[0:00]Ayer, Nvidia, básicamente presentó la PC2. Sí, tenemos la PC2 antes que Grand Theft Auto VI. Esto es básicamente la mayor evolución que hayamos tenido desde los 70. El paradigma de cómputo ya cambió por completo, mi hermano. Y hay que tener en cuenta que todas las compañías que fabrican laptops, todas se unieron. El sistema operativo más popular del mundo, Windows, ya lo está usando esta tecnología que creo en Nvidia, sin ningún problema. Y también, no te preocupes, es compatible con Linux. Pero entonces, ¿qué pasó? Porque la conferencia fue muy larga. Y te quedas con la sensación de, oye, me manosearon entre tanta gente y no supe ni qué pasó. Vamos a explicarte todo lo que pasó, el impacto real. Y vamos a poner al tanto a mucha gente, porque Nvidia lo que acaba de hacer es crear una nueva rama de cómputo que deja muy por debajo a Intel, a AMD, a Huawei y a todos los demás. Por favor, échanos la mano comprando con los links que están ahí abajo en la descripción para que nosotros podamos seguir haciendo esto. Tiene ya meses que te he estado diciendo que los CPUs no están haciendo prácticamente nada en la era neural. Nosotros habíamos comparado ya hace bastante tiempo, un 14400 contra un 14900k, que básicamente cuesta el triple. Y la diferencia que hubo utilizando todas las tecnologías de Nvidia, fueron máximo siete fotogramas entre estos dos procesadores. Ya nos movimos porque el cómputo cambió, nos cambiamos del CPU a la GPU. Te he traído video tras video. Desde Resident Evil Re:Quem, Pragmatta, Cyberpunk, te he hablado lo mismo siempre. Eso ya tiene un rato que te lo estoy diciendo. Pero ayer Jensen enfrente de todo el mundo, porque todo el mundo estaba viendo lo que estaba pasando con Nvidia, dijo que los CPUs se van a hacer para los agentes, no para la gente, no para personas. El consumidor del procesador era alguien que programaba con una manera muy específica de hacerlo. Se creó en los 70 X86, un duopolio total entre Intel y AMD. Los CPUs que también se presentaron en esta ocasión, que son los de Vera Rubin, recuerda que cada generación de Nvidia, primero va el nombre del procesador y luego el nombre de la tarjeta de video. Entonces, Grace Blackwell, procesador Grace, tarjeta de video Blackwell. Vera Rubin, Vera procesador, Rubin es la tarjeta de video. En cierta manera me quedé muy corto porque todo fue más grande de lo que te dije. En 2018 yo te había dicho que el asteroide ya había caído con la inteligencia artificial y con la salida de tarjetas de video RTX. No nada más para gaming, porque el propósito de las tarjetas de video es hacer cálculos matemáticos sumamente complejos. Y en este caso se añadieron sectores físicos en el silicio para hacer operaciones de matrices, los Tensor Cores, y también se agregaron cosas físicas para ver la luz, los RT Cores. Pero no nada más son los jueguitos, sino son también toda la industria, la industria automotriz, la industria de ciencias, comunicaciones, computación, visión computacional, etcétera. Hoy estamos recibiendo apenas la onda de choque y esa onda de choque viene muy fuerte. Lo que se presentó el día de ayer fue un nuevo procesador. Es el RTX Spark, o RTX Spark. Es lo mismo que tenía la DGX Spark, la cajita doradita que yo te hice tanto revuelo y que te estuve trayendo, pero ya viene con memoria unificada y menos de 100 watts de consumo. Las especificaciones son monstruosas, son 20 núcleos de CPU hechos en conjunto con MediaTek. Tiene una GPU Blackwell con 6144 núcleos CUDA, hasta 128 GB de memoria unificada. Un petaflop de rendimiento en inteligencia artificial, todo enlazado con NVLink, la misma tecnología que Nvidia usa en sus servidores. Pero aquí hay algo que me voló la cabeza cuando yo había visto unas filtraciones, cuando yo vi que tenía 48 SMs me voló la cabeza. Y necesito explicarte qué es un SM, si no no va a quedar claro. Esto que estamos viendo es una RTX 5090. Y cada tarjeta de video se compone de distintas partes del silicio. Tenemos aquí que esta tarjeta de video se compone de varios GPCs. Pero lo que más nos interesan son los SMs. SM son las siglas de Streaming Multiprocessor, y sí, suena un poquito raro, pero olvídate del nombre. Imagínate que esto es una especie de taller. Aquí en el Streaming Multiprocessor tenemos varios tipos de núcleo, varios tipos de trabajadores. Entonces, todo esto es un taller, todo esto es un SM, y aquí hay varias personas o varias cosas que van a hacer algo. Lo primero que tenemos que tener en cuenta son los Shading Cores, o los Shader Cores. Estos son los de toda la vida, los que se encargan del cálculo tradicional. Mueven la geometría en el motor gráfico, pintan el cuadro base, la fuerza bruta que tanto dicen, las cuestiones para estar acelerando programas de edición y todas esas cosas. Pero también hay otra estructura que se llaman los núcleos tensores. Estos son el cerebro de la