📌 La IA encarnada desata escasez de memoria: Tesla recorta especificaciones del AI5 para priorizar sus robots
El cuello de botella en el suministro de chips de memoria se está trasladando desde los centros de datos en la nube hacia los dispositivos terminales. El conflicto central radica en que el consumo de memoria local de altas especificaciones por parte de la IA física y los robots humanoides supera con creces el de los vehículos convencionales y los equipos de computación en el borde (edge computing).
Los datos del sector de Micron Technology muestran que un solo robot de IA encarnada necesita incorporar más de 200GB de DRAM y varios TB de capacidad de almacenamiento. Actualmente, múltiples clientes de IA física ya han comenzado a evaluar muestras de productos de próxima generación, y Micron prevé que este campo se convertirá en un motor clave de crecimiento para la demanda de memoria y almacenamiento hacia el año 2030. Esta magnitud implica que, en cuanto el hardware terminal incursiona en la IA encarnada, su consumo de memoria de alta densidad se multiplica exponencialmente.
Estas extremas barreras de hardware están forzando a los gigantes tecnológicos a hacer concesiones entre distintas líneas de productos. Debido a la escasez de capacidad de producción de chips de memoria, Tesla ha reducido las especificaciones de memoria de su plataforma de computación vehicular de próxima generación, AI5, a 72GB, con el fin de liberar prioritariamente recursos de chips de gama alta para garantizar el suministro de su robot humanoide Optimus.
Esta medida de degradación de especificaciones pone de manifiesto que las plataformas de conducción autónoma vehicular, de mayor madurez, están asumiendo compromisos a nivel de hardware al reajustar su arquitectura de ingeniería para sortear los cuellos de botella de la cadena de suministro; mientras tanto, los robots, con lógicas de interacción y percepción del entorno mucho más complejas, deben absorber de forma concentrada la más escasa capacidad de producción de memoria de alta gama. A medida que el hardware de IA física avanza gradualmente hacia la producción piloto, la cadena de suministro de memoria de alta densidad podría seguir siendo una variable crítica que condicione su despliegue a gran escala en los dispositivos terminales.
▌ Fuentes