Contactar Agendar llamada

Categoría: Hardware y Cómputo

  • Google lanza TPUs 8ª generación: más allá de Nvidia

    Google lanza TPUs 8ª generación: más allá de Nvidia

    En el reciente evento Google Cloud Next 2026, Google lanza TPUs 8ª generación, dos nuevos procesadores, el TPU 8t y el TPU 8i, optimizados para revolucionar el desarrollo y despliegue de la inteligencia artificial. Google está apostando fuerte por este hardware, buscando no solo satisfacer la creciente demanda de la IA sino también establecer una competencia seria con gigantes como Nvidia. Para las empresas, esto significa más opciones y, potencialmente, una mayor eficiencia en sus proyectos de IA.

    Google lanza TPUs 8ª generación: El 8t para Entrenamiento a Gran Escala

    El TPU 8t ha sido diseñado específicamente para el entrenamiento de modelos de IA a gran escala, incluyendo la artillería pesada de los Grandes Modelos de Lenguaje (LLM). Lo crucial aquí es que la colaboración con Google DeepMind ha permitido crear un chip que reduce los ciclos de desarrollo de meses a semanas. Esto no es una promesa vacía; es un dato que debería resonar con cualquier directivo de PYME que entienda el coste y el tiempo implicado en la innovación. Para vuestros equipos de desarrollo, esto se traduce en una capacidad sin precedentes para iterar y lanzar productos de IA al mercado mucho más rápido.

    Este nuevo TPU potencia supercomputadoras personalizadas, abordando así las demandas de arquitecturas de modelos en constante evolución. En un mercado donde la velocidad es oro, el TPU 8t podría ser el activo diferenciador que una empresa necesita para mantenerse a la vanguardia. La posibilidad de entrenar modelos complejos en una fracción del tiempo abre la puerta a experimentos más audaces y a la adaptación ágil a nuevas tendencias tecnológicas. Más contexto e información podéis encontrar, por ejemplo, en cómo Google ha ido evolucionando su hardware de IA.

    El TPU 8i: Eficiencia en Inferencias y Despliegue en Producción

    Mientras el 8t se enfoca en el músculo del entrenamiento, el TPU 8i pisa fuerte en el terreno de la inferencia y el aprendizaje por refuerzo. Aquí, Google promete un 80% de mejora en rendimiento por dólar respecto a la generación anterior. Esta cifra no es menor, especialmente para aquellas empresas que están moviendo modelos de IA de la fase de prototipo a la producción. El coste de la inferencia puede escalar rápidamente, y una mejora del 80% en eficiencia económica es un argumento de peso para considerar el TPU 8i en vuestras infraestructuras.

    Estos chips se integran en la infraestructura AI Hypercomputer de Google, que combina cómputo de alto rendimiento, almacenamiento rápido y remediación automatizada. Esto significa no solo hardware potente, sino un ecosistema completo diseñado para optimizar el ciclo de vida de la IA. Las velocidades récord en desarrollo de productos que menciona Google no son solo un eslogan; son una oportunidad para que vuestras empresas agilicen lanzamientos y mejoren la competitividad.

    Análisis Blixel: Implicaciones Reales de los TPUs de Google

    Desde Blixel, vemos con optimismo que Google lanza TPUs 8ª generación. Para las PYMEs, esta noticia es de doble filo pero con un matiz positivo. Primero, la clara competencia con Nvidia significa que la carrera por la eficiencia y el precio se intensificará, lo que debería traducirse en costes más accesibles a medio y largo plazo para las cargas de trabajo de IA. Ya sea que optéis por Google Cloud o por otros proveedores, la presión competitiva os beneficiará.

    Segundo, la apuesta de Google por sus propios chips reduce la dependencia de un único proveedor de hardware. Esto es clave en la gestión de riesgos en la cadena de suministro y garantiza una mayor estabilidad a la hora de planificar vuestra estrategia de IA. Nuestra recomendación es empezar a evaluar las ofertas de Google Cloud que integran estos nuevos TPUs, especialmente si ya tenéis cargas de trabajo significativas en inferencia o estáis contemplando el entrenamiento de modelos de lenguaje propios. No se trata de un cambio radical mañana, pero sí de una señal clara de dónde se dirige el mercado y de las oportunidades que se abren para optimizar vuestros presupuestos y tiempos de desarrollo.

    Adicionalmente, los acuerdos estratégicos de Google, incluyendo un pacto multibillonario con Anthropic para el acceso a hasta 1 millón de TPUs, solidifican su posición como proveedor líder de infraestructura AI. Estos movimientos no solo aseguran la visibilidad de ingresos para Google Cloud, sino que también garantizan la disponibilidad y escalabilidad de estos recursos para empresas como la vuestra. Al diversificar su dependencia de GPUs Nvidia, Google está construyendo una base sólida para un futuro de IA más versátil y eficiente.

    Fuente: TechCrunch

  • Anthropic x Amazon: 5 GW de cómputo Trainium2 y revenue que se triplica a 30 B$

    Anthropic x Amazon: 5 GW de cómputo Trainium2 y revenue que se triplica a 30 B$

    Abril 2026 cierra con uno de los movimientos de infraestructura de IA más grandes del año: Anthropic suma 5 gigavatios de capacidad de cómputo con Amazon sobre chips Trainium2 para H1 2026, al tiempo que su revenue anualizado pasa de ~9 B$ a cierre de 2025 a más de 30 B$. A esto se suma la incorporación de Vas Narasimhan (ex-CEO de Novartis) al Board, señal de peso sobre hacia dónde mira la compañía.

    5 GW Trainium2: el acuerdo de infraestructura

    El número es considerable. 5 gigavatios de capacidad computacional dedicados a entrenamiento y despliegue de Claude, situados en centros de datos de AWS y construidos sobre la nueva generación de chips propietarios Trainium2. Para contexto: la mayor parte de centros de datos hiperescalares operan en rangos de cientos de megavatios; 5 GW es equivalente al consumo de una ciudad mediana.

    La apuesta por Trainium2 tiene dos lecturas. Por un lado, Anthropic diversifica su dependencia histórica del hardware NVIDIA. Por otro, AWS consolida Trainium como alternativa real a la H100/H200 de NVIDIA y a los TPU de Google. Para la industria, significa que la competencia en infraestructura de IA se intensifica en 2026, lo que debería traducirse en precios más estables para los usuarios finales del stack.