inteligencia artificial. Trabajan con matrices. Que es la pura matemática en la que piensa una inteligencia artificial. Te acuerdas que yo te había dicho que hay fotogramas que jamás vas a ver. Esos son los fotogramas que hacen que estas cosas se lo imaginen, se lo sueñen. Aquí trabaja DLSS, aquí trabaja Ray Reconstruction, aquí trabaja Frame Generation, aquí trabaja DLAA. Aquí trabaja flujo óptico por inteligencia artificial. Otro trabajador, otra apartado físico que existe, es el núcleo RT. Su único trabajo es calcular cómo la luz está rebotando contra cada objeto, contra cada pared, contra cada cuerpo dentro del juego, contra cada cabello que hay ahí en pantalla. Y esto es el Ray Tracing, hermano. Esto es el Path Tracing. Todo esto es físico, existe. El hecho de que tú tengas una consola favorita, el hecho de que a ti te encante AMD y ellos no tengan esto como hardware, no es nuestra culpa. Se quedaron demasiado atrás y es algo que tenemos que estar teniendo en cuenta porque esto es la base de todo lo que viene y se les ha comentado en múltiples ocasiones. Y van a decir algunos, sí, ahí va Pollo con sus Pollo Cores. Búrlense, no hay ningún problema. ¿Por qué te digo que te metas al sitio de Nvidia? Porque aquí están los núcleos CUDA, los que te digo, los que hacen el rasterizado tradicional, los cálculos generales para cualquier programa que esté utilizando la tarjeta de video. Los núcleos tensores que también tienen una capacidad de procesamiento, aquí está los núcleos RT que existen, ahí están, son físicos. Lo que tú estás pagando, estás pagando por Frame Generation, estás pagando por Ray Tracing, estás pagando por Path Tracing, estás pagando por DLSS. ¿Por qué? Porque viven y se ejecutan en este pedazo de hardware. Entre más SM tengas, más poder tienes. Entonces, el hecho de que dijeran que eran como 48 SMs a mí me voló la cabeza porque 48 SMs son los que tiene una RTX 5070. Que te he mostrado en cada demostración de juegos sin importar el procesador, que esta cosa puede levantar hasta 4K, más de ciento y tantos fotogramas con todo y Path Tracing. Nos están diciendo que tienen el mismo poder de procesamiento de una 5070 en un procesador tan pequeñito, me quedé sin aire, Rey. Personalmente te voy a decir, no creo que sea el mismo funcionamiento, porque no estamos en la misma liga de consumo energético, no estamos en la misma liga de tamaño. Creo que va a haber una reducción, pero es importante decirles, tiene Blackwell, va a tener todas las tecnologías de Nvidia y consume muy poco. Una de las cosas más importantes para entender hacia dónde va la PC2 es entender qué es un agente. Y la explicación de Jensen fue magistral. Básicamente, nos dice que un agente es que tiene un modelo de lenguaje, tiene un arnés que es el cuerpo y utiliza herramientas. Trabajando en un runtime. ¿Cómo se explica esto? Es una persona trabajando con herramientas en un taller. Un taller, lo que te acabamos de explicar, como el SM, tres trabajadores, CUDA Cores, Tensor Cores, RT Cores, se aplica exactamente igual a esto. Jensen explicó el agente como una persona en un taller, es la misma idea. ¿Sabes con qué piensa un agente? Con redes neuronales montadas sobre algo que se llama Transformer. ¿Sabes qué también piensa con Transformer? DLSS, el Ray Reconstruction, el DLAA, el flujo óptico por IA, el MultiFrame Generation. Las tarjetas de video de Nvidia llevan años renderizando con la misma materia gris con la que apenas ahora empiezan a razonar los agentes. La GPU como tal no es un agente. Es que tu GPU ya estaba pensando como un agente. Y todo esto antes de que se pusiera de moda la palabra. Así que hay que tener en cuenta que cuando llegan y apagan el DLSS, cuando llegan y apagan el RT, para medir el rendimiento real. Te están diciendo, básicamente, que tu teléfono, tu smartphone, no sirve para nada más que para hacer llamadas. Nuestra PC va a ser un lugar donde vamos a interactuar con nuestros distintos trabajadores, con nuestros agentes. La demostración que hubo fue espectacular. Una casa diseñada por un agente en una laptop. Entonces, un agente que estaba corriendo en la RTX Spark abrió un programa que se llama Rhino, un programa de modelado. Y empezó a construir el terreno de la casa que quería hacer esta persona. La persona le dijo, necesito que tenga estas características. Y el agente, de inmediato, utilizó los programas que están instalados en su laptop para llevar a cabo las tareas. Empezó a construir el terreno, a proponer las formas de la casa, que estuviera optimizado para costo y comodidad. Generó el interior, las paredes, los cuartos, la circulación, y lo que me impactó mucho es que el agente detectó los propios errores que tenía y los empezó a corregir solo. Y todo esto fue aprobado por un humano. Cuando el humano lo aprobó, se exportó todo a Blender. Con el contexto de diseño intacto, el humano afinó los materiales, los que estuvo cambiando en pantalla. Al haber afinado los materiales, se llevaron a esto a un modelo de imagen que se llama Lux 2. Volvió los renders fotorrealistas en múltiples ángulos, múltiples condiciones de luz. Este agente estaba corriendo localmente en la laptop, aunque estaba conectado en un modelo en la nube para estar pensando. Pero tú puedes elegir si utilizas un modelo local o un modelo en la nube, pero el agente, el que mueve las herramientas, ese va a estar viviendo en tu máquina. No solamente fue Rhino, también básicamente reconstruyeron Photoshop y Premiere para la RTX Spark y ya son dos veces más rápidos. Ahora, estos programas hablan e interactúan con los agentes directamente. Presentaron tres máquinas en conjunto con Microsoft. La laptop, que es el RTX Spark. Todos tienen RTX Spark, también tienen una workstation y la DGX Station. Esta cosa da miedo, porque estas máquinas llegan a tener más de 700 GB de memoria unificada, 20 petaflops. ¿Sabes qué significa esto? Que puedes correr un modelo de inteligencia artificial de un trillón de parámetros en tu escritorio, local, sin nube. Y esto es algo impresionante porque todos se subieron al barco. Dell, HP, Lenovo, ASUS, MSI, Gigabyte, Super Micro y Microsoft con una nueva Surface. Piénsalo un poquito, hermano, cada compañía que fabrica laptops en este planeta entró, toda la industria de PCs se unió a reinventar la PC. No queda nadie afuera. ¿Cuándo fue la última vez que, te pregunto, tú viste que toda una industria se puso de acuerdo en algo? Esto solamente sucede cuando el cambio es tan grande que quedarse afuera es mandarse al lobby solo. Y aquí no está Intel, aquí no está AMD, y esto no solamente es para trabajar, porque durante la presentación, ¿qué crees que hizo Jensen? Llegó cargando dos laptops. En una traía el Forza Horizon, el nuevo de Japón y el 007. En las laptops corriendo completamente desconectado. Esto no lo puedes hacer con ninguna laptop. Y teniendo en cuenta que tiene todas las tecnologías de Nvidia, todo lo que ellos dominaron en una sola máquina. Y otra cosa, Nvidia ya tiene más de 1000 juegos y aplicaciones con soporte para RTX. AMD no tiene ese soporte, Intel no tiene ese soporte. Pero también hay otra cosa que hay que estar hablando, las Mac Mini.
[14:18]Que son, obviamente hubo una panacea para Apple al estar vendiendo estos dispositivos por, sobre todo por la memoria unificada. 128 gigas, carga modelos gigantes de lenguaje y es cierto, los puede cargar. Pero aquí Nvidia no nada más hizo esta movida de la, ah, memoria unificada. Eso ya nos hace sumamente competitivos. No, hermano, no es nada más que tengas la memoria, no es nada más la RAM ni nada por el estilo. Es que los agentes que van a estar trabajando en estas máquinas, por su propia voluntad, van a tener herramientas de Nvidia. Nvidia tiene miles de herramientas con CUDA X, 20 años, más de 30 millones de desarrolladores que utilizan todas estas herramientas. Para análisis biológico, para genómica, quitar ruido, simulaciones, cuestiones de matemáticas, todo. Y esto los agentes van a poder utilizarlo como si nada porque es completamente compatible con todo lo que CUDA ha hecho. Y con todo lo que ha corrido en Windows. El CPU sigue siendo completamente indispensable y ahorita es más que nunca, pero tiene que ser un CPU hecho para agentes neurales. La GPU pesa, pero el procesador es el director de orquesta y esto básicamente lo dijo Jensen ahí. Es para que no tenga cuello de botella y el director de orquesta no es nada sin los violines, sin las violas, sin el contrabajo, sin los chelos, sin las percusiones. Solito no hace música, pero va a dirigir, pero no puede hacer por completo el trabajo. Planea los pasos, llama las APIs, llama las bases de datos, llama las herramientas, ejecuta, evalúa, corrige y repite. En la era de los agentes, esto no es que sea un trabajo secundario, porque estás dirigiendo hacia dónde se van a dirigir las cosas. Por eso Nvidia está creando y fabricando millones de procesadores. Así que el cómputo ha cambiado mucho. Básicamente lo que hemos aprendido en la escuela a través de muchos años se quedó ya muy atrás, porque estamos en la era de la IA que ya está aquí con nosotros. Que no hay que demonizarla, hay que utilizarla. Ahora, ya le vas a tener que hablar a tu PC. Ya no vas a tener que estar haciendo tecladazos ni estar viendo nada, ella solita se va a poder configurar. Vamos a ver qué va a pasar con el mercado de cómputo tradicional, con los que ensamblamos y demás, porque va a haber cambios más adelante. También vamos a ver cuestiones de costos y demás, pero por lo mientras, tenemos una nueva era de PC, que ha cambiado desde los años 70. Échale cuentas, ¿cuántos años son? ¿Cuántos años teníamos haciendo las cosas para humanos? Ahora hacemos los procesadores para que otras máquinas los utilicen.
