China intenta nuevamente redefinir las reglas del mercado de chips para inteligencia artificial. En lugar de competir directamente con NVIDIA en la carrera por los procesos de fabricación más avanzados, la startup china Dongfang Suanxin (DFSX) propone una estrategia completamente diferente: reducir el cuello de botella de la memoria. Su próxima plataforma TY64 SuperNode, basada en los aceleradores DF2000 de 14 nm, promete alcanzar hasta 960 TB/s de ancho de banda de memoria, muy por encima de los 576 TB/s que proporciona el sistema NVIDIA GB200 NVL72, según cifras publicadas por la propia compañía.
Las claves de DFSX y su enfoque en la memoria en 20 segundos
- DFSX apuesta por arquitectura y encapsulado 3D en lugar de competir en procesos de fabricación.
- El futuro DF2000 mantendrá un proceso de 14 nm, pero elevará el ancho de banda hasta 15 TB/s por chip.
- Una plataforma TY64 SuperNode alcanzaría 960 TB/s de ancho de banda agregado, según la empresa.
- Su propuesta busca reducir la dependencia china de tecnologías como HBM y otros componentes sujetos a restricciones estadounidenses.
- Las cifras aún no han sido verificadas por terceros independientes.
El momento no podría ser más oportuno, ya que la industria empieza a reconocer que incrementar únicamente la potencia de cálculo ya no es suficiente para mejorar el rendimiento de los modelos de IA. En tareas como el entrenamiento de grandes modelos lingüísticos o la inferencia a gran escala, mover datos desde la memoria hasta las unidades de procesamiento se ha convertido en uno de los principales cuellos de botella que limitan el rendimiento.
La «pared de memoria»: el nuevo adversario de la inteligencia artificial
Durante años, la carrera por semiconductores se centró en dos métricas clave: el tamaño del nodo de fabricación y la cantidad de FLOPS (operaciones por segundo).
Sin embargo, la explosión de la IA ha puesto sobre la mesa un problema conocido desde hace décadas: la memory wall o «pared de memoria».
Las GPU actuales son capaces de realizar enormes volúmenes de operaciones matemáticas, pero con frecuencia permanecen parcialmente inactivas esperando que los datos lleguen desde la memoria. Este tiempo muerto reduce la eficiencia del hardware y limita el rendimiento de sistemas que cuestan millones de dólares.
DFSX sostiene que ahí se encuentra la auténtica oportunidad.
En lugar de enfocarse en procesos de fabricación de 3 o 2 nm, la empresa ha desarrollado una arquitectura donde memoria y lógica de cálculo se encuentran mucho más próximas físicamente.
Un chip de 14 nm que evita depender de HBM
El primer acelerador de DFSX, el DF1000, ya captó atención por usar un proceso maduro de 14 nm combinado con una arquitectura de computación cercana a la memoria (Near-Memory Computing).
Su diseño elimina el uso tradicional de microbumps mediante hybrid bonding a nivel de oblea, conectando directamente lógica y memoria mediante millones de conexiones verticales. Según DFSX, esto permite alcanzar 6,4 TB/s de ancho de banda utilizando memoria propia, evitando la dependencia de memorias HBM sujetas a restricciones comerciales.
La siguiente generación, denominada DF2000, irá aún más lejos.
En lugar de apilar una única capa de memoria sobre la lógica, empleará varias torres de memoria y cálculo agrupadas mediante una arquitectura denominada 3.5D Infinity Chiplet.
Según la hoja de ruta de la compañía:
| Plataforma | Ancho de banda de memoria |
|---|---|
| DF2000 | 15 TB/s por chip |
| TY64 SuperNode (64 chips DF2000) | 960 TB/s |
| NVIDIA GB200 NVL72 | 576 TB/s |
Estas cifras provienen de DFSX y aún no han sido verificadas por terceros independientes.
Más memoria, pero menor potencia de cálculo
Esta estrategia presenta una importante contraparte.
Aunque el ancho de banda es muy alto, la potencia de cálculo sigue muy por detrás de la plataforma NVIDIA.
Según los datos proporcionados por DFSX:
- TY64 con DF2000: 64 PFLOPS BF16
- NVIDIA GB200 NVL72: 360 PFLOPS BF16
La diferencia es significativa.
La hipótesis de DFSX es que muchos modelos actuales de IA no aprovechan completamente los FLOPS debido a que permanecen en espera de datos desde memoria.
Si esto es correcto, una arquitectura con menor potencia bruta, pero con acceso mucho más rápido a la memoria, podría ofrecer una eficiencia superior en ciertos escenarios de inferencia.
La respuesta china a las restricciones de Estados Unidos
Más allá de la tecnología, este proyecto refleja la transformación que experimenta la industria china de semiconductores.
Las restricciones estadounidenses limitan el acceso tanto a litografía avanzada como a memorias HBM de última generación. Como resultado, varias empresas chinas están buscando competir mediante nuevas arquitecturas, en lugar de seguir la misma senda tecnológica que NVIDIA, AMD o TSMC.
DFSX emplea una cadena de suministro completamente nacional y ya ha presentado una hoja de ruta que incluye:
- DF1000: lista para comenzar entregas antes de finales de 2026.
- DF2000: previsto para el cuarto trimestre de 2026.
- DF3000: que se espera para finales de 2027, con un objetivo de 20 TB/s de ancho de banda por chip.
Las incógnitas del software y la fabricación
Aunque las cifras de DFSX son impactantes, todavía quedan muchas preguntas abiertas.
Primero, la compañía aún no ha demostrado el rendimiento de sus plataformas en cargas reales comparables con las de NVIDIA.
Además, el éxito comercial dependerá de factores como:
- Madurez del ecosistema de software.
- Compiladores y bibliotecas para IA.
- Escalabilidad en cientos o miles de aceleradores.
- Rendimiento de fabricación.
- Eficiencia energética.
La propia empresa reconoce que el apilado tridimensional también plantea retos industriales y que aumentar el número de capas puede afectar negativamente a los rendimientos de fabricación.
Lo que parece cada vez más claro es que la próxima generación de aceleradores para IA no solo se decidirá por quién fabrica el chip con el proceso más pequeño. La memoria, el encapsulado avanzado y la capacidad de mover datos rápidamente empiezan a ser factores tan determinantes como los FLOPS mismos.
Preguntas frecuentes
¿Qué es DFSX?
Dongfang Suanxin (DFSX) es una startup china especializada en aceleradores para inteligencia artificial que apuesta por arquitecturas con memoria cercana al cálculo y una cadena de suministro nacional.
¿Por qué usa un proceso de 14 nanómetros?
La empresa prioriza una arquitectura diferente basada en encapsulado 3D y memoria integrada, con el fin de reducir la dependencia de procesos avanzados y memorias HBM.
¿Significa esto que el DF2000 será más rápido que NVIDIA?
No necesariamente. DFSX afirma que ofrecerá mayor ancho de banda de memoria, pero reconoce que su potencia de cálculo BF16 será menor que la del sistema NVIDIA GB200 NVL72.
¿Estas cifras han sido verificadas?
No. Los datos publicados sobre el DF2000 y el TY64 SuperNode provienen de la propia DFSX y aún no han sido confirmados mediante pruebas independientes.
vía: wccftech