Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

GPU

Una GPU (unidad de procesamiento gráfico) es un procesador con muchos núcleos pequeños diseñado para ejecutar muchos cálculos en paralelo. Su velocidad con las operaciones de matrices la convierte en el hardware estándar para entrenar y ejecutar modelos de IA.

También llamado: graphics processing unit

Por Divya Sharma · Comprobado el 16 nov 2026 · Cómo hacemos las reseñas

Las GPU nacieron como chips para dibujar gráficos 3D, donde el mismo cálculo se aplica a millones de píxeles a la vez. CUDA de NVIDIA, presentado en 2006, abrió esa capacidad paralela a la computación general. Las redes neuronales resultaron encajar muy bien, porque entrenarlas y ejecutarlas consiste sobre todo en grandes multiplicaciones de matrices que se reparten de forma natural entre muchos núcleos.

Por qué la IA necesita GPU

Una CPU tiene unos pocos núcleos potentes pensados para trabajo variado y secuencial. Una GPU cambia eso por muchísimos núcleos más sencillos y una memoria muy rápida, lo que encaja con la aritmética repetida de un transformer. Las GPU modernas de centro de datos añaden unidades dedicadas a operaciones de baja precisión, por eso importan formatos como FP8 y 4 bits.

En qué fijarse

Para ejecutar modelos, la memoria suele importar más que la potencia de cálculo bruta. El tamaño de la VRAM decide qué modelos caben, y el ancho de banda de memoria determina en gran medida los tokens por segundo durante la generación. Para entrenar y para modelos grandes, importan los enlaces entre GPU, ya que el trabajo se reparte entre muchas tarjetas con métodos como el paralelismo de tensores. Nuestra calculadora de GPU estima lo que necesita un modelo.

Alternativas

La TPU de Google es un chip diseñado específicamente para el aprendizaje automático, usado sobre todo en Google Cloud. Las NPU de teléfonos y portátiles ejecutan modelos pequeños con bajo consumo. Apple y algunos otros chips usan memoria unificada compartida por la CPU y la GPU. También puedes no tener hardware propio y alquilarlo en una nube de GPU para IA o en una plataforma de GPU serverless.

Términos relacionados

VRAM
La VRAM es la memoria de una tarjeta gráfica. En el trabajo con IA contiene los pesos del modelo, la KV cache y los datos de trabajo, y que un modelo quepa o no en la VRAM suele decidir qué GPU necesitas para ejecutarlo.
TPU
Una TPU (tensor processing unit, unidad de procesamiento tensorial) es el chip propio de Google para machine learning, construido en torno a grandes unidades de multiplicación de matrices y memoria de gran ancho de banda. Google ofrece las TPU a otras empresas como servicio de alquiler en Google Cloud.
NPU
Una NPU (neural processing unit, unidad de procesamiento neuronal) es un chip, o un bloque dentro de un chip mayor, diseñado para ejecutar los cálculos de redes neuronales rápido y con poco consumo. Los teléfonos y portátiles usan NPU para ejecutar pequeños modelos de IA en el propio dispositivo.
Nube de GPU
Una nube de GPU (GPU cloud) es un servicio que alquila máquinas con GPU por horas o por segundos para entrenamiento, fine-tuning e inferencia de IA. Los proveedores especializados, a veces llamados neoclouds, se centran en las GPU y a menudo cobran menos que las grandes nubes generalistas.
Memoria unificada
La memoria unificada (unified memory) es un diseño en el que la CPU y la GPU comparten un único conjunto de memoria en lugar de tener cada una la suya. En los Mac con Apple Silicon y chips parecidos, permite que un modelo de IA local use la mayor parte de la RAM del sistema como memoria de GPU.
Tensor parallelism
El tensor parallelism (paralelismo de tensores) divide cada capa de una red neuronal entre varias GPU, de modo que cada GPU guarda parte de cada matriz de pesos y calcula su parte de cada paso. Permite ejecutar en muchas GPU un modelo demasiado grande para una sola.

Fuentes