Características técnicas

• 5.448 Superchips NVIDIA GH200 Grace Hopper
• Más de 10 veces más rápido que cualquier otro superordenador británico
• 11.º en el ranking TOP500 de supercomputadores más rápidos del mundo
• 4.º en eficiencia energética según la lista Green500
• Red interna de 200 Gbps, 2.000 veces más rápida que el promedio doméstico
• Almacenamiento 100.000 veces superior al de un smartphone promedio

Eficiencia y sostenibilidad

• Refrigeración líquida directa sin ventiladores
• Operación con electricidad 100 % libre de carbono
• Posibilidad de reutilizar el calor residual para calefacción local
• Instalación modular construida en solo 48 horas
• Tiempo total de desarrollo: menos de dos años

Proyectos emblemáticos

• Nightingale AI: modelo de salud entrenado con datos del NHS para diagnósticos tempranos y atención personalizada
• BritLLM: modelo de lenguaje entrenado en inglés y galés para servicios públicos inclusivos
• UCL Cancer Screening AI: sistema escalable para detección de cáncer de próstata mediante MRI
• EIMCRYSTAL (Liverpool): búsqueda de materiales industriales sostenibles entre 68 millones de combinaciones químicas
• EgoAI (Bristol): análisis de vídeo desde dispositivos personales para asistencia en tareas cotidianas, especialmente en pacientes con demencia

Impacto nacional

Isambard-AI es considerado un activo estratégico nacional, gestionado por el Departamento de Ciencia, Innovación y Tecnología del Reino Unido. Su acceso está abierto a investigadores, universidades y pymes, con más de 80 equipos ya inscritos para utilizarlo.

Visión de futuro

Este superordenador forma parte del plan británico para liderar en IA soberana, con inversiones en infraestructura, formación y colaboración público-privada. Según el Secretario de Estado Peter Kyle, Isambard-AI contribuirá a mejorar los servicios públicos, impulsar la prosperidad y fortalecer la seguridad nacional.

Isambard-AI no solo representa un salto tecnológico, sino también una declaración de intenciones: el Reino Unido apuesta por la IA responsable, inclusiva y sostenible. Con NVIDIA, HPE y la Universidad de Bristol al frente, este proyecto redefine el futuro de la investigación científica y la innovación empresarial.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

¿Qué es una PC con IA?

Una AI PC es un dispositivo equipado con hardware especializado:

• CPU, GPU y NPU integradas para ejecutar cargas de trabajo de IA localmente
• Capacidad para realizar tareas como traducción en tiempo real, búsqueda optimizada, texto predictivo, resumen de contenido y detección de anomalías
• Funciona sin conexión, preservando la privacidad y reduciendo la dependencia de la nube

Principales hallazgos del informe

• 87 % de las empresas están en proceso de transición o planean adoptar PCs con IA
• 90 % esperan un aumento en la productividad laboral, y 48 % anticipan mejoras sustanciales
• 92 % vinculan las PCs con IA a la innovación y desarrollo de nuevos productos
• 90 % reconocen su potencial para mejorar la comprensión del cliente
• 213 % de ROI estimado en tres años para empresas que adoptan PCs con IA basadas en Intel vPro

Seguridad y privacidad

Aunque 33 % de los no-adoptantes citan la seguridad como principal preocupación, el informe aclara que:

• Las PCs con IA tienen protección de hardware integrada que detecta amenazas antes de que se inicie el sistema operativo
• Ejecutar IA localmente evita la exposición de datos sensibles en la nube
• Solo 23 % de los adoptantes mencionan la seguridad como desafío real

Barreras y oportunidades

• Costo inicial (32 %) y costos continuos (30 %) son preocupaciones comunes
• Sin embargo, el ahorro en mantenimiento, gestión de dispositivos y visitas técnicas compensa la inversión
• 65 % menos tiempo en gestión de dispositivos y hasta 90 % menos visitas in situ para mantenimiento

Capacitación y adopción

• 95 % de los encuestados creen que los empleados necesitarán formación para usar PCs con IA
• Solo 33 % de las empresas tienen programas de capacitación continua
• La brecha de conocimiento entre empleados y líderes puede ralentizar la adopción

Perspectiva global

• Países con mayor familiaridad: India (92 %), EE. UU. (88 %), Sudáfrica (83 %), Reino Unido (82 %)
• La demanda proviene principalmente de equipos de TI y líderes empresariales, no de empleados

El informe de Intel posiciona a las AI PCs como una herramienta estratégica para el futuro empresarial. Al combinar rendimiento, seguridad y eficiencia, estas PCs permiten a las organizaciones aprovechar el potencial de la IA sin comprometer la privacidad ni la sostenibilidad operativa.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

¿Qué es la decodificación especulativa?

• Técnica que combina un modelo pequeño y rápido con uno grande y preciso
• El modelo pequeño genera una secuencia tentativa de tokens
• El modelo grande verifica esa secuencia, aceptando o corrigiendo los resultados
• Permite generar múltiples tokens por paso, reduciendo el uso de recursos

Avance clave: interoperabilidad entre modelos

• El nuevo método elimina la necesidad de vocabularios compartidos entre modelos
• Permite combinar modelos de diferentes desarrolladores y ecosistemas
• Introduce tres algoritmos que desacoplan la decodificación especulativa del alineamiento de vocabulario
• Acelera la inferencia hasta 2.8 veces sin comprometer la calidad del resultado

Impacto y disponibilidad

• Disponible como herramienta de código abierto en Hugging Face
• Facilita el despliegue de IA en entornos cloud y edge, como móviles, drones y vehículos autónomos
• Promueve la interoperabilidad, eficiencia y reducción de costes en aplicaciones generativas

Declaraciones destacadas

“Hemos resuelto una ineficiencia central en la IA generativa. Esta mejora ya está ayudando a los desarrolladores a construir aplicaciones más rápidas e inteligentes”, afirmó Oren Pereg, investigador senior en Intel Labs.

“Nuestros algoritmos desbloquean aceleraciones que antes solo estaban disponibles para organizaciones con modelos propios”, añadió Nadav Timor, estudiante de doctorado en el Instituto Weizmann.

Este avance convierte la decodificación especulativa en una herramienta universal, práctica y abierta, democratizando el acceso a aceleración avanzada en IA. Es un paso decisivo hacia modelos más rápidos, colaborativos y eficientes.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

¿Qué hace la solución?

Desarrollada sobre la plataforma Fujitsu Data Intelligence PaaS, la solución utiliza agentes de IA especializados para tareas como:

• Pronóstico de demanda con modelos generados automáticamente por Fujitsu Kozuchi AutoML
• Gestión de inventario con alertas en tiempo real sobre escasez o exceso
• Optimización de decisiones mediante agentes que proponen, evalúan y seleccionan contramedidas según coste, tiempo y riesgo

Resultados concretos

Una simulación basada en una empresa ficticia con ventas anuales de 10.000 millones USD mostró:

• Reducción de costes de inventario en 15 millones USD
• Eliminación de inventario innecesario por 20 millones USD
• Disminución de horas de trabajo en más del 50 %
• Evaluación del impacto en beneficios tras un desastre natural en solo 3 horas

Implicaciones

La solución permite a las empresas responder rápidamente a eventos imprevistos como desastres naturales, riesgos geopolíticos o fluctuaciones del mercado. Fujitsu planea seguir apoyando a sus clientes con Decision Intelligence para fortalecer la sostenibilidad y la resiliencia operativa.

Este reconocimiento por parte del WEF posiciona a Fujitsu como líder en aplicaciones de IA con impacto tangible. Su enfoque combina tecnología avanzada con compromiso social, ayudando a construir cadenas de suministro más inteligentes y sostenibles.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

¿Qué hace esta IA?

• Analiza motivos decorativos, formas y técnicas de fabricación específicas de hornos
• Clasifica patrones visuales en seis categorías: plantas, animales, paisajes, figuras humanas, esmalte craquelado y diseños geométricos
• Utiliza un modelo basado en YOLOv11 para detección y un algoritmo entrenado con datos reales de subastas (Sotheby’s, Christie’s)
• Predice precios con una precisión de hasta 99 %, incluso estimando el valor de una pieza de la dinastía Ming con solo un 30 % de diferencia respecto al precio final

¿Por qué es relevante?

• Democratiza el acceso a la valoración cultural, tradicionalmente reservada a expertos
• Permite a coleccionistas jóvenes, museos pequeños y archivos digitales acceder a herramientas de análisis avanzadas
• Abre nuevas posibilidades para aplicar IA en otras formas de patrimonio visual, como trajes de ópera cantonesa o murales históricos

Este proyecto demuestra cómo una GPU pensada para gaming puede convertirse en una herramienta poderosa para la preservación y análisis cultural, transformando siglos de artesanía en datos accesibles y objetivos. Una nueva forma de entender qué hace valioso a un objeto, más allá del ojo experto.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

Objetivos estratégicos

• Fomentar la soberanía digital: Indonesia no solo quiere ser usuaria de IA, sino también creadora e innovadora
• Desarrollar talento local: capacitación de 1 millón de personas en IA, redes y ciberseguridad para 2027
• Impulsar startups: apoyo a empresas emergentes mediante el programa NVIDIA Inception
• Promover IA ética: creación de marcos regulatorios adaptados a los valores indonesios

Infraestructura y tecnología

• AI Factory con tecnología NVIDIA GB200 NVL72, la primera en el sudeste asiático
• Plataforma de seguridad Sovereign SOC Cloud de Cisco, con detección de amenazas basada en IA
• Acceso a NVIDIA Deep Learning Institute para formación y certificación
• Soporte para Large Language Models (LLMs) en idioma indonesio, como Sahabat-AI

Aplicaciones prácticas

• Salud pública: agentes IA que ayudan a programar mamografías preventivas
• Servicios ciudadanos: chatbots que responden en bahasa sobre trámites y consultas fiscales
• Educación, movilidad y ciudades inteligentes: soluciones desarrolladas por 28 startups locales

El AI Center of Excellence de Indonesia representa un modelo de colaboración público-privada para construir un ecosistema de IA inclusivo, seguro y sostenible, alineado con la visión nacional “Golden 2045”. Con el respaldo de NVIDIA, Cisco e Indosat, el país da un paso firme hacia la independencia tecnológica y la innovación local.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

¿Qué problema resuelve?

Los modelos climáticos convencionales no pueden simular con precisión fenómenos a pequeña escala como tormentas o nubes tropicales debido a limitaciones computacionales. Para ello se usan modelos de resolución de nubes (CRM), pero son tan costosos que no se emplean en proyecciones globales a largo plazo.

La solución: IA que emula física compleja

• ClimSim-Online utiliza el dataset ClimSim, generado por el simulador E3SM-MMF con más de 5.7 mil millones de muestras
• Entrena modelos de IA para reemplazar los CRMs embebidos, que consumen hasta 95 % del coste computacional
• Permite ejecutar simulaciones híbridas en estaciones locales, clusters HPC o nubes, con solo un archivo TorchScript

Avance técnico: simulaciones estables por años

• NVIDIA logró simulaciones híbridas estables de más de 5 años usando redes U-Net entrenadas con PhysicsNeMo
• Se incorporaron restricciones microfísicas en la arquitectura neuronal para evitar errores como nubes de hielo irreales
• Se alcanzaron errores mínimos en temperatura y humedad, con sesgos inferiores a 2 °C y 1 g/kg respectivamente

Accesibilidad y colaboración

• Todo el flujo de trabajo está contenedorizado, con librerías y dependencias preinstaladas
• Disponible en el repositorio de ClimSim-Online, con herramientas para diagnóstico y evaluación
• Inspiró una competencia global en Kaggle con más de 460 equipos desarrollando soluciones IA para simulación climática

ClimSim-Online representa un salto cualitativo en la simulación climática, al permitir modelos híbridos precisos, estables y accesibles. NVIDIA abre la puerta a una nueva era de colaboración entre científicos del clima e investigadores en IA, con el potencial de mejorar la predicción y respuesta ante el cambio climático.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

Ventajas de ejecutarlos localmente

• Privacidad total: el código nunca sale del dispositivo
• Sin suscripciones: acceso gratuito sin límites de uso
• Rendimiento acelerado: hasta 6 veces más rápido que en CPU gracias a los Tensor Cores de RTX
• Disponibilidad constante: sin latencia ni dependencia de la nube

Herramientas recomendadas

• Continue.dev: extensión para VS Code que conecta con modelos locales vía Ollama o LM Studio
• Tabby: asistente seguro y transparente compatible con múltiples IDEs
• OpenInterpreter: interfaz experimental para tareas automatizadas y edición de archivos
• LM Studio: entorno gráfico para probar modelos antes de integrarlos en IDEs
• Ollama: motor de inferencia local para modelos como Code Llama, StarCoder2 y DeepSeek

Modelos optimizados para RTX

• Gemma 12B: ideal para explicar código y sugerir mejoras
• Meta Llama 3.1-8B: ofrece hasta 5-6 veces más rendimiento en laptops RTX frente a CPU
• Compatibles con frameworks como llama.cpp, Ollama y NIM microservices

Aplicaciones educativas y profesionales

• Asistentes como Continue.dev actúan como tutores virtuales, explicando algoritmos, comentando código y sugiriendo mejoras
• Ideales para bootcamps, proyectos académicos y desarrollo profesional
• Integración con IDEs como Visual Studio Code y JetBrains Pycharm

Iniciativas comunitarias

NVIDIA organiza el hackathon Plug and Play: Project G-Assist, donde los participantes pueden crear plug-ins personalizados para su asistente IA experimental. También ofrece recursos en Discord y redes sociales para desarrolladores y entusiastas.

Los asistentes de codificación IA locales en PCs RTX ofrecen una experiencia rápida, privada y personalizada, transformando la forma en que se aprende y se desarrolla software. Con herramientas accesibles y modelos optimizados, NVIDIA democratiza el acceso a la IA generativa para todos los niveles de experiencia.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

Desafíos de la inferencia con contextos largos

Los modelos modernos enfrentan dos cuellos de botella principales durante la generación:

• Lectura del KV cache: cada GPU debe acceder a un historial masivo de tokens previos, saturando el ancho de banda de la memoria
• Carga de pesos FFN: cada nuevo token requiere cargar grandes pesos de red neuronal, lo que genera latencia en escenarios de baja concurrencia

¿Qué es Helix Parallelism?

Helix es una estrategia híbrida que separa la paralelización de la atención y las redes FFN en una tubería temporal, optimizando cada etapa según su cuello de botella. Inspirado en la estructura del ADN, Helix entrelaza:

• KV Parallelism (KVP): divide el KV cache entre GPUs
• Tensor Parallelism (TP): distribuye los pesos FFN
• Expert Parallelism (EP): en modelos tipo MoE, permite mayor eficiencia

Ejecución eficiente y reutilización de GPUs

Helix reutiliza el mismo grupo de GPUs para cada fase del modelo, evitando tiempos muertos. Además, introduce HOP-B (Helix Overlap Pipeline-Batch-wise), una técnica que solapa comunicación y cómputo entre lotes, reduciendo aún más la latencia entre tokens.

Resultados en hardware Blackwell

Simulaciones con el modelo DeepSeek-R1 671B y contextos de 1 millón de tokens muestran que Helix:

• Aumenta hasta 32 veces el número de usuarios concurrentes a latencia fija
• Reduce la latencia entre tokens hasta 1,5 veces en escenarios de baja concurrencia
• Optimiza el uso de memoria y ancho de banda al evitar duplicación de KV cache

Helix Parallelism representa un avance crucial para la inferencia de modelos con contextos ultra largos. Al combinar paralelización inteligente con hardware como NVIDIA Blackwell y precisión FP4, permite experiencias de IA más rápidas, escalables y contextualmente ricas.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

Tecnología de reconocimiento esquelético 3D

La IA de Fujitsu utiliza cámaras RGB para capturar el movimiento de los atletas y reconstruir un modelo esquelético tridimensional en tiempo real. Entre sus capacidades destacan:

• Detección precisa de articulaciones incluso en movimientos rápidos o complejos
• Análisis de postura y equilibrio durante saltos, giros y aterrizajes
• Comparación con modelos ideales para identificar áreas de mejora

Esta tecnología no requiere sensores corporales ni trajes especiales, lo que permite un entrenamiento más natural y sin restricciones.

Aplicación en el entrenamiento de élite

La Federación Japonesa de Patinaje utilizará esta solución para:

• Evaluar el rendimiento técnico de los atletas en entrenamientos y competiciones
• Reducir el riesgo de lesiones mediante la corrección de posturas inadecuadas
• Optimizar programas de entrenamiento personalizados según el estilo y condición física de cada patinador

Los entrenadores podrán acceder a los datos a través de una interfaz visual intuitiva, lo que facilita la toma de decisiones en tiempo real.

Futuro de la tecnología deportiva

Fujitsu planea expandir esta tecnología a otros deportes que requieren análisis biomecánico detallado, como gimnasia, atletismo y deportes de raqueta. Además, se exploran aplicaciones en rehabilitación médica y ergonomía laboral.

Con esta iniciativa, Fujitsu demuestra cómo la inteligencia artificial puede transformar el entrenamiento deportivo, ofreciendo herramientas avanzadas para maximizar el rendimiento y proteger la salud de los atletas. La colaboración con la Federación Japonesa de Patinaje marca un paso importante hacia una nueva era de entrenamiento basado en datos.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.