Huawei se está abriendo camino en la cuota de mercado de IA de China frente a Nvidia

Huawei está trabajando para hacerse con una parte importante del mercado de la IA en China, actualmente liderado por Nvidia. Ofrece a las empresas locales la posibilidad de utilizar sus chips de IA para tareas de "inferencia". 

Para capacitar a los LLM, las principales empresas de IA en China dependen de las GPU desarrolladas por Nvidia. La compañía, con un valor de 3,4 billones de dólares, se considera un componente esencial para la mejora de la tecnología de IA.

Según un informe, Huawei está promocionando sus nuevos procesadores de IA Ascend entre grupos chinos que consideran la "inferencia" como una opción. La inferencia es la función que utilizan los sistemas de aprendizaje automático para generar respuestas rápidas.

Georgios Zacharopoulos, investigador principal de IA en aceleración de inferencias del laboratorio de Huawei en Zúrich, afirma: «El entrenamiento es importante, pero solo se realiza unas pocas veces». Añadió que la empresa puede atender a más clientes centrándose en la inferencia.

Huawei es visto comotroncompetidor para Nvidia en China

El principal rival de Nvidia en el mercado local utiliza modelos de IA entrenados con productos Nvidia en los chips Ascend. Según empleados y clientes, la estrategia de Huawei presenta menos desafíos técnicos y puede generar grandes beneficios.

La compañía también ha proporcionado una herramienta para llenar el vacío entre los diferentes software utilizados por las GPU de Nvidia y Ascend.

El gobierno chino también apoya plenamente las promociones de Huawei. Las autoridades piden a las empresas tecnológicas locales que utilicen chips de inteligencia artificial de Huawei en lugar de Nvidia.

Una fuente asociada a las operaciones de Nvidia en China dijo que la compañía también es vista internamente como el rival más serio del país, ya que el diseño de sus chips es más "avanzado"

A diferencia de los gigantes tecnológicos estadounidenses OpenAI y Google, las empresas chinas se enfrentan al reto de acceder a las GPU de mejor calidad. Debido a las limitaciones estadounidenses a las exportaciones, Nvidia solo suministra a China chips H₂O de menor calidad. Sin embargo, estos chips siguen teniendo una gran demanda en China y siguen siendo mejores que los fabricados localmente.

Los chips de Huawei no están preparados para la conectividad entre chips

Lin Qingyuan, analista de Bernstein China Semiconductor, afirmó que, si bien el rendimiento de los chips Huawei es notable por chip, aún enfrentan un desafío en cuanto a la conectividad entre chips. Añadió: «Al entrenar un modelo grande, es necesario dividirlo en tareas más pequeñas. Si un chip falla, el software debe encontrar la manera de que los demás chips tomen el relevo sin demora»

Por otro lado, Huawei aún necesita convencer a los desarrolladores para que abandonen Cuda, el software de Nvidia diseñado para desarrolladores, que tiene la capacidad de procesar grandes cantidades de datos. Reflexionando sobre este desafío, un empleado anónimo de Huawei comentó que la compañía espera la actualización del Ascend 910Ccon un software mejorado que lo haga más accesible para los desarrolladores.

La empresa está acelerando su capacidad de producción

Financial Times también publicó datos de SemiAnalysis, que indican que en 2024, Nvidia generó 12 000 millones de dólares en China, incluyendo 1 millón de ventas de chips H2O en la región. Esta cifra duplica la del Ascend 910B de Huawei.

Dylan Pater, analista jefe de la firma de investigación, afirmó: «Las GPU H20 de Nvidia, específicas para China, constituyen la mayoría de los chips de IA vendidos en China». Sin embargo, la diferencia se está reduciendo a medida que Huawei acelera su fabricación.

Lin, de Bernstein, también cree que las empresas chinas pueden alcanzar la comercialización más rápidamente que las estadounidenses gracias a su mayor atención a la inferencia. Por lo tanto, es posible lograr grandes mejoras de eficiencia incluso con chips menos potentes

Dijo que las empresas chinas dependen de costos de inferencia más baratos para seguir siendo competitivas en IA y reducir el costo de ejecutar aplicaciones de IA.