    Revenue x3,3 en 4 meses: 9 B$ → 30+ B$

    El dato financiero es probablemente más llamativo que el de infraestructura. El revenue anualizado de Anthropic ha pasado de ~9.000 millones de dólares a cierre de 2025 a más de 30.000 millones de dólares a cierre del primer trimestre de 2026. Un crecimiento 3,3× en cuatro meses que sitúa a Anthropic en la conversación directa con OpenAI en términos de escala comercial.

    Qué hay detrás del crecimiento:

    • Adopción acelerada de Claude en empresas Fortune 500, tras Opus 4.6 y 4.7
    • Crecimiento exponencial de Claude Code como plataforma para equipos técnicos
    • Nuevos productos enterprise (Cowork, Managed Agents) monetizados
    • Expansión internacional con contratos grandes en APAC y Europa

    Vas Narasimhan al Board: la apuesta por salud y farmacéutica

    Un detalle estratégico importante: Anthropic incorpora a Vas Narasimhan, ex-CEO de Novartis (2018-2024), al Board de directores. La señal es clara: Anthropic quiere aumentar su peso en farmacéutica, salud y ciencias de la vida, sectores con volúmenes altos, compliance complejo y necesidad de IA especializada (análisis regulatorio, farmacovigilancia, investigación clínica).

    Narasimhan aporta relaciones directas con grandes farmacéuticas globales y conocimiento profundo de los ciclos regulatorios FDA/EMA. Es el tipo de incorporación que suele preceder a movimientos de producto específico para el sector o a asociaciones estratégicas con grandes grupos pharma.

    Análisis Blixel: qué significa este pulso de infraestructura para empresas medianas

    Los 5 GW de capacidad añadida tienen un efecto directo y positivo para cualquier empresa que use Claude: capacidad disponible, menor probabilidad de rate limits en picos y latencias más estables. Los grandes acuerdos de infraestructura suelen traducirse en mejor calidad de servicio para el cliente final, aunque no lo veamos en el marketing.

    El crecimiento de revenue también tiene implicaciones indirectas. Un Anthropic con 30 B$ de revenue anualizado puede sostener inversión agresiva en investigación y producto, pero también presiona para capturar mercado enterprise de forma más activa (de ahí Cowork y Managed Agents). Para empresas medianas, el mejor momento para negociar condiciones favorables es ahora, cuando la compañía busca crecimiento acelerado de cuentas.

    Finalmente, la señal farmacéutica con Narasimhan es un indicador de dónde va a haber producto específico en 12-18 meses. Si tu empresa opera en salud, biotech o farmacéutica, merece la pena evaluar cómo posicionarse temprano con el stack de Anthropic antes de que el mercado se sature.

    Desde Blixel AI seguimos de cerca estos movimientos de infraestructura porque afectan directamente a la arquitectura que recomendamos a nuestros clientes. Si estás evaluando elegir proveedor (Anthropic, OpenAI, Google, on-premise con Llama/Qwen), podemos ayudarte a tomar una decisión con criterio técnico y comercial realista.

    Implementa IA en tu empresa con Blixel

    Desde Blixel AI acompañamos a empresas en cada fase: diagnóstico, elección de modelo, implementación y formación del equipo. Si estas novedades de Anthropic cambian tu hoja de ruta de IA, podemos ayudarte a priorizar qué adoptar primero y cómo hacerlo sin romper lo que ya funciona.

    👉 Agenda una videollamada gratuita para revisar tu caso. 30 minutos, sin compromiso, con criterio técnico real.

    Fuentes: Anthropic News, anuncios corporativos AWS, informes financieros Q1 2026 y reportes de industria.

  • AWS EC2 G7e: la nueva generación para inferencia IA

    AWS EC2 G7e: la nueva generación para inferencia IA

    Amazon Web Services (AWS) acaba de lanzar las instancias AWS EC2 G7e para inferencia IA, marcando un antes y un después en el procesamiento de cargas de trabajo de inteligencia artificial generativa. Estas nuevas instancias, potenciadas por GPUs NVIDIA RTX 6000 Ada Blackwell Server Edition, prometen un rendimiento de inferencia hasta 2.3 veces superior en comparación con la generación anterior (G6e). Para cualquier negocio que dependa de modelos de lenguaje grandes (LLMs), IA agéntica o modelos multimodales, esto no es solo una mejora, es una oportunidad de escalar de forma más eficiente y económica.

    AWS EC2 G7e: Un paso adelante en inferencia de IA

    La capacidad de procesar la inferencia de IA de manera rápida y eficiente es crítica. Un cuello de botella en este punto puede significar costes operativos disparados o una experiencia de usuario deficiente. Las instancias G7e abordan directamente estos desafíos con mejoras significativas:

    • Un ancho de banda de memoria GPU 1.85 veces mayor.
    • 1.27 veces más TFLOPs, lo que se traduce en mayor potencia computacional.
    • 2 veces más memoria GPU, elevando la capacidad para modelos más grandes.
    • Hasta 4 veces más ancho de banda GPU-a-GPU, crucial para la comunicación entre procesadores.

    Estas características permiten que las G7e manejen modelos de hasta 70 mil millones de parámetros con una precisión FP8 en una única GPU, algo impensable hace poco tiempo. Esto significa que las empresas pueden ejecutar modelos más sofisticados y complejos sin la necesidad de fragmentarlos, simplificando la gestión y reduciendo la latencia. La arquitectura también soporta comunicación directa entre GPUs (NVIDIA GPUDirect P2P vía PCIe), optimizando el rendimiento en despliegues multi-GPU. Para aquellos interesados en profundizar en las soluciones existentes, es relevante revisar las soluciones de IA en la nube disponibles en AWS.

    Análisis Blixel: Implicaciones prácticas de las G7e

    Desde Blixel, vemos en las AWS EC2 G7e para inferencia IA una herramienta potentísima para PYMEs y startups que busquen optimizar sus operaciones con inteligencia artificial. La mejora en rendimiento no es solo un dato técnico; implica una reducción directa en el tiempo de respuesta de aplicaciones con IA, lo que se traduce en una mejor experiencia para el cliente y, potencialmente, en una ventaja competitiva. Piensen en asistentes virtuales más rápidos, análisis de datos en tiempo real con mayor precisión o sistemas de recomendación más eficientes. Sin embargo, no todo es encender y usar. Es fundamental que las empresas evalúen sus modelos actuales y planifiquen la migración, asegurándose de que la inversión en estas instancias se alinee con el retorno esperado. El soporte para plataformas de orquestación como Amazon ECS, EKS y AWS Parallel Computing Service, junto con Amazon SageMaker HyperPod, facilita la escalabilidad, pero la configuración inicial sigue requiriendo una estrategia clara.

    Para las empresas que están en plena fase de expansión de capacidades de IA, la posibilidad de consolidar modelos complejos en una sola instancia o de escalar a docenas de GPUs sin una configuración manual exhaustiva es un ahorro de tiempo y recursos considerable. Es importante recordar que el uso eficiente de estas instancias no solo depende del hardware, sino también de la optimización del software y de los modelos —aquí es donde una buena consultoría técnica puede marcar la diferencia.

    Optimización para grandes modelos y computación científica

    Las G7e no solo destacan en inferencia. Su diseño permite alojar hasta 768 GB de memoria GPU en un único nodo, una capacidad crucial para desplegar modelos muy grandes sin la necesidad de fragmentación, lo que simplifica la gestión y reduce la complejidad operativa. Además, estas instancias están optimizadas para la computación espacial y científica, ofreciendo hasta 4 veces mayor ancho de banda CPU-a-GPU. Esto abre puertas a innovaciones en sectores como la investigación genómica, la simulación de materiales o el desarrollo farmacéutico, donde las grandes cantidades de datos y la necesidad de cálculos complejos son la norma.

    La versatilidad de las AWS EC2 G7e para inferencia IA se extiende a su compatibilidad con múltiples plataformas de orquestación. Ya sea que su empresa utilice Amazon ECS para contenerización, Amazon EKS para Kubernetes o AWS Parallel Computing Service, las G7e se integran sin problemas. Además, el soporte para Amazon SageMaker HyperPod permite escalar rápidamente a clústeres de GPUs sin necesidad de configuraciones manuales complejas, liberando a los equipos de desarrollo para que se centren en la innovación y no en la infraestructura.

    Fuente: AWS News Blog

  • Cerebras IPO: Impacto en el futuro del hardware IA empresarial

    Cerebras IPO: Impacto en el futuro del hardware IA empresarial

    La carrera por el liderazgo en hardware de Inteligencia Artificial acaba de acelerarse. Cerebras IPO es una realidad, con la startup pionera en chips de IA de alto rendimiento presentando su solicitud ante la SEC para una Oferta Pública Inicial. Este movimiento estratégico no es un detalle menor; marca un hito significativo en cómo las empresas, grandes y pequeñas, podrán acceder y utilizar la IA más potente.

    Cerebras IPO: ¿Qué significa este avance en chips de IA?

    Cerebras Systems no es una compañía más en el sector tecnológico. Se ha labrado una reputación con su arquitectura Wafer-Scale Engine (WSE), que es, a día de hoy, el procesador de IA más grande del mundo. Hablamos de un chip que integra millones de núcleos en un solo wafer de silicio, diseñado específicamente para entrenamiento e inferencia de modelos de IA a gran escala. Esto se traduce en una capacidad de procesamiento brutal, llegando hasta los 125 petaflops con su última generación, el WSE-3.

    Para las PYMES, esto implica que la barrera de entrada al cómputo IA de alto nivel podría reducirse a medio plazo. Actualmente, la mayor limitación para muchas empresas es el acceso a infraestructuras potentes y asequibles. Una empresa como Cerebras con mayor capital podría democratizar estas tecnologías, permitiendo a negocios más pequeños ejecutar modelos complejos sin depender exclusivamente de soluciones en la nube de gigantes tecnológicos.

    El impacto de Cerebras en el ecosistema de hardware IA

    El anuncio de la Cerebras IPO llega en un momento de enorme demanda por chips eficientes. El acuerdo reportado con OpenAI, valorado en más de $20 mil millones, subraya la posición de Cerebras como un proveedor clave para los grandes jugadores del ecosistema de IA. Sin embargo, su tecnología tiene implicaciones mucho más amplias.

    Al eliminar la complejidad de las interconexiones multi-chip tradicionales, Cerebras ofrece ventajas significativas en velocidad de entrenamiento y eficiencia energética. Para una empresa, esto puede traducirse en menores costos operativos y tiempos de desarrollo más cortos para sus aplicaciones de IA. Más allá de NVIDIA, Cerebras está demostrando que hay otras opciones robustas para acelerar la computación de IA. La competencia en el sector de las GPUs es una señal excelente para el mercado.

    Análisis Blixel: Implicaciones directas para su negocio

    Desde Blixel, vemos la Cerebras IPO como una oportunidad crucial para la diversificación del hardware IA. Si bien la inversión directa en Cerebras Systems puede no ser una prioridad para su PYME, la consecuencia de su éxito sí lo es. Un mercado de chips más competitivo significa mejores precios y tecnologías más accesibles.

    Recomendación accionable: Esté atento a cómo esta IPO impacta el costo y la disponibilidad de los servicios de IA que consume o planea consumir. Un aumento en la competencia entre fabricantes de chips podría traducirse en soluciones de IA en la nube más potentes y económicas. Considere analizar sus necesidades de cómputo IA y evalúe si la eficiencia de arquitecturas como la de Cerebras podría ofrecerle una ventaja competitiva en el futuro. No se trata solo de la tecnología, sino de cómo esa tecnología se traduce en acceso y costes para su estrategia de IA.

    La capacidad de Cerebras para manejar modelos con miles de billones de parámetros de manera eficiente es un factor diferenciador. En un futuro no muy lejano, esto podría permitir a cualquier negocio, independientemente de su tamaño, acceder a capacidades de IA que hoy están reservadas para gigantes.

    Fuente: TechCrunch

  • Kepler Compute: El mayor clúster de cómputo orbital comercial

    Kepler Compute: El mayor clúster de cómputo orbital comercial

    La empresa Kepler Communications ha activado Kepler Compute, el mayor clúster de cómputo orbital del mundo. Este hito tecnológico, operativo desde marzo de 2026, implica una constelación de 10 satélites en órbita terrestre baja (LEO), cada uno equipado con cuatro módulos NVIDIA Jetson Orin, sumando 40 GPUs distribuidas en el espacio. Esto no es solo una proeza de ingeniería, sino una plataforma para reinventar cómo las empresas interactúan con los datos y la inteligencia artificial.

    Kepler Compute: Más allá de los centros de datos terrestres

    La arquitectura de Kepler Compute está diseñada para el procesamiento de datos en tiempo real a 400 km de altitud. La clave está en la interconectividad: enlaces ópticos intersatelitales de alta velocidad que permiten la escalabilidad, distribución de cargas de trabajo y una notable tolerancia a fallos. ¿El beneficio? Elimina la necesidad de descargar masivamente datos a centros terrestres para su procesamiento, reduciendo la latencia y abriendo un abanico de posibilidades para aplicaciones que requieren inmediatez, como la observación terrestre, las telecomunicaciones o la defensa.

    El anuncio de su apertura comercial ya suma 18 clientes. Un ejemplo palpable es la colaboración con Sophia Space, que desplegará su sistema operativo propietario en seis GPUs distribuidas en dos satélites. Esta prueba es la primera adaptación a gran escala de software orbital dinámico, similar a lo que ocurre en un centro de datos terrestre, pero en un entorno de microgravedad y radiación. Aquí puedes ver la noticia original: TechCrunch

    Análisis Blixel: Tu PYME y el cómputo orbital

    Desde Blixel, vemos en Kepler Compute una clara disrupción con implicaciones directas para las PYMES. Si tu negocio depende de la recopilación masiva de datos –sensores en campo, monitoreo ambiental, agricultura de precisión, logística– o si aspiras a desarrollar soluciones de IA que requieran análisis ultra-rápido, Kepler está abriendo una nueva avenida.

    Imagínate poder procesar imágenes satelitales obtenidas para la gestión de cultivos en minutos, sin necesidad de invertir en infraestructura terrestre ni esperar el “downlink”. Esto no es ciencia ficción, es una realidad comercial que permite a las PYMES acceder a capacidades de cómputo espacial bajo un modelo de “as-a-service”, similar a lo que ya conoces con AWS o Google Cloud. Los modelos de negocio de Kepler (conectividad, hosted payloads y cómputo como servicio) están diseñados para democratizar el acceso a esta tecnología. Prepárate para que la IA aplicada se mueva a la órbita baja, redefiniendo los límites de la inmediatez y la eficiencia operativa para tu empresa.

    Este mercado, el de edge computing orbital, no es una moda pasajera. Se proyecta un crecimiento de 1.770 millones de dólares en 2029 a 39.090 millones en 2035, con una CAGR del 67,4%. Este crecimiento exponencial será impulsado por la demanda de IA en sectores clave. Aunque los grandes centros de datos en el espacio (como los que propone SpaceX) tardarán en llegar, la tecnología de Kepler ya es madura y comercialmente viable.

    Fuente: TechCrunch

  • Snap lanzará gafas con IA: ¿Qué significa para tu PYME?

    Snap lanzará gafas con IA: ¿Qué significa para tu PYME?

    La realidad aumentada (AR) está a punto de dar un salto significativo con el anuncio de que Snap lanzará gafas con IA impulsadas por Qualcomm. Esta colaboración estratégica, que involucra a la filial Specs de Snap, marca el resurgimiento de un proyecto ambicioso que promete llevar la inteligencia artificial directamente a la experiencia del usuario a través de un hardware portable y potente. Para las PYMES, entender el impacto de esta tecnología es crucial.

    Snap lanzará gafas con IA: El renacimiento del hardware AR

    Después de un periodo de pausa, Snap ha reactivado su iniciativa de hardware AR con una alianza multimillonaria con Qualcomm. La clave de esta renovación reside en la incorporación de las plataformas Snapdragon XR de Qualcomm, chips diseñados específicamente para dispositivos AR y VR. Esto significa que las nuevas gafas Specs no serán solo un visor, sino un potente computador de IA on-device, capaz de ofrecer gráficos avanzados y experiencias digitales complejas. Esta tecnología abre un abanico de posibilidades que hasta ahora eran impensables sin la dependencia de la nube.

    La integración de IA on-device es el gran diferenciador. A diferencia de versiones anteriores, estas gafas podrán procesar datos en tiempo real, lo que se traduce en una latencia mínima y una mayor privacidad de los datos. Esto es fundamental para aplicaciones que requieren inmediatez, como el reconocimiento de objetos en un entorno o la asistencia contextual. Conoce más sobre la IA on-device y sus beneficios para PYMEs.

    Análisis Blixel: Implicaciones para tu PYME ante el lanzamiento de gafas con IA

    Desde Blixel, vemos con optimismo cauteloso el lanzamiento de estas gafas AR, especialmente porque Snap lanzará gafas con IA. Para una PYME, esto no es ciencia ficción, es una herramienta potencial de negocio. Ya no hablamos solo de filtros divertidos; hablamos de aplicaciones prácticas que pueden revolucionar desde la interacción con clientes hasta la eficiencia operativa.

    Pensemos en el sector retail: visualización de productos en el espacio del cliente antes de la compra, asistentes virtuales contextuales que ofrecen información en tiempo real mientras el cliente interactúa con un producto físico. En el sector industrial, el mantenimiento predictivo asistido por AR, donde un técnico puede superponer diagramas o instrucciones sobre una máquina. La publicidad y el marketing también verán una explosión de formatos inmersivos.

    La recomendación clave es empezar a entender la realidad aumentada. No necesitas invertir ahora mismo en hardware, pero sí en la exploración de casos de uso y en la capacitación interna sobre cómo estas tecnologías pueden encajar en tu estrategia a medio plazo. La privacidad de los datos on-device y el procesamiento en tiempo real son puntos fuertes a considerar para cualquier implementación futura.

    El CEO de Snap, Evan Spiegel, ha sido claro: esta alianza busca establecer una base tecnológica sólida, empujando los límites de lo posible. Las plataformas Snapdragon XR se distinguen por su optimización en la computación espacial, fusionando datos de sensores, seguimiento de movimiento y modelos de IA ligeros. Esto permite inferir y actuar sobre el entorno en tiempo real, un factor que fue un obstáculo para versiones anteriores de las Spectacles de Snap debido a las limitaciones de eficiencia energética y rendimiento.

    ¿Por qué ahora? El contexto del mercado AR

    El momento elegido por Snap para este lanzamiento no es casual. Coincide con un resurgimiento general del sector de la realidad aumentada, en parte impulsado por la entrada de grandes jugadores como Apple con sus Vision Pro. La demanda de experiencias inmersivas y contextuales está creciendo, y la convergencia del hardware AR portátil con la IA edge computing (procesamiento en el dispositivo) es el área donde se están dirimiendo las batallas tecnológicas clave.

