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 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.

FLUX.1 Kontext: edición intuitiva y coherente

A diferencia de los métodos tradicionales que requieren múltiples modelos y configuraciones complejas, FLUX.1 Kontext permite:

• Edición localizada: modifica elementos específicos sin alterar el resto
• Transferencia de estilo: aplica el aspecto de una imagen de referencia
• Coherencia de personajes: mantiene rasgos clave entre escenas
• Multi-turn editing: permite cambios secuenciales con prompts naturales

Gracias a TensorRT, la inferencia es hasta 2 veces más rápida y el consumo de VRAM se reduce significativamente, lo que permite su uso en más GPUs RTX, incluyendo la serie 50.

Optimización con TensorRT y FP4

El modelo ha sido optimizado para GPUs NVIDIA Blackwell con soporte para operaciones en FP4, lo que permite:

• Inferencia más rápida
• Menor uso de memoria
• Edición interactiva en tiempo real

La arquitectura Transformer del modelo fue el principal objetivo de optimización, ya que representa el 96% del tiempo de procesamiento. Se aplicaron técnicas de cuantización post-entrenamiento (PTQ) en FP8 y FP4, logrando mejoras sustanciales sin pérdida de calidad visual.

Integración con NIM y herramientas de desarrollo

FLUX.1 Kontext estará disponible como microservicio NVIDIA NIM en agosto, facilitando su integración en apps como ComfyUI, Visual Studio Code y entornos cloud. Además, NVIDIA ofrece:

• DemoDiffusion: repositorio de referencia para desarrolladores
• AI Blueprints: flujos de trabajo listos para usar
• Project G-Assist: asistente AI para controlar el PC con lenguaje natural

FLUX.1 Kontext redefine la edición de imágenes con IA al ofrecer una experiencia fluida, accesible y potente. Gracias a la colaboración entre NVIDIA y Black Forest Labs, los creadores pueden ahora editar imágenes con precisión quirúrgica, en tiempo real y sin necesidad de conocimientos técnicos avanzados.

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

¿Qué es G‑Assist y por qué es relevante?

Project G‑Assist es un asistente de IA local que utiliza un pequeño modelo de lenguaje compacto y ejecuta inferencias directamente en la GPU GeForce RTX. Esto permite optimizar el rendimiento del sistema, gestionar configuración, supervisar métricas y controlar periféricos desde una cómoda superposición tipo overlay, sin necesidad de cambiar de aplicación.

“Con simples comandos de voz o texto, G‑Assist puede maximizar el rendimiento, ajustar la eficiencia energética y controlar periféricos… todo localmente”

Este enfoque ofrece privacidad, rapidez y comodidad, ya que no requiere conexión a la nube y se integra directamente con nuestras tareas cotidianas en el PC.

Hackathon: cómo participar y qué ganarás

La competición está abierta desde el 18 de junio hasta el 16 de julio y se inscribe de forma virtual. Para participar necesitas:

• Un repositorio en GitHub con el código del plug‑in (plugin.py), archivos de configuración y manifiesto.
• Un vídeo de demostración de entre 30 segundos y 2 minutos mostrando el plug‑in en acción.
• Promoción en redes sociales usando el hashtag #AIonRTXHackathon en X, TikTok o Instagram.

Se valorará la originalidad, calidad técnica (integración y escalabilidad) y utilidad para la comunidad. Los ganadores se anunciarán el 20 de agosto:

• Primer lugar: portátil con GeForce RTX 5090
• Segundo lugar: tarjeta gráfica RTX 5080
• Tercer lugar: tarjeta gráfica RTX 5070

Además de prestigio, visibilidad en redes sociales de NVIDIA, crédito para un curso del Deep Learning Institute y una reunión con el equipo de G‑Assist.

¿Cómo se crean los plug‑ins?

Los plug‑ins son complementos ligeros que amplían la capacidad de G‑Assist. Pueden desarrollarse en:

• Python: ideal para desarrollo rápido.
• C++: para casos donde se requiere alto rendimiento.
• Herramientas sin código: usando el **G‑Assist Plug‑In Builder**, una herramienta basada en ChatGPT que permite crear plug‑ins mediante lenguaje natural.

El plug‑in define comandos y su lógica en un archivo JSON, se instala en una carpeta dedicada y G‑Assist lo carga automáticamente al iniciarse. Desde allí, el asistente puede controlar funciones tanto del sistema como de otras apps o servicios.

Plug‑ins ejemplo: inspiración para crear el tuyo

En GitHub puedes encontrar ejemplos útiles y originales:

• Spotify: control de música mediante voz o texto.
• Google Gemini: permite hacer búsquedas web directamente desde G‑Assist, sin interrumpir tu flujo.
• Discord: compartir clips o mensajes dentro de canales sin salir del juego.
• IFTTT: controlar dispositivos inteligentes del hogar mediante acciones automatizadas.
• Twitch: verificar si tu streamer favorito está en directo y obtener información del canal.

“Los plug‑ins permiten añadir comandos nuevos, enlazarse con herramientas externas y crear flujos de trabajo personalizados”

Recursos y soporte disponibles

NVIDIA ofrece toda la documentación necesaria en GitHub. Además, el 9 de julio se celebra un webinar titulado **How to Build a G-Assist Plug-In**, donde se explican en detalle los fundamentos del desarrollo e incluye una sesión de preguntas.

También puedes unirte al canal de Discord de NVIDIA Developer, donde encontrarás un espacio de colaboración, soporte del equipo y comunidad de desarrolladores.

Requisitos técnicos para usar G‑Assist

• GPU GeForce RTX 30, 40 o 50 Series con un mínimo de 12 GB de VRAM.
• Sistema operativo Windows 10 o 11.
• CPU compatible (Intel Core i3 o superior; AMD Ryzen 3 o superior).
• Drivers GeForce Game Ready o Studio actualizados.
• Almacenamiento libre para instalar el modelo local (aproximadamente 10 GB).

Una vez instalado desde la pestaña “Discovery” de la app NVIDIA, se activa fácilmente pulsando **Alt + G** desde el overlay.

Ventajas de una IA local y experta

G‑Assist utiliza un modelo local, derivado de LLaMA, con unos 8.000 millones de parámetros. Esto lo hace independiente de la nube, sin costos adicionales ni riesgos de privacidad.

Gracias a ejecutarse en la GPU, los comandos son casi instantáneos, y aunque señales una breve bajada en frames durante su uso, el rendimiento vuelve de inmediato al completar la acción.

Un futuro abierto y comunitario

La filosofía de G‑Assist se basa en la participación colaborativa. NVIDIA anima a los desarrolladores a proponer plug‑ins, compartirlos en GitHub y contribuir a un repositorio que evoluciona gracias a la comunidad.

Semanalmente, la serie **RTX AI Garage** presenta novedades, herramientas de NIM microservices, blueprints para IA, y contenido centrado en agentes AI, flujos creativos, humanos digitales y productividad.

Un primer vistazo a la experiencia

En la práctica, G‑Assist permite tareas como mejorar ajustes de gráficos para ciertos juegos, lanzar aplicaciones con comandos simples o incluso recibir sugerencias sobre combinaciones de armas en juegos como Apex Legends sin interrumpir la partida.

¿Por qué deberías sumarte?

• Para desarrolladores: oportunidad de visibilidad, premios jugosos y contacto con el equipo de NVIDIA.
• Para usuarios avanzados: personaliza tu PC con IA y acceso a herramientas innovadoras.
• Para la comunidad: mejora el ecosistema RTX con plug‑ins útiles y compartidos.

¿Listo para crear?

Si tienes una idea que pueda mejorar la forma de usar el ordenador, este es el momento. El hackathon está activo y las puertas están abiertas para todo aquel que quiera desarrollar, innovar y, por qué no, ganar uno de los grandes premios.

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

Un humanoide con propósito industrial

AEON combina un sistema de sensores de alta precisión con capacidades de locomoción avanzadas, inteligencia espacial y control de misión basado en IA. Puede desenvolverse con agilidad, manipular objetos, inspeccionar piezas y realizar escaneos detallados, reduciendo la carga de trabajo humano.

“The age of general‑purpose robotics has arrived… Hexagon’s new AEON humanoid embodies the integration of NVIDIA’s three‑computer robotics platform” — Deepu Talla, VP de Robotics en NVIDIA

3 computadoras NVIDIA al mando

• Supercomputadores AI: entrenan y afinan modelos sobre grandes volúmenes de datos.
• NVIDIA Omniverse en servidores OVX: simulan entornos realistas para acelerar el aprendizaje físico y de locomoción.
• Computadoras de robótica IGX Thor y Jetson Orin: gestionan la operación en tiempo real y el razonamiento autónomo en el terreno.

Simulación para acelerar entrenamiento

Gracias al enfoque simulation-first, AEON aprende destrezas en apenas 2‑3 semanas en entornos virtuales, frente a los 5‑6 meses que requerían métodos anteriores. Este avance facilita su despliegue en entornos reales con mayor rapidez.

Movilidad eficiente: ruedas y piernas juntas

Un rasgo diferenciador es que AEON combina ruedas integradas en sus pies con piernas, permitiéndole desplazarse sobre superficies planas con ruedas y superar pequeños obstáculos o escalones elevando ligeramente las piernas.

Pilotos reales en entornos industriales

Hexagon ya está probando AEON con empresas como Schaeffler y Pilatus para tareas como manipulación, inspección de piezas y captura de datos. Además, su batería intercambiable permite operar sin recargas prolongadas.

AEON como plataforma para gemelos digitales

AEON captura datos que se integran directamente en plataformas como Hexagon Digital Reality (HxDR) y Omniverse, habilitando la creación de gemelos digitales colaborativos. Esto añade valor a procesos de planificación y mantenimiento.

El futuro del humanoide industrial

AEON representa un paso importante hacia la automatización industrial sofisticada, permitiendo cubrir vacantes críticas y mejorar la seguridad y eficiencia. Su estrecha integración de hardware, IA y simulación lo convierte en un referente en robótica física.

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

Stable Diffusion 3.5 más rápida y ligera

Gracias a la optimización con TensorRT y cuantización FP8, Stable Diffusion 3.5 Large reduce en un 40 % el consumo de VRAM (pasa de 18 GB a 11 GB) y duplica su velocidad de generación en comparación con BF16 en PyTorch. Esto significa que ahora puedes ejecutar modelos avanzados de imagen en PCs con GPUs RTX más accesibles.

TensorRT para RTX: compilación JIT sobre la marcha

El nuevo SDK “TensorRT para RTX” permite generar motores optimizados justo al momento en el dispositivo (“JIT”), sin necesidad de precompilación manual. Su tamaño se redujo 8 veces, facilitando su integración con Windows ML y acelerando la adopción global.

NIM microservicios: IA lista para usar en tu PC

En julio llegan los microservicios NIM para RTX PCs, que permiten descargar y ejecutar modelos preajustados como herramientas plug‑and‑play. Esta iniciativa forma parte de la estrategia RTX AI Garage, que ofrece desde LLMs hasta generadores de imágenes y módulos de visión por computadora.

Construye flujos de trabajo inteligentes fácilmente

Los NIM microservicios se integran en frameworks populares como Visual Studio Code, ComfyUI o Langflow. Además, los AI Blueprints serán plantillas que combinan varios microservicios para crear soluciones completas —por ejemplo, convertir PDFs en podcasts o crear imágenes guiadas con escenas 3D—

“Each week, RTX AI Garage features community‑driven AI innovations… helping developers and enthusiasts build the next wave of AI apps and tools locally on RTX PCs.”

Un ecosistema que crece rápido

Los desarrolladores pueden descargar NIM desde build.nvidia.com, y la integración continúa avanzando con soporte para Windows ML, WSL, y herramientas de la comunidad como G‑Assist. Además, RTX 50 Series y GPUs Blackwell aprovechan al máximo esta nueva pila tecnológica.

¿Por qué importa?

• Rentabilidad: IA potente que funciona con menos recursos.
• Accesibilidad: modelos listos para usar en un par de clics.
• Privacidad y control: procesamiento local, sin depender de la nube.
• Comunidad vibrante: plantillas y microservicios compartidos y extensibles.

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