Conferencia Communacopia + Tecnología 2026 de Goldman Sachs de Nvidia Corp

Gracias. Es un gusto estar aquí.

Lo estamos haciendo. Hagamos una pausa.

La pregunta es: ¿por qué lo sabía? La pregunta es: ¿por qué lo sabía? En realidad, es bastante sencillo. La última revolución industrial hizo posible que pudiéramos suministrar energía a todo, y distribuimos energía por todas partes. Luego, por supuesto, internet hizo posible que pudiéramos encontrar cualquier cosa. Esa es la gran idea. Antes, conectabas algo a la pared, a un puerto Ethernet o a un módem, y ahora, al Wi-Fi. Lo conectas y puedes encontrar cualquier cosa. No es poca cosa. Es algo muy importante. Como podías encontrar cualquier cosa y todos querían encontrarlo todo, tuvimos que convertirlo en parte de la infraestructura. Como podemos distribuir energía en cualquier lugar y queremos suministrar energía a todo, distribuimos energía por todas partes. Se convirtió en parte de la infraestructura.

Ahora podemos encontrar cualquier cosa, encontrarlo todo, pero obviamente eso no es lo que la gente quiere. Lo que todos queremos es saberlo todo. Queremos preguntar cualquier cosa y saberlo todo. Esa es la capa de cómputo que estamos construyendo ahora, que hace posible que puedas preguntar lo que quieras y saber lo que quieras. Esa es la gran idea de la inteligencia artificial, y una computadora está en el centro de todo eso. El primer instrumento se llamó dinamo y el siguiente, obviamente, computadora; ahora tenemos estas fábricas de IA, que producen números, igual que internet produce números. En cierto nivel, ¿es así de simplista? Ahora, la pregunta es muy sencilla. ¿Cómo pasó la industria de las computadoras de aquello a esto, y cuáles son las implicaciones? Hay dos problemas que se acumulan, dos desafíos que se acumulan.

El primero es que, en la última generación de computadoras, las usaban las personas; como buscabas cosas y comprabas las computadoras como herramientas, como terminales, podías encontrar cualquier cosa, encontrarlo todo. Ahora, en este nuevo mundo, si aceptas la idea de que todos quieren preguntar cualquier cosa, encontrarlo y saberlo todo, si crees en ese mundo y en que de alguna manera podría integrarse en casi todo lo que hacemos, entonces la pregunta es: ¿cómo construyes esa capa de cómputo en todo el mundo? Resulta que esa computadora es generativa. No es una computadora de recuperación, y creo que ya se los he explicado antes. Durante los últimos 60 años, todo estaba pregrabado y lo almacenábamos en algún lugar.

Cuando tocas algo en el teléfono, este busca y recupera esa información y, de hecho, probablemente recupera entre 3 y 10 elementos de información. Según quién eres, las cookies asociadas contigo, tu historial y tus preferencias anteriores, un sistema de recomendación te recomendaría uno de esos elementos de información, pero todo estaba pregrabado. Ese modelo de cómputo se llama basado en recuperación. Si tu pregunta —si quieres preguntar cualquier cosa y saberlo todo, si de verdad quieres saberlo y no encontrarlo—, entonces tienes que generar la respuesta. No puedes simplemente recuperarla de manera razonable. La razón es que antes existía esta idea llamada sistema de recomendación, que se basa en tus preferencias.

Bueno, si quieres preguntar cualquier cosa y saberlo todo, esas preferencias tienen que reemplazarse por algo más, llamado contexto. La consulta se llama instrucción, y el entorno circundante incluye el contexto y también tus preferencias. Con la combinación de todo eso, tienes que generar la respuesta. Básicamente, eso significa que hay que construir una nueva capa de computadoras que genere continuamente respuestas basadas en todas las consultas que recibe. Eso ya no es un conjunto de almacenamiento. Es un conjunto de computadoras. ¿Cómo es esa computadora y qué algoritmo ejecuta? Es casi como si cada uno tuviera su propio motor de recomendaciones. Piénsenlo de esa manera. En vez de tener un enorme motor de recomendaciones para toda Meta, ahora literalmente tienes uno para cada persona.

Estos motores de recomendación son realmente complejos porque los modelos de IA son grandes. Tiene que ser inteligente. Comprime gran parte de la información del mundo. Ahora, el segundo problema es el siguiente. Es el fin de la ley de Moore. La primera vez que lo dije, hace unos 15 años, ustedes soltaron un suspiro, como si hubiera dicho algo que hirió los sentimientos de alguien. Simplemente significa que los transistores ya no escalan, y no es gran cosa. Si los transistores ya no escalan 2x al año ni reducen su tamaño a la mitad cada dos años, entonces la pregunta es qué pasará en el futuro mientras intentamos hacer esta otra cosa. Se llama IA generativa o inteligencia artificial, como quieran llamarla.

En este nuevo mundo, donde la ley de Moore llega a su fin y necesitamos muchos más transistores, tienen que ocurrir varias cosas. Lo primero que debe ocurrir es que aún queramos mejoras de 100X y 1,000X cada pocos años; y, si queremos lograrlo, no podemos limitarnos al chip. Tenemos que codiseñar, y por eso NVIDIA se convirtió en una empresa de codiseño, de codiseño extremo. Nos oyen decirlo todo el tiempo. Lo segundo que hay que hacer es que, si quieres el doble de transistores, tienes que construir el doble de chips. Por eso NVIDIA inventó NVLink. Verán, lo primero que hicimos fue usar CoWoS, lo cual nos permitió fusionar varios chips.