    La IA on-device en estas gafas permitirá funcionalidades avanzadas como el reconocimiento de gestos para interactuar con interfaces virtuales, superposiciones contextuales que proporcionan información relevante sobre objetos reales, y asistentes virtuales inmersivos que pueden integrarse de manera fluida en la vida diaria. Estos son los cimientos sobre los que Snap lanzará gafas con IA que van más allá del entretenimiento.

    Preparando tu negocio para la era de la IA visual

    La llegada de dispositivos como las nuevas gafas de Snap acelerará la adopción de la realidad aumentada en muchos frentes. Las empresas que logren integrar estas experiencias en sus flujos de trabajo o en sus estrategias de engagement con el cliente, estarán un paso por delante. La clave no es reaccionar, sino anticipar y prepararse.

    Empieza por identificar procesos donde una superposición de información digital o una interacción manos libres podría mejorar la eficiencia. Considera cómo la visualización 3D o las simulaciones podrían enriquecer la experiencia de tus clientes. La revolución de la IA visual y la AR está en camino, y entender cómo Snap lanzará gafas con IA es una pieza más en este rompecabezas tecnológico.

    Fuente: TechCrunch

  • MIT.nano START.nano: 16 Startups Acelerando Hard-tech

    MIT.nano START.nano: 16 Startups Acelerando Hard-tech

    El Massachusetts Institute of Technology, a través de su centro MIT.nano, ha dado un paso firme en el fomento de la innovación ‘hard-tech’. Recientemente, se ha anunciado la incorporación de 16 nuevas startups a su programa acelerador START.nano. Este movimiento eleva a más de 20 el número total de compañías que, con tecnologías a nanoescala como eje central, buscan transformar diversos sectores. Es un claro indicador de cómo la academia y la industria están entrelazando esfuerzos para superar las barreras iniciales que enfrentan las startups de tecnología profunda.

    START.nano: El puente del MIT para la Deep-Tech

    El programa START.nano, que arrancó como piloto en 2021 con apenas siete empresas, ha demostrado ser un catalizador crucial. Su propuesta de valor central es el acceso con descuento a una infraestructura de vanguardia. Esto incluye desde los sofisticados ‘cleanrooms’ de nanofabricación hasta herramientas avanzadas de caracterización y el Immersion Lab propio de MIT.nano. Para cualquier startup ‘deep-tech’, el coste de prototipado y testeo es una limitación enorme. MIT.nano está abordando esto de frente, minimizando dichos gastos y, en consecuencia, acelerando la transición de la investigación pura al mercado comercial.

    Las nuevas cohortes, con proyección para 2025-2026, están explorando áreas con un impacto potencial inmenso. Hablamos de wearables avanzados, medicina de precisión con biochips e inteligencia artificial, y soluciones disruptivas en el sector energético. Empresas como Active Surfaces desarrollan paneles solares flexibles ‘peel-and-stick’, mientras que Lydian Labs investiga reactores térmicos para la descarbonización química. Asimismo, hay avances significativos en baterías avanzadas y alternativas sostenibles al amoníaco fósil. La electrónica de potencia no se queda atrás, con actores como Cambridge Electronics mejorando el uso del nitruro de galio para 5G y power electronics. Estas innovaciones son el futuro de cómo interactuamos con la tecnología y la energía.

    Análisis Blixel: Qué implica MIT.nano y START.nano para tu empresa

    La expansión de MIT.nano y su programa START.nano es mucho más que una noticia académica; es un termómetro de las tendencias en innovación tecnológica que, tarde o temprano, impactarán a cualquier pyme o gran corporación. Si estás en la industria manufacturera, de energía, salud o electrónica, debes prestar atención. Estas startups, aunque pequeñas ahora, están construyendo la próxima generación de componentes, materiales y procesos.

    Para las empresas establecidas, esto implica una doble oportunidad: por un lado, observar de cerca estas iniciativas puede revelar futuros nichos de mercado, tecnologías de componentes para integrar en vuestros productos o incluso socios potenciales para co-desarrollar. Por otro, representa un aviso: la innovación en hardware a nanoescala está madurando rápidamente y quien no invierta en I+D o en explorar estas tecnologías emergentes, podría quedarse atrás.

    Recomendación accionable: Monitoriza activamente los avances de programas como START.nano. Considera establecer alianzas estratégicas con universidades o centros de investigación que estén incubando este tipo de ‘hard-tech’. Podría ser una inversión clave para la sostenibilidad futura de vuestra ventaja competitiva. El futuro cercano traerá productos basados en estas tecnologías de nanoescala, y estar preparados es crucial.

    El programa también integra estas startups al vibrante ecosistema del MIT, conectándolas con estudiantes, faculty e industria. Esto no solo acelera su tasa de supervivencia, sino que reduce significativamente el ‘time-to-market’. Los beneficios van desde soporte programático exploratorio hasta la opción de renovar la membresía por dos años. Paralelamente, inversiones estratégicas, como los 40 millones de dólares con Applied Materials y NEMC, refuerzan la infraestructura de nanofabricación. Esto posiciona a MIT.nano como un líder global en microelectrónica, baterías de próxima generación y detección biológica. Este ecosistema fomenta una colaboración academia-industria que resuelve los ‘hurdles’ tempranos, desde el prototipado hasta la gestión de stakeholders.

    Fuente: MIT News

  • Firmus: $5.5B para centros de datos IA con Nvidia

    Firmus: $5.5B para centros de datos IA con Nvidia

    El panorama de la infraestructura de inteligencia artificial está en ebullición, y una de las noticias más destacadas del momento es la impresionante valoración que ha alcanzado Firmus centros de datos IA. Esta compañía asiática, con sede en Singapur, ha cerrado una ronda de financiación que catapulta su valoración post-money a 5.5 mil millones de dólares, con un respaldo significativo de Nvidia. Este movimiento subraya la urgencia y la magnitud de la demanda de capacidad de cómputo para soportar la explosión de la IA generativa y otras aplicaciones avanzadas. Las pymes, aunque no construyan centros de datos, deben entender estas dinámicas para anticipar costes y disponibilidad de los recursos que consumen.

