Extropic presenta un chip probabilístico que desafía a Nvidia en eficiencia energética
Extropic presenta el chip XTR-0, que utiliza bits probabilísticos en lugar de ceros y unos. Promete mayor eficiencia energética para IA e investigación, compitiendo con arquitecturas tradicionales de Nvidia, AMD e Intel.
Extropic presenta un chip probabilístico para competir con Nvidia
El chip XTR-0 maneja bits probabilísticos en lugar de ceros y unos. La startup Extropic ha desarrollado este hardware, que promete mayor eficiencia energética para inteligencia artificial e investigación.
Un enfoque revolucionario en computación
Los Thermodynamic Sampling Units (TSU) de Extropic utilizan fluctuaciones termodinámicas de electrones para modelar probabilidades de sistemas complejos. Este método difiere fundamentalmente de las CPU y GPU tradicionales de empresas como Nvidia, AMD e Intel.
Primeras pruebas y aplicaciones prácticas
El hardware XTR-0 combina un FPGA con dos chips X-0 que contienen p-bits probabilísticos. Johan Mathe, CEO de Atmo, confirma que ha probado el chip para mejorar pronósticos meteorológicos. El Departamento de Defensa es cliente de Atmo.
Ventajas energéticas frente al boom de los centros de datos
Extropic afirma que sus chips podrían ser miles de veces más eficientes cuando escalen. La compañía advierte sobre los enormes requerimientos energéticos del actual boom de la IA, donde se invierten miles de millones en infraestructura.
Próximos desarrollos y perspectivas
La startup planea lanzar en 2025 el chip Z-1 con 250.000 p-bits. Vincent Weisser de Prime Intellect señala que esta tecnología podría ser transformadora a medida que el escalado convencional de transistores alcance sus límites físicos.
Antecedentes en computación cuántica
El CEO Guillaume Verdon y el CTO Trevor McCourt trabajaron previamente en computación cuántica en Google. Antes de fundar Extropic, Verdon era conocido como Based Beff Jezos, defendiendo la filosofía de la aceleración efectiva.
Implicaciones para el futuro de la IA
Este desarrollo representa un desafío tecnológico a los gigantes de chips y podría ofrecer una alternativa menos costosa para entrenar modelos de IA avanzados, marcando un posible cambio en la arquitectura de computación dominante.