- Desarrollo de aceleradores Instinct MI350 y MI400 para competir en centros de datos con mayor ancho de banda de memoria.
- Lanzamiento de Ryzen AI Max PRO con NPUs integradas para ejecutar modelos de lenguaje complejos de forma local.
- Apuesta por ROCm como alternativa de código abierto frente al dominio del ecosistema CUDA de NVIDIA.
- Integración de procesadores EPYC Venice de hasta 256 núcleos para optimizar la infraestructura de servidores de IA.
La carrera por dominar la inteligencia artificial ha dejado de ser una promesa para convertirse en una guerra abierta de hardware. En este escenario, AMD está pisando el acelerador para ofrecer alternativas creíbles que permitan a las empresas y a los usuarios finales desplegar modelos de IA sin que los costes se disparen ni la infraestructura se quede obsoleta a los cuatro días.
El objetivo es claro: pasar de los simples proyectos piloto a una producción real y escalable. Para lograrlo, la compañía no solo se centra en la potencia bruta, sino en resolver los quebraderos de cabeza habituales, como la gestión de la energía, la gobernanza de los datos y esa eterna lucha por evitar depender de un único proveedor en el mercado.
Aceleradores Instinct: El desafío directo a NVIDIA
Cuando hablamos de centros de datos, las GPUs convencionales no bastan; hacen falta aceleradores. Aquí es donde entran los Instinct MI350, que prometen un salto brutal, siendo hasta 35 veces más veloces en tareas de inferencia que sus predecesores. Estas bestias cuentan con 288 GB de memoria HBM3E, permitiendo manejar flujos de trabajo masivos con una soltura pasmosa.
Pero AMD no se queda ahí y ya tiene la vista puesta en el horizonte con los Instinct MI400 para 2026. Se espera que estos chips alcancen los 40 PFLOPS en precisión FP4 y dispongan de una memoria HBM4 de hasta 432 GB. Todo esto se integrará en los racks Helios, una arquitectura diseñada para competir codo con codo con las soluciones de NVIDIA, ofreciendo una capacidad de ancho de banda que es sencillamente mareante.
A largo plazo, la hoja de ruta incluye los EPYC Verano y las Instinct MI500X, que podrían aprovechar el nodo de fabricación de 1,6 nm de TSMC. La estrategia es obvia: superar a la competencia en cantidad de memoria y velocidad de transferencia, que es donde realmente se gana la partida al entrenar modelos de lenguaje gigantescos.
El ecosistema de software y el muro de CUDA
No todo es hardware potente. El gran talón de Aquiles de AMD ha sido históricamente el software. Mientras NVIDIA domina con CUDA, el estándar que todo el mundo usa, AMD ha apostado por ROCm. La versión 7 de esta plataforma de código abierto busca cerrar la brecha, llegando a ser incluso más eficiente que CUDA en escenarios específicos como el modelo DeepSeek R1.
Aun así, el camino es cuesta arriba porque muchos desarrolladores sienten que el software de AMD todavía tiene errores que complican el entrenamiento. La clave del éxito futuro no reside en añadir más núcleos, sino en que la experiencia de programación sea fluida y no un dolor de cabeza para los ingenieros.
IA en el escritorio y portátiles: Ryzen AI y Radeon
Para el usuario que no tiene un centro de datos en el sótano, AMD ha lanzado los procesadores Ryzen AI Max PRO. Estos chips integran una NPU dedicada que alcanza los 50 TOPS, permitiendo que tareas como Llama 3.1 70B se ejecuten de forma local y sin conexión, algo que hace nada parecía ciencia ficción en un equipo compacto, facilitando ejecutar modelos de IA en tu PC.
En el apartado gráfico, las Radeon RX Serie 9000, especialmente la RX 9070 con sus 16 GB de VRAM, son una puerta de entrada accesible para quienes quieren hacer inferencia de IA sin gastar una fortuna. Para los más exigentes, las Radeon AI PRO R9700 suben la apuesta hasta los 32 GB, eliminando cualquier cuello de botella en el dispositivo.
Infraestructura para servidores: EPYC Venice
El soporte de estas GPUs recae en los procesadores de servidor. Los futuros EPYC Venice, basados en Zen 6, prometen variantes de hasta 256 núcleos. Este incremento del 70% en rendimiento respecto a la generación anterior es vital para que la CPU no se convierta en el lastre de las potentes aceleradoras de IA.
Es curioso ver cómo el mercado empieza a reaccionar. Figuras como Sam Altman de OpenAI ya han reconocido que las soluciones de AMD serán piezas asombrosas en sus centros de datos. Esto demuestra que, aunque NVIDIA tenga la mayor cuota de mercado, el sector busca desesperadamente una alternativa que sea más eficiente y, sobre todo, más barata de implementar.
La apuesta de AMD combina un hardware disruptivo en memoria y potencia con un esfuerzo agresivo por democratizar el software de IA. Al integrar motores dedicados desde los portátiles hasta los racks de servidores más complejos, la compañía busca que la IA deje de ser un lujo costoso y se convierta en una herramienta accesible y eficiente para cualquier tipo de profesional o empresa.