    Firmus centros de datos IA: Apuesta por la eficiencia y la escala

    Firmus ha captado la atención del mercado al cerrar una ronda de financiación de 505 millones de dólares liderada por Coatue, una operación que eleva el total recaudado en los últimos seis meses a 1.35 mil millones de dólares. Este capital se destinará a su ambicioso Project Southgate, una red de ‘fábricas de IA’ diseñadas para ser energéticamente eficientes y que se ubicarán en Australia y Tasmania. Lo realmente relevante aquí es su enfoque en la optimización: Firmus implementa diseños de referencia de Nvidia, garantizando que estos nodos de cómputo están a la vanguardia tecnológica. Los nuevos despliegues incorporarán la plataforma Vera Rubin, la próxima iteración de la arquitectura Blackwell de Nvidia, con envíos programados para la segunda mitad de 2026.

    Hay un patrón interesante aquí: Firmus, originalmente centrada en tecnologías de enfriamiento para minería de Bitcoin, ha realizado una transición estratégica hacia la infraestructura de IA. Este cambio no es casual; demuestra la capacidad de adaptación y la visión de mercado para identificar dónde hay una necesidad crítica y una oportunidad de inversión masiva. Esta agilidad es un ejemplo para cualquier empresa que busque reinventarse. La escalabilidad de Project Southgate no solo se basa en tecnología, sino también en el aprovechamiento de ubicaciones con acceso a energía renovable y enfriamiento natural, una ventaja crucial dada la voracidad energética del cómputo IA. Conoce cómo Nvidia y Google Cloud aceleran la IA.

    La Validación de Nvidia y el Futuro de la Infraestructura

    El respaldo de Nvidia no es un detalle menor. La participación de este gigante tecnológico valida no solo la robustez financiera de Firmus, sino también su arquitectura técnica. Al integrar nativamente la plataforma Vera Rubin, Firmus se posiciona para ofrecer una infraestructura optimizada para cargas de trabajo de inferencia y entrenamiento a gran escala. Para las empresas, esto significa que la infraestructura de soporte para sus futuras aplicaciones de IA está siendo desarrollada con las mejores prácticas y la tecnología más avanzada. Saber que Firmus centros de datos IA está tan alineado con Nvidia es una señal fuerte para el ecosistema.

    Análisis Blixel: Implicaciones para tu PYME

    Como Pyme, ¿qué significa esta noticia para ti? Primero, confirma que la IA no es una moda pasajera; la inversión masiva en infraestructura es un indicador claro de su estabilidad y crecimiento a largo plazo. Segundo, la especialización de Firmus en eficiencia energética y el apoyo de Nvidia son buenas noticias. Cuando necesites consumir servicios de IA (cloud, modelos, etc.), esta nueva infraestructura de Firmus centros de datos IA debería traducirse, a la larga, en una mayor disponibilidad, menor latencia y, esperemos, costes más competitivos. No es un impacto directo e inmediato en tu operativa, pero es un factor clave en la evolución del ‘precio’ de usar IA. Tu tarea es mantenerte informado sobre cómo estos avances se reflejan en los servicios que usas o podrías usar. No olvides que la demanda de cómputo IA seguirá creciendo, por lo que la inversión en estos centros de datos es fundamental para mantener el ritmo.

    Es el momento de evaluar tu estrategia digital: ¿estás preparado para aprovechar la potencia de la IA? ¿Necesitas optimizar tu uso actual de recursos? Empresas como Firmus están construyendo el motor que alimentará la próxima generación de tus herramientas y soluciones. Entender esto te da una ventaja para planificar tu futuro tecnológico.

    Fuente: TechCrunch

  • MIT: Data centers más eficientes con menos hardware físico

    MIT: Data centers más eficientes con menos hardware físico

    El MIT ha dado un paso significativo en la eficiencia de la infraestructura tecnológica, presentando un método innovador para optimizar los centros de datos. Este desarrollo permite un mayor rendimiento utilizando menos hardware físico, una noticia crucial para cualquier empresa que dependa de la nube o las capacidades de IA. En concreto, esta técnica, descrita en un reciente informe, se centra en la optimización de recursos de data centers a través de algoritmos avanzados de orquestación dinámica, prometiendo un impacto directo en la escalabilidad y sostenibilidad de las operaciones.

    El método del MIT para centros de datos más eficientes

    La investigación del MIT aborda un punto crítico: la creciente demanda de recursos computacionales, especialmente para cargas de trabajo intensivas como el entrenamiento de modelos de IA generativa. Los algoritmos desarrollados redistribuyen las cargas de trabajo en tiempo real, minimizando el hardware inactivo. Esto se traduce en una reducción de hasta el 40% del footprint físico del centro de datos, manteniendo o incluso mejorando la capacidad de procesamiento.

    Entre los aspectos técnicos más destacados, encontramos la predicción de picos de demanda mediante Machine Learning, lo que permite anticipar patrones de uso y optimizar la asignación de recursos. Además, la virtualización inteligente facilita migraciones de contenedores sin latencia perceptible, aprovechando al máximo la CPU, GPU y memoria. También se ha integrado con arquitecturas edge-cloud híbridas, lo que promete una menor dependencia de los grandes centros de datos centralizados. Esto es especialmente relevante para PYMEs que buscan soluciones más ágiles y menos costosas.

    Análisis Blixel: Implicaciones para tu Negocio

    Desde Blixel, vemos este avance del MIT como una oportunidad clara para las empresas, grandes y pequeñas. Si tu negocio utiliza servicios en la nube, te beneficia directamente porque los gigantes como AWS o Google Cloud podrán reducir sus costes operativos, lo que a la larga debería reflejarse en precios más competitivos o en servicios más potentes al mismo coste. Para las PYMEs que están implementando soluciones de IA, significa un acceso más democrático a cómputo de alto rendimiento sin la necesidad de inversiones masivas en infraestructura física propia.

    Mi recomendación es clara: hay que estar atentos a cómo los grandes proveedores de la nube adoptan estas innovaciones. Esto no solo te ayudará a cumplir con tus propias metas de sostenibilidad, cada vez más importantes para clientes e inversores, sino que también te permitirá escalar tus capacidades de IA de forma más eficiente. Pregúntale a tus proveedores de cloud sobre sus planes para integrar estas innovaciones en sus servicios. Prepárate para auditar el uso de tus recursos y optimizar tus configuraciones actuales, incluso antes de que estas tecnologías se masifiquen.

    Sostenibilidad y escalabilidad con la optimización de recursos de data centers

    El impacto en la sostenibilidad es innegable. La IA consume una cantidad masiva de energía y agua para refrigeración. El sistema del MIT, probado con cargas de trabajo de entrenamiento de LLMs, ha demostrado un 35% menos de consumo energético por operación FLOPs. Esto alinea la tecnología con las crecientes demandas de Green Computing y la computación sostenible, un factor cada vez más decisivo en la elección de proveedores y la imagen corporativa.

    Las pruebas realizadas en clústeres con miles de GPUs NVIDIA H100 validan la escalabilidad lineal del método, manteniendo latencias críticas por debajo de 50ms. Se combinan técnicas de reinforcement learning para la programación de tareas con análisis de grafos, lo que demuestra la robustez y sofisticación de la propuesta. En resumen, este avance del MIT para centros de datos más eficientes es un game-changer.

    Fuente: news.mit.edu

  • Guía implementación NVIDIA Transformer Engine con FP8

    Guía implementación NVIDIA Transformer Engine con FP8

    La implementación de soluciones de IA en cualquier empresa, grande o pequeña, siempre busca eficiencia y rendimiento. Por eso, entender las nuevas herramientas que nos ofrece el mercado es clave. NVIDIA ha lanzado una guía de implementación de NVIDIA Transformer Engine (TE) con FP8, una tecnología que promete revolucionar el entrenamiento y la inferencia de modelos Transformer, especialmente para aquellos que ya están pensando en escalar sus operaciones de IA. Esta guía no es solo teoría; es un manual práctico para sacar el máximo partido a las GPUs NVIDIA Hopper (H100), Ada y, en un futuro cercano, Blackwell.

    ¿Qué significa Transformer Engine con FP8 para tu negocio?

    En pocas palabras, significa mayor velocidad y menor consumo de recursos. El Transformer Engine es una biblioteca de NVIDIA diseñada para optimizar los modelos Transformer, la arquitectura dominante en IA generativa y NLP. ¿Cómo lo logra? Utilizando bloques de cómputo y kernels fusionados, y aquí viene lo interesante: soporta FP8 (8-bit floating point). Esto reduce drásticamente el uso de memoria y aumenta el throughput en operaciones críticas, como las multiplicaciones de matrices. Para tu empresa, esto se traduce en:

    • Entrenamiento más rápido: Reduce los tiempos de desarrollo de nuevos modelos.
    • Inferencia más eficiente: Más consultas por segundo con el mismo hardware, optimizando costos operativos.
    • Menor huella de carbono: Utilizar menos energía para las mismas tareas.

    La clave de la eficiencia reside en el FP8 Mixed Precision, que utiliza formatos E4M3 y E5M2 en modo HYBRID para garantizar la estabilidad numérica, superando limitaciones de FP16 cuando se aplican correctamente los factores de escala por tensor. Esto requiere GPUs con Compute Capability 8.9+, es decir, Ada, Hopper o Blackwell.

    Navegando la implementación práctica con la API Autocast

    La guía detalla cómo usar la API te.autocast(), una función esencial que envuelve el forward pass de tu modelo con configuraciones FP8, como 'fp8_recipes'. Esto es crucial porque automatiza gran parte de la complejidad asociada a la gestión de precisión. Permite que el backward pass también se beneficie de FP8, manteniendo la eficiencia en todo el ciclo de entrenamiento. La guía advierte sobre la importancia de verificar la precisión, comparando resultados FP32 con FP8 para asegurar la estabilidad del modelo, un paso que cualquier equipo de desarrollo debe priorizar.

    NVIDIA ha pensado también en la transición, incluyendo un sistema de fallback execution para GPUs que no soporten FP8, garantizando que el desarrollo continúe sin interrupciones. Además, es compatible con PyTorch Lightning y ofrece una API C++ agnóstica al framework, lo que facilita su integración en diferentes entornos de desarrollo.

    Análisis Blixel: La estrategia de adoptar FP8 en tu PYME

    Desde Blixel, vemos una oportunidad clara aquí. Si bien la tecnología FP8 es potente, su adopción exige una planificación. Las PYMES no pueden permitirse inversiones a ciegas. Mi recomendación es evaluar primero la carga de trabajo de vuestros modelos actuales.

    Si estáis manejando modelos Transformer grandes, como muchos de los que se usan para IA generativa o análisis de datos complejos, la guía de implementación de NVIDIA Transformer Engine con FP8 es vuestra hoja de ruta. No esperéis que la migración sea instantánea; requiere ajustes y pruebas, pero los beneficios en coste-efectividad y velocidad pueden ser un diferencial competitivo importante. Empezad con proyectos piloto en equipos que ya usen GPUs Ada o Hopper. La inversión inicial en hardware puede ser relevante, pero el ahorro energético y el aumento de rendimiento acabarán justificándola.

    Considerad que NVIDIA está evolucionando rápidamente, y el soporte extendido a NVFP4/MXFP8 con Blackwell indica una dirección clara hacia la optimización de la precisión. Estar preparados os dará ventaja.

    Fuente: Marktechpost

  • Xoople recauda $130M para mapear la Tierra con IA

    Xoople recauda $130M para mapear la Tierra con IA

    La startup española Xoople ha cerrado una impresionante ronda de financiación Serie B de Xoople recauda $130M, liderada por Nazca Capital. Esta inyección de capital eleva el total recaudado a $225 millones, catapultando a la compañía a la prestigiosa categoría de ‘unicornio’. Fundada en 2019, Xoople está revolucionando la recopilación de datos de la superficie terrestre con una constelación de satélites diseñados específicamente para alimentar modelos de deep learning. Su enfoque como proveedora de ‘ground truth’ la posiciona como un actor clave para empresas que buscan datos geoespaciales de alta precisión.

    Xoople recauda $130M: Impacto en Datos Geoespaciales y Deep Learning

    La tecnología de Xoople se distingue por sus sensores avanzados que generan un flujo de datos dos órdenes de magnitud superior a los sistemas actuales. Esto no es solo una mejora incremental; es un salto cualitativo. Dichos datasets se integran directamente con proveedores cloud como Microsoft Azure y Esri, ofreciendo a las empresas datos listos para ser consumidos por algoritmos de machine learning. Inicialmente, Xoople utilizó datos públicos, pero la nueva financiación permitirá expandir su red propietaria de satélites gracias a un acuerdo con L3Harris Technologies para fabricar sensores aún más sofisticados.

    Las aplicaciones de esta tecnología son vastas y muy concretas para el sector empresarial. Desde el monitoreo de redes de transporte y evaluación de daños por desastres naturales para agencias gubernamentales, hasta la supervisión de la salud de cultivos en el sector agrícola (agribusiness) y la vigilancia de proyectos de infraestructura o cadenas de suministro para grandes corporaciones, las posibilidades son enormes. La plataforma EarthAI de Xoople procesa estos datos geoespaciales con IA para reconocer patrones, detectar cambios y generar insights predictivos en tiempo real. Esta es la clave: información accionable al instante, no solo datos.

    Análisis Blixel: Más Allá de la Inversión, ¿Qué Significa para tu Empresa?

    La noticia de que Xoople recauda $130M no es solo una cifra impresionante; es una señal clara de la madurez del mercado de datos geoespaciales impulsados por IA. Para las PYMEs, esto se traduce en una democratización del acceso a información que antes era solo para grandes corporaciones o gobiernos. Pensemos en cómo podemos capitalizar esto:

    • **Optimización de Operaciones:** Si tu negocio depende de la logística, la salud de cultivos o la gestión de infraestructuras, Xoople abre la puerta a un nivel de precisión y predictibilidad sin precedentes. Datos exactos pueden ayudarte a reducir pérdidas, prever problemas y optimizar rutas o procesos.
    • **Ventaja Competitiva:** Utilizar estos datos listos para machine learning puede darte una ventaja significativa. No necesitas ser un experto en IA para aprovechar los resultados. La clave es identificar procesos donde la información geoespacial en tiempo real puede modificar tu estrategia o táctica.
    • **Nuevos Servicios:** ¿Podrías integrar esta capacidad predictiva en tus propios productos o servicios? Imaginemos una empresa de seguros que ofrece primas diferenciadas basándose en el monitoreo de riesgos en tiempo real, o una constructora que optimiza sus proyectos con un seguimiento satelital de la obra. Es momento de pensar fuera de la caja.

    Esta ronda, una de las más grandes del programa Innvierte de España, no solo impulsa a Xoople, sino que refuerza el ecosistema español de deep tech y la ambición de soberanía digital del país. La colaboración con la Agencia Espacial Española y la operación desde sus nuevas sedes en Tres Cantos, Madrid, subrayan la seriedad del proyecto. No se trata solo de tecnología; se trata de una herramienta de decisión estratégica.

    Fuente: TechCrunch

  • Empaquetado avanzado de chips, clave en la IA de 2026

    Empaquetado avanzado de chips, clave en la IA de 2026

    La carrera por el dominio de la Inteligencia Artificial no solo se libra en el diseño de nuevos modelos o en la potencia de cómputo bruta. Hay un protagonista técnico menos visible, pero cada vez más crítico: el empaquetado avanzado de chips. Este proceso, que antes era una fase ‘tradicional’ en la fabricación, se ha convertido en el nuevo cuello de botella y un factor diferenciador clave para la próxima fase del boom de la IA, superando incluso la tan publicitada fabricación de obleas a nodos de 2nm o 3nm.

    El Empaquetado Avanzado de Chips: Más allá del silicio

    Cuando hablamos de empaquetado avanzado, nos referimos a la capacidad de integrar múltiples 'dies' (pequeños bloques de silicio con funciones específicas) en un único paquete 2.5D o 3D de alto rendimiento. Esto implica técnicas como los chiplets interconectados mediante interpositores de silicio, capas de redistribución (RDL) de alta densidad y tecnologías complejas como CoWoS (Chip on Wafer on Substrate) de TSMC o el uso de HBM (High Bandwidth Memory) para apilar memoria de alto rendimiento directamente sobre el procesador.

    Empresas como TSMC dominan con soluciones como CoWoS, pero su capacidad es limitada (aproximadamente 12 reticles anuales). Mientras tanto, Intel avanza con su EMIB (Embedded Multi-Die Interconnect Bridge) y AMD con X3D para el apilamiento 3D V-Cache, buscando sus propias ventajas en este terreno. Estas innovaciones son esenciales porque lo que realmente define el rendimiento de un chip de IA hoy no es solo la densidad de los transistores en un único die, sino cómo de eficientemente se conectan y comunican múltiples componentes dentro de un mismo encapsulado.

    Análisis Blixel: Implicaciones para su PYME

    Desde Blixel, vemos una tendencia clara: la innovación en hardware no se frena, solo migra de foco. Para las PYMES que dependen de soluciones de IA o planean integrarlas, esto se traduce en varias cosas. Primero, la escasez de chips de IA de alto rendimiento tiene un componente cada vez mayor en el empaquetado; esto puede afectar precios y disponibilidad. Segundo, aunque la tecnología subyacente es compleja, su resultado es una mejora dramática en la eficiencia. Entender que su software de IA corre sobre hardware que está optimizado a este nivel le permite dimensionar mejor sus proyectos y expectativas de rendimiento.

    Además, esta evolución implica que los proveedores de tecnología como Amkor Technology, un gigante estadounidense del empaquetado, están posicionados para beneficiarse enormemente. Esto va a estabilizar parte de la cadena de suministro, pero también a generar nuevas dependencias. Tengan esto en cuenta al planificar a largo plazo sus infraestructuras de IA; no todo es CPU y GPU, la interconexión es ahora igual de crítica.

    El Costo y la Geopolítica del Empaquetado Avanzado de Chips

    Los chips de IA de nueva generación, como los H100 o H200, son increíblemente complejos. Se estima que el empaquetado consume entre el 20% y el 30% del costo total de estos componentes. Este alto porcentaje no es trivial; refleja el valor que añade esta fase en términos de rendimiento: ancho de banda de memoria-chip (superando 1TB/s), eficiencia térmica y densidad de interconexiones.

    Los límites físicos actuales son desafiantes. Hablamos de densidades de interconexión con objetivos de 10^6 interconexiones por milímetro cuadrado, la disipación térmica en configuraciones de apilamiento vertical y el rendimiento (yield) en procesos híbridos. Sin avances significativos en el empaquetado avanzado de chips, el escalado de modelos de IA de próxima generación (GPT-5, Llama 3) se estancaría, independientemente de las mejoras en la litografía EUV.

    Esto representa una 'recalibración' en la hoja de ruta de los semiconductores. La innovación no solo está en el transistor, sino en cómo se unen. Materiales como los nanocables de cobre o los micro-bumps de 10μm, junto con la integración heterogénea, serán los que definirán a los ganadores y perdedores de esta próxima fase del boom de la IA. Es crucial no subestimar las implicaciones geopolíticas, dada la concentración de capacidades de empaquetado avanzado en Asia.

    Fuente: Wired