectura de los chips plantea un importante cuello de botella de ingeniería.

«Entrenar LLM con chips de Nvidia sigue siendo, por ahora, la norma entre los desarrolladores de IA chinos», afirmó una persona familiarizada con el sector.

Uno de los principales obstáculos reside en el ecosistema de software. La plataforma CUDA (Compute Unified Device Architecture) de Nvidia ha sido durante mucho tiempo el estándar de la industria para el desarrollo de IA.

Por el contrario, la alternativa de Huawei Technologies —CANN (Compute Architecture for Neural Networks)— exige a los desarrolladores reescribir y optimizar grandes cantidades de código, según un investigador de IA que participa en el desarrollo de modelos.

«Nuestros flujos de trabajo de entrenamiento actuales dependen de CUDA», señaló James Wang, desarrollador de modelos de IA en un instituto de investigación vinculado a una universidad de Shanghái. «El código CUDA no puede ejecutarse directamente en los chips Ascend y requiere una reescritura exhaustiva».

Wang estimó que migrar los flujos de trabajo existentes a los chips Ascend de Huawei podría incrementar al menos un 50% el tiempo y los costes para su equipo.