China acaba de poner sobre la mesa una pieza de tecnología que, explicada en sencillo, podría hacer que tareas de inteligencia artificial (IA) que hoy toman horas se resuelvan en minutos y con un consumo eléctrico ínfimo. Investigadores de la Universidad de Pekín (Beijing) anunciaron un chip “analógico” para IA que, según los datos difundidos, ofrece entre 100 y 1.000 veces más rendimiento de cómputo y eficiencia energética que los procesadores digitales actuales de alta gama. En paralelo, otro equipo de la Universidad de Tsinghua presentó un chip fotoelectrónico totalmente analógico (ACCEL) que, en tareas de visión computacional, supera en 3,7 veces a la Nvidia A100 y es capaz de generar imágenes miles de veces más rápido, consumiendo millones de veces menos energía.
¿Por qué esto importa para cualquier usuario que usa tecnología sin ser experto? Porque la IA ya está en todo: desde el filtro de fotos del celular hasta los sistemas que ordenan el tránsito, traducen textos o detectan fraudes. Si el “motor” que hace esos cálculos se vuelve 100, 1.000 o 3.000 veces más veloz y eficiente, tendremos apps más rápidas, baterías que duran más, cuentas de luz más bajas en centros de datos y servicios que hoy son caros o lentos pasando a ser cotidianos.
Analógico vs. digital, explicado con una perilla de volumen
La diferencia clave es el modo de “hablar” de cada chip. El digital funciona como un interruptor: 0 o 1, apagado o encendido. Todo se reduce a esa dupla. El analógico se parece a una perilla de volumen: maneja un rango continuo de valores eléctricos. Esa idea es antigua (el Mecanismo de Anticitera, una calculadora griega de hace más de dos mil años, era analógico), pero siempre chocó con un problema: la precisión. Durante décadas se pensó que un chip analógico no podría igualar la exactitud del digital.
El equipo de Pekín afirma haber resuelto ese cuello de botella con un enfoque híbrido: usa memorias resistivas (RRAM) —celdas que guardan datos variando su resistencia eléctrica— y un algoritmo iterativo que primero obtiene una solución rápida pero aproximada y luego la refina con ciclos sucesivos hasta alcanzar la precisión deseada. Traducido: aprovecha la velocidad física del mundo analógico, pero corrige como lo haría un buen editor hasta dejar el resultado “impecable”.
Hacer la cuenta en la memoria, sin ir y venir
Otra clave está en dónde se realizan los cálculos. En la informática tradicional, los datos viajan constantemente entre el procesador y la memoria, creando un “embotellamiento” que consume tiempo y energía. El nuevo chip resuelve ecuaciones matriciales —la base matemática de la IA, la simulación científica y el procesamiento de señales— directamente en la memoria. Eso permite, por ejemplo, ejecutar una multiplicación matriz-vector en un solo paso físico, en vez de millones de pasos digitales.
En sus pruebas, los investigadores programaron de forma confiable ocho niveles distintos de conductancia en cada celda RRAM (equivalente a 3 bits de resolución). Puede sonar modesto frente a los muchos bits de un chip digital, pero el truco no está en “gritar” con muchos bits, sino en usar bien la física más el algoritmo refinador para alcanzar la precisión final.
Luz + electrónica: la otra apuesta
En Tsinghua, el chip ACCEL combina fotónica (luz) y computación analógica para visión computacional. Según el equipo, no solo supera a la Nvidia A100 en 3,7x en esas tareas, sino que puede generar imágenes de escenas cotidianas más de 3.000 veces más rápido y con hasta 4.000.000 veces menos energía que una GPU tope de gama. La fotónica aporta un “carril rápido” adicional: la luz procesa y transmite información a velocidades altísimas y con muy bajo consumo.
¿Y Nvidia, el actual rey?
Hasta ahora, el mercado estaba dominado por soluciones digitales como las GPU de Nvidia, que también evolucionan (por ejemplo, con configuraciones como Grace Hopper para modelos grandes). Pero estos desarrollos chinos apuntan a otro camino: chips analógicos especializados para IA, que aprovechan las leyes físicas para calcular más con menos.
Lo que viene para el usuario y para la economía
Si estas promesas se consolidan fuera del laboratorio, veremos:
Dispositivos más duraderos y útiles: celulares que corren IA avanzada sin “comerse” la batería; cámaras que entienden escenas en tiempo real; asistentes de voz más rápidos y privados (procesando en el borde, sin subir todo a la nube).
Servicios más accesibles: centros de datos con costos energéticos mucho más bajos, abaratando entrenar y operar modelos.
Nuevas industrias locales: desde cámaras de vigilancia inteligente hasta agro, salud y educación con IA en sitio, sin depender siempre de grandes nubes.
No es casual que la consultora IMARC proyecte que el mercado global de chips de IA alcance los USD 89.600 millones en el 2029. La demanda crece en consumo, nube y sectores industriales, y estas arquitecturas podrían ser el motor de la próxima ola.
Una advertencia razonable
Como toda innovación, falta el examen del mundo real: producción a escala, costos, compatibilidad con software existente y estándares. La buena noticia es que los trabajos aparecen revisados por pares (como en Nature Electronics) y que el enfoque ya no es un experimento aislado, sino una línea de diseño (RRAM + algoritmos iterativos; fotónica + analógico) que distintos equipos están empujando.
En palabras simples: si los chips digitales fueron el “motor a combustión” de la era informática, estos chips analógicos —algunos además “híbridos” con luz— podrían ser el motor eléctrico de la IA: más torque, menos consumo y una plataforma con espacio para crecer. Para el ciudadano promedio, el resultado se sentirá en aplicaciones más ágiles y útiles; para las empresas y gobiernos, en costos menores y capacidad de ofrecer servicios más inteligentes sin romper la cuenta de la luz. Una revolución menos ruidosa que un lanzamiento de celular, pero mucho más profunda.
Foto:
Como el Mecanismo de Anticitera, la computación del nuevo chip chino no es digital, sino analógica. Recreación del mecanismo de la película “Indiana Jones y el dial del destino” (Disney).