Dongfang Suanxin daagt Nvidia uit met een AI-chip gemaakt op 14 nm

Dongfang Suanxin, una empresa china de semiconductores prácticamente desconocida fuera de su país hasta ahora, ha presentado el DF1000, su primer acelerador de inteligencia artificial. La compañía asegura que puede competir en determinadas tareas de inferencia con chips occidentales fabricados con procesos mucho más avanzados, incluso utilizando tecnología de 14 nanómetros.

Su enfoque no busca simplemente reducir el tamaño de los transistores. Dongfang Suanxin apuesta por una arquitectura definida por software y por colocar la memoria muy cerca de las unidades de cálculo mediante apilamiento tridimensional. Su objetivo es disminuir el movimiento de datos, evitar la dependencia de memorias HBM más avanzadas y construir una plataforma que pueda fabricarse con proveedores chinos. Estas son afirmaciones de la propia empresa, que aún no cuentan con pruebas independientes y exhaustivas que lo respalden.

Las claves de Dongfang Suanxin en 20 segundos

• Presentación de su primer acelerador de IA, llamado DF1000.
• Fabricado mediante un proceso de 14 nanómetros.
• Arquitectura de memoria cercana al procesador con apilamiento 3D.
• Busca reducir la dependencia de memoria HBM limitada a China.
• Arquitectura parcialmente adaptable mediante software.
• Afirma que el DF1000 compite en inferencia con chips occidentales de 4 nanómetros.
• No ha publicado comparativas independientes que confirmen esta afirmación.
• El DF2000 está previsto para finales de 2026.
• Una tercera generación debería llegar en 2027.
• Competir con Nvidia requerirá también controladores, compiladores y herramientas de desarrollo.

Fundada en 2024 en Shanghái, Dongfang Suanxin está dirigida por Wei Shaojun, profesor de la Universidad Tsinghua y asesor del gobierno chino en semiconductores. Según datos citados por The Wall Street Journal, su última ronda de financiación valora a la compañía en aproximadamente 1.800 millones de dólares, con inversores vinculados al Estado y fondos industriales chinos.

Un atajo arquitectónico frente a las restricciones de EE.UU.

Las restricciones impuestas por EE.UU. complican el acceso de las empresas chinas a aceleradores avanzados, memorias de alto ancho de banda y otros equipos necesarios para fabricar semiconductores de última generