Por qué apostarlo todo a NVIDIA es un riesgo estratégico
La trampa del monocultivo
Imagina que el 95% de los coches del mundo solo pudieran funcionar con un tipo específico de gasolina vendida por una única empresa. Imagina que la refinería de esa empresa estuviera en una isla geológicamente inestable. Imagina que todos los demás fabricantes de coches tuvieran que diseñar sus motores para adaptarse a esa mezcla concreta de combustible.
Si esa empresa tuviera un fallo de producción, subiera los precios un 400% o un bloqueo aislara la isla, la economía mundial se paralizaría. El transporte se detendría.
Esto parece una ficción distópica, pero es la realidad exacta de la industria de la inteligencia artificial hoy en día.
En 2025, aproximadamente el 95% del entrenamiento de IA y de la inferencia de alto nivel se realiza en GPU fabricadas por una sola empresa: NVIDIA. Toda la pila tecnológica global de IA (desde los marcos de trabajo de PyTorch hasta los diseños de refrigeración de los centros de datos) está optimizada para la arquitectura de NVIDIA. La industria es adicta a CUDA, la plataforma de software propietaria de NVIDIA.
NVIDIA es una empresa brillante. Han creado una tecnología increíble. Pero este monocultivo es una pesadilla estratégica. Crea un punto único de fallo (SPOF) para todo el futuro de la inteligencia humana.
La escasez estructural
Todos hemos vivido la escasez de H100 en 2023 y 2024. Las startups esperaron 12 meses por el hardware. Los gobiernos acumularon chips como si fueran lingotes de oro. El precio de la computación se disparó.
Esto no fue solo un problema temporal en la cadena de suministro. Fue un cuello de botella estructural. La fabricación de estos chips depende de un proceso increíblemente complejo llamado empaquetado avanzado CoWoS (Chip-on-Wafer-on-Substrate), realizado principalmente por TSMC en Taiwán. La capacidad para fabricar estos paquetes es finita. Las leyes de la física son finitas.
Si tu estrategia de IA depende de conseguir el chip NVIDIA más nuevo y potente, estás apostando la supervivencia de tu empresa a una cadena de suministro que no controlas, para un producto que se subasta al mejor postor.
El foso de CUDA
El verdadero bloqueo no es el hardware; es el software. CUDA es el lenguaje de la IA. Durante 15 años, investigadores y estudiantes han aprendido a escribir kernels de CUDA. Las bibliotecas están optimizadas para CUDA. Si intentas ejecutar código estándar de IA en una tarjeta AMD o en un acelerador de Intel, a menudo entras en un mundo de sufrimiento: dependencias rotas, kernels que faltan y un rendimiento pobre.
Este "foso CUDA" mantiene fuera a los competidores. Garantiza que, incluso si AMD fabrica un chip más rápido y más barato (que lo ha hecho), nadie lo compre porque el software no "funciona" sin más.
La filosofía de Dweve: ejecutarse en todas partes
En Dweve, tomamos una decisión radical desde el principio. Vimos la trampa de CUDA y dijimos: "No".
Decidimos que no escribiríamos ni una sola línea de CUDA. No dependeríamos de una pila de hardware propietaria.
En su lugar, construimos nuestra pila sobre estándares abiertos. Usamos Vulkan (la API gráfica que se ejecuta en todo, desde teléfonos Android hasta servidores Linux). Usamos OpenCL. Usamos SPIR-V. Nos apoyamos en representaciones intermedias (IR) como MLIR (representación intermedia multinivel).
Pero el verdadero ingrediente secreto no es solo la API; son las matemáticas.
Como nuestras redes neuronales binarias (BNN) dependen de operaciones enteras simples (XNOR y POPCNT) en lugar de multiplicaciones complejas de matrices en coma flotante, no estamos sujetos a los "Tensor Cores" específicos que solo NVIDIA hace bien.
Los Tensor Cores son unidades de hardware especializadas diseñadas para dominar las matemáticas de coma flotante de 16 bits. Si tu algoritmo depende de FP16, necesitas un Tensor Core. Si tu algoritmo depende de lógica de 1 bit, no lo necesitas. Solo necesitas puertas lógicas digitales básicas.
