La startup sostiene que la IA puede diseñar chips más rápido y eficientes, ayudando a aliviar la creciente demanda de potencia de cómputo.
Ricursive Intelligence propone un sistema donde la IA diseña chips, aprende en cada ejecución y acelera el trayecto de la idea al silicio. El objetivo es afrontar la creciente demanda de cómputo creando chips más eficientes y rápidos de adaptar a cargas concretas.
Lo que importa para ti: si estos chips diseñados por IA resultan viables, espera centros de datos y dispositivos más rápidos y eficientes que permitan ejecutar más IA sin consumir tanta batería. Los próximos pasos son pruebas de concepto, acuerdos con fundiciones y demostraciones públicas de rendimiento en los próximos meses.
Leer en: English Français Deutsch Español
En TechCrunch Disrupt, Ricursive Intelligence presentó una afirmación ambiciosa: la IA puede diseñar chips, aprender de cada iteración y acelerar la hoja de ruta de futuros procesadores. Las fundadoras Anna Goldie y Azalia Mirhoseini describieron un sistema que analiza requisitos, genera diseños de disposición, los prueba en simulación y luego refina los diseños según la retroalimentación de rendimiento. El objetivo no es solo chips más rápidos, sino chips que consuman menos energía y desperdicien menos silicio en general.
Según ellas, el mundo se dirige hacia mucha más capacidad de cómputo, un salto que estiman podría alcanzar miles de veces más demanda en los próximos cinco años. Su respuesta: dejar que la IA impulse el proceso de diseño para que los humanos se concentren en las aplicaciones y en nuevas ideas, en lugar de quedar atrapados en ciclos de diseño cada vez más largos.
Las fundadoras mencionaron un proyecto previo, AlphaChip, que produjo una disposición circular, en forma de “rosquilla”, de componentes del chip que sorprendió a los ingenieros antes de resultar exitosa. Dicen que la IA no se limita a ajustar bloques pequeños; está optimizando chips enteros, permitiendo diseños y patrones que los humanos podrían no concebir, como configuraciones onduladas. Ese enfoque más amplio podría abrir puertas a chips especializados para ámbitos como AR, VR e incluso computación inspirada en sistemas biológicos, sostienen.
Goldie enfatiza que acortar el ciclo de diseño importa más que ganancias marginales en componentes individuales. Si un chip puede diseñarse en una semana en lugar de seis meses a un año, los fabricantes podrían crear chips a medida para cargas de trabajo concretas con mucho menos riesgo financiero. En la práctica, esto podría traducirse en centros de datos más eficientes energéticamente, dispositivos de edge más rápidos y nuevos tipos de hardware para cargas de IA que hoy estiran el silicio existente hasta sus límites.
Aún así, el camino desde un concepto demostrado en el escenario hasta el silicio enviado al mercado es largo. La fabricación de chips es una industria madura y adversa al riesgo, con estándares estrictos de fiabilidad. La adopción en el mundo real dependerá de cómo se comporten los diseños generados por IA en las pruebas, de la facilidad con que las fundiciones puedan fabricarlos y de si el coste de la transición desde los flujos de diseño tradicionales compensa en términos de rendimiento y ahorro energético.
La propuesta es dirigirse a cargas de trabajo centradas en IA donde la eficiencia y la velocidad importan más, como centros de datos que manejan modelos de lenguaje grandes o dispositivos edge con restricciones de potencia muy ajustadas. La compañía sostiene que la capacidad de adaptar chips rápidamente podría significar menos diseños genéricos y más tiradas de producción afinadas para un único cliente o carga de trabajo.
El diseño impulsado por IA cambia la ecuación de riesgo: los nuevos diseños pueden comportarse de forma distinta en silicio, y validar estos diseños podría requerir ciclos de prueba y herramientas adicionales. Las fundadoras dicen que la iteración ayuda, pero la industria querrá ver datos de fiabilidad a largo plazo antes de una adopción amplia.
Ciclos de diseño más cortos podrían reducir los costes iniciales de chips a medida y acelerar el tiempo de comercialización de nuevas funciones. Sin embargo, la economía depende de la fabricación, el rendimiento de las obleas y la complejidad de los modelos de IA que guían los diseños. El equipo argumenta que las eficiencias se filtran hasta los centros de datos y dispositivos, reduciendo potencialmente el coste total de propiedad en varios años.
Para el lector medio, la conclusión práctica es esta: si los chips diseñados por IA resultan ser reales, tus futuros dispositivos, ya sea un rack de servidores, una consola de juegos o un wearable, podrían ofrecer más potencia consumiendo menos energía. Eso podría implicar centros de datos más pequeños y frescos y mayor duración de batería en dispositivos que ejecutan cargas de IA localmente.
La gran pregunta es si el diseño de chips impulsado por IA puede superar los obstáculos de verificación, fabricación y escalado. Si Ricursive Intelligence logra mostrar una vía fiable del concepto al silicio, cabe esperar más demostraciones, posibles colaboraciones con fundiciones y pruebas de rendimiento concretas en el próximo año.
Es usar IA para generar, probar y refinar disposiciones y arquitecturas de chips en lugar de depender únicamente de ingenieros humanos.
El auge del cómputo podría superar los ciclos de diseño tradicionales, por lo que los métodos impulsados por IA buscan acelerar el desarrollo y reducir el consumo energético en centros de datos y dispositivos.
Estás leyendo la versión corta.
Lee a continuación
Figma lanza editor Markdown Figma Specs para guiar a los agentes AI
Figma presenta Figma Specs, un editor en Markdown que centraliza reglas de marca y se conecta con código y Payload para diseños listos para producción.
Figma presenta Figma Specs, un editor en Markdown que centraliza reglas de marca y se conecta con código y Payload para diseños listos para producción.
Jensen Huang dice que Nvidia podría dejar de enviar chips a compradores que desarrollen IA insegura, tras intentar primero conversaciones y medidas de contención.
Scimplify usa IA para acelerar la producción de químicos especializados y materiales críticos fuera de China, con planes de expansión a EE. UU. y Japón.
The Daily Brief
Every morning, the news that matters from AI, phones, apps and the people shaping tech. Explained in plain English. Free.
One email a day. No spam, unsubscribe anytime. Privacidad
