La Ley de Moore está muerta, llega la Ley de Huang

El desarrollo de la Ley de Moore se lo debemos al co-fundador de Intel, Gordon Moore. En su concepción inicial, dicha ley establecía que el número del número de transistores en un circuito integrado se duplicará aproximadamente cada 12 meses, una máxima que fue revisada en 1975, y que se modificó a un periodo de 24 meses. Durante décadas, esta ley ha tenido un peso muy grande en el sector tecnológico, pero los problemas que ha tenido Intel para ir más allá del proceso de 14 nm acabaron propiciando su final.

Intel cree que los diseños de tipo chiplet, es decir, el formato MCM (módulo multichip) para diseñar procesadores cada vez más potentes combinando varias pastillas de silicio con pequeños bloques de núcleos, podrían permitir que la Ley de Moore siga siendo viable, pero lo cierto es que ni siquiera bajo ese enfoque sería completamente seguro cumplir esa idea de doblar transistores cada dos años.

La Ley de Moore lleva varios años sin cumplirse, una realidad que no parece que vaya a cambiar a corto plazo, ya que Intel todavía no ha logrado completar su transición al proceso de 10 nm, y el proceso de 7 nm se ve como algo cada vez más lejano. Quizá ese salto a los diseños MCM haga posible su regreso en algún momento, pero como hemos dicho, no hay nada seguro.

NVIDIA no ha querido desaprovechar la tesitura actual para anunciar a bombo y platillo lo que se conoce como la Ley de Huang, un nombre inspirado en el CEO de la compañía, Jen-Hsun Huang. Dicha ley establece que el rendimiento de la GPU en inteligencia artificial se doblará cada año. Tenemos una idea muy interesante que a priori puede parecer similar al enfoque de la Ley de Moore, pero en el fondo es muy distinto.

La Ley de Moore depende enormemente de los procesos de fabricación para poder mantener su vigencia. No es casualidad, para doblar el número de transistores en un chip tenemos dos opciones: utilizar un proceso de fabricación a menos nanómetros que permita reducir el tamaño de los transistores, lo que haría posible integrar una cantidad mayor en una pastilla de silicio, o dar forma a procesadores enormes para poder integrar esa mayor cantidad de transistores. La primera opción es viable, pero muy complicada, y la segunda es totalmente inviable no solo por lo que supondría trasladar un diseño de ese tipo a una oblea de silicio, sino por el tamaño, el consumo y las temperaturas que tendría un chip de ese tipo.

Con la Ley de Huang, por contra, el énfasis se pone en el rendimiento de la GPU. La clave es doblar el rendimiento con independencia del proceso y de la arquitectura utilizada, algo que resulta mucho más sencillo si lo comparamos con lo que propone la Ley de Moore, sobre todo ahora que NVIDIA ha apostado por la especialización en materia de IA con los núcleos tensor.