Esta libertad arquitectónica nos permite funcionar eficientemente en una asombrosa diversidad de hardware:
AMD ROCm
Las GPU Instinct de AMD ofrecen una enorme potencia de cálculo bruta y ancho de banda de memoria por dólar. Para cargas de trabajo de coma flotante, el stack de software (ROCm) ha sido históricamente el punto débil. Pero para nuestras cargas de trabajo binarias, compilamos directamente a la ISA (Instruction Set Architecture). Evitamos las librerías poco fiables. En hardware AMD, los modelos Dweve vuelan.
2. CPUs Intel (AVX-512)
Todo el mundo ignora la humilde CPU. Pero los procesadores Intel Xeon modernos tienen un conjunto de instrucciones llamado AVX-512. Permite que la CPU procese 512 bits de datos en un solo ciclo. Para una Red Neuronal Binaria, eso son 512 neuronas procesadas al instante. Podemos ejecutar inferencia de alto rendimiento en servidores estándar que las empresas ya poseen. No se requiere GPU.
RISC-V
RISC-V es la arquitectura de hardware de código abierto del futuro. Es a los chips lo que Linux fue a los sistemas operativos. Ejecutamos de forma nativa en aceleradores RISC-V. Esto es crucial para Europa y las naciones en desarrollo que quieren construir sus propias industrias de chips domésticas, independientes de los controles de exportación de Estados Unidos.
FPGAs (matrices de puertas programables)
Esta es la frontera más emocionante. Un FPGA es un chip de "lienzo en blanco" que puede recablearse en milisegundos. Como nuestras redes usan puertas lógicas simples, podemos cablear físicamente el chip para que coincida con la estructura de la red neuronal. Los datos fluyen a través del chip como agua por tuberías, con cero sobrecarga. Esto ofrece latencia ultrabaja (microsegundos) y eficiencia energética extrema.
Resiliencia Estratégica y Soberanía
Para nuestros clientes (especialmente gobiernos, agencias de defensa y proveedores de infraestructura crítica), este agnosticismo de hardware es una característica decisiva.
Significa que no están bloqueados por sanciones. Si una crisis geopolítica corta el acceso a los chips estadounidenses, pueden ejecutar sus modelos Dweve en chips europeos o en silicio heredado ampliamente disponible. Tienen un "Plan B".
Significa que tienen poder de negociación. No dependen de los caprichos de precios de un solo proveedor. Si NVIDIA sube los precios, pueden cambiar a AMD o a ASICs especializados sin reescribir su software.
También significa longevidad. Un NVIDIA H100 quedará obsoleto en 3 años. En entornos industriales (trenes, fábricas, plantas de energía), el equipo debe durar 20 años. Un FPGA genérico o una CPU estándar serán utilizables durante décadas. Construimos software que respeta el ciclo de vida del mundo físico.
La era posterior a la GPU
Creemos que el dominio de la GPU de propósito general (GPGPU) para la IA es una anomalía histórica. Fue la herramienta adecuada para la fase de prototipado de la IA, porque era flexible y estaba disponible. Pero a medida que la IA entra en la fase de despliegue, veremos una explosión cámbrica de hardware especializado.
Veremos computación analógica. Computación óptica. Computación neuromórfica. Computación en memoria. Estas arquitecturas son todas fundamentalmente incompatibles con CUDA. Requieren una nueva pila de software.
Al desvincular nuestro software del monopolio del hardware hoy, Dweve está preparado para el futuro de mañana. No solo estamos construyendo para los chips de 2025; estamos construyendo para la física de 2035.
¿Quieres IA que funcione en tus términos, no en los de NVIDIA? La arquitectura independiente del hardware de Dweve te ofrece libertad estratégica, control de costes y resiliencia soberana. Contáctanos para descubrir cómo nuestras redes neuronales binarias pueden funcionar en el hardware que ya posees, o en el silicio abierto del mañana.