De [GeForce] a la inteligencia artificial [AI]: ¿Por qué la decisión de [NVIDIA] sobre [CUDA] cambió el futuro de la empresa?
Introducción: ¿Se puede renunciar al beneficio de hoy para construir el mundo informático de mañana?
Una empresa invierte mucho en una capacidad que sus clientes no están pidiendo de inmediato. Añadirla aumenta el costo de producción, pero los clientes no quieren pagar más por ella. Aun así, la empresa no retrocede. No busca solamente vender un producto nuevo; quiere construir una plataforma informática [Computing Platform] en la que otros puedan desarrollar sus propias creaciones en el futuro.
Esa fue la base de la decisión de [NVIDIA] de incorporar [CUDA] a sus procesadores gráficos [GPU] [GeForce]. Como explicó Jensen Huang, la decisión no produjo un éxito inmediato. Trajo costos, presión sobre los beneficios y una larga espera. Sin embargo, después se convirtió en una de las bases del crecimiento del aprendizaje profundo [Deep Learning].
1. De acelerar una tarea limitada a una plataforma informática [Computing Platform] más amplia
Al principio, [NVIDIA] era una empresa que aceleraba una tarea concreta. Esa especialización le daba fuerza. Al mismo tiempo, depender de un mercado limitado podía restringir su capacidad de investigación y desarrollo [Research and Development].
Existía una contradicción. Una especialización excesiva podía dificultar tareas informáticas más amplias. Intentar hacerlo todo podía hacerle perder su fortaleza original. El planteamiento de Huang fue avanzar gradualmente entre esas dos posiciones.
Describe como primer paso el sombreador de píxeles programable [Programmable Pixel Shader]. Después llegó el cálculo de coma flotante de 32 bits compatible con la norma [IEEE-compatible FP32] a los sombreadores [Shaders]. Eso llevó a los investigadores a preguntarse si un procesador diseñado para gráficos podía utilizarse también para otros cálculos.
Luego llegó [Cg], basado en el lenguaje de programación [C]. Ese recorrido acabó llevando a [CUDA]. Por tanto, no fue una solución mágica nacida en un día, sino un proceso continuo de enlazar una capacidad técnica con la siguiente.
2. Más importante que crear [CUDA] fue decidir adónde llevarlo
Crear una tecnología excelente no hace que la gente empiece a utilizarla automáticamente. Se necesitan desarrolladores [Developers] que escriban programas y muchas personas capaces de usar esos programas.
La fuerza de una plataforma informática [Computing Platform] no reside solamente en la elegancia de su diseño, sino en cuántas personas ya la tienen. Huang lo explica como la importancia de la base instalada [Installed Base].
Pone el ejemplo de la arquitectura [x86], que perduró pese a las críticas gracias a su amplio uso. También señala que algunas arquitecturas de conjunto reducido de instrucciones [RISC Architectures], diseñadas con elegancia, no alcanzaron el éxito esperado. Esto no significa que todos los diseños [RISC] fracasaran. La idea es que la elegancia técnica por sí sola no garantiza el éxito de una plataforma.
En aquel momento, [GeForce] ya vendía millones de unidades al año. Por tanto, [NVIDIA] disponía de una vía establecida para acercar la nueva capacidad informática a la gente.
3. [CUDA] en cada procesador [GeForce]: Una base construida antes de que los usuarios la pidieran
La empresa podría haber limitado [CUDA] a unas pocas máquinas de investigación costosas. Pero así habrían podido acceder a él muchas menos personas.
En cambio, decidió llevar esa capacidad a los ordenadores personales [PC] ampliamente disponibles mediante [GeForce]. Un producto comprado para jugar también ofrecía oportunidades de investigación. Un estudiante, un laboratorio universitario o un investigador que montara su propio ordenador podía probar nuevos cálculos con el equipo que ya tenía.
Esto no debe interpretarse como que [CUDA] funcionaba en todos los ordenadores. La idea es que la base instalada [Installed Base] de [GeForce] sirvió de punto de partida para hacer accesible esa capacidad a más personas.
Huang afirma que no se limitaron a proporcionar equipos: también enseñaron en universidades, escribieron libros y organizaron clases. Crear una plataforma no termina con vender el producto. También exige desarrollar los conocimientos y la comunidad capaces de utilizarla.
4. El precio inmediato: Mayores costos y beneficios bajo presión
La carga económica de la decisión fue considerable. Huang recuerda que añadir [CUDA] elevó el costo del procesador alrededor de un 50 por ciento, cuando la empresa operaba con un margen bruto [Gross Margin] aproximado del 35 por ciento.
Los jugadores no pagarían más por una capacidad de cálculo que no utilizaban. Por eso, la empresa tuvo que absorber el costo. Huang lo describe como suficiente para consumir completamente el beneficio bruto en dinero [Gross Profit Dollars] de la empresa.
No se pueden restar directamente estos dos porcentajes para determinar la situación financiera. Uno parte del costo de producción; el otro es un margen calculado sobre los ingresos. No está planteando una simple operación aritmética, sino la dificultad de sacrificar los ingresos actuales por una plataforma futura.
También recuerda de manera aproximada que la capitalización bursátil [Market Capitalisation] estaba entre 6.000 y 8.000 millones de dólares estadounidenses y después cayó hasta unos 1.500 millones. Son estimaciones de sus recuerdos. No permiten concluir que [CUDA] fuera la única causa de todo el cambio.
Aun así, es importante su observación de que el rendimiento esperado tardó aproximadamente una década. No era una decisión para los beneficios del siguiente trimestre.
5. ¿Por qué esta decisión sentó una base para el aprendizaje profundo [Deep Learning]?
Un obstáculo difícil para nuevas investigaciones es el costo y la dificultad de acceder a equipos. Si un experimento puede comenzar con herramientas que muchas personas ya poseen, parte de esa barrera disminuye.
Distribuido mediante [GeForce], [CUDA] creó una base para que los investigadores experimentaran en un entorno de programación [Programming Environment] común. Los conocimientos, programas y experiencia generados allí pudieron apoyar trabajos posteriores.
Cuando creció el aprendizaje profundo [Deep Learning], ya existían herramientas adecuadas para sus grandes cálculos en paralelo [Parallel Computing] y personas que sabían utilizarlas. Esa era una ventaja importante.
La historia completa del aprendizaje profundo [Deep Learning] no depende de una sola empresa o herramienta. Pero esta decisión ocupa un lugar importante en hacer ampliamente disponible la plataforma informática [Computing Platform] necesaria. Por eso Huang insiste en la idea de que [NVIDIA] es la casa que construyó [GeForce].
6. Construir confianza antes de tomar la decisión técnica
Un líder puede tener claro el futuro. Pero esa claridad no basta si el consejo, los directivos, los empleados, los clientes y los socios no la aceptan.
Huang describe su método como explicar las razones paso a paso. Cuando surgen nueva información, avances de investigación o logros de ingeniería, explica a quienes lo rodean cómo se relacionan con la dirección futura.
El día que se anuncia una gran decisión no debería sorprender repentinamente a todos. Al contrario, cree que la base debería estar tan preparada que las personas se pregunten por qué se tardó tanto.
Detrás de la decisión sobre [CUDA] también hubo esa confianza y paciencia a largo plazo. Además de elegir la ruta técnica, había que preparar para el viaje a la empresa que soportaría su costo.
7. No solo un producto, sino una plataforma sobre la que puedan construir los socios
También importa la visión de [NVIDIA] de sí misma como empresa de plataformas [Platform Company]. En el centro de esa idea está dejar espacio para que otras empresas contribuyan y construyan conjuntamente en cada capa.
Esto no significa que todos sus programas sean de código abierto [Open Source]. Ofrecer oportunidades de colaboración a los socios es distinto de hacer público el código fuente [Source Code].
Una buena plataforma no crece solo gracias a la empresa que la creó. También crece mediante las aplicaciones que investigadores, desarrolladores [Developers], empresas e instituciones educativas construyen sobre ella. La decisión sobre [CUDA] abrió la puerta a ese crecimiento.
8. La lección actual: Acelerar un solo procesador no basta
En grandes cargas de trabajo distribuidas [Distributed Workloads], acelerar únicamente una parte no acelera todo el sistema en la misma proporción. La ley de Amdahl [Amdahl's Law] explica este límite.
Supongamos que solo podemos mejorar la mitad del tiempo de una tarea. Por mucho que aceleremos esa mitad, la otra mitad sin cambios seguirá existiendo. Incluso si la parte mejorada no consumiera tiempo alguno, el trabajo completo sería como máximo dos veces más rápido.
Por eso deben diseñarse conjuntamente el procesador gráfico [GPU], el procesador central [CPU], la conexión de red [Networking], la memoria [Memory], la alimentación eléctrica [Power] y la refrigeración [Cooling]. Huang describe esto como un diseño conjunto extremadamente estrecho [Extreme Co-design].
Aquí aparece una continuidad con la primera decisión sobre [CUDA]. La capacidad de una herramienta aislada no basta. Todo el entorno que la utiliza debe desarrollarse con ella.
Conclusión: Una decisión que creó usos futuros
La importancia de introducir [CUDA] no fue únicamente disponer de una nueva capacidad de programación. Su significado más profundo estuvo en unirla a [GeForce], que ya se vendía en grandes cantidades, y ponerla de antemano en manos de quienes la utilizarían en el futuro.
Si solo se hubiera mirado el costo inmediato, la decisión podría haber parecido equivocada. Pero [NVIDIA] entendía que el valor de una plataforma informática [Computing Platform] también está en las aplicaciones que otros construirán sobre ella.
Tecnología, acceso generalizado, educación, una comunidad de desarrolladores [Developer Community] y paciencia empresarial se combinaron para crear una nueva oportunidad. Más tarde, esa oportunidad se vinculó al crecimiento de la inteligencia artificial [AI]. Esta es la lección de la decisión sobre [CUDA]: el gran cambio de mañana necesita una base sobre la que muchas personas puedan empezar a construir hoy.
Powered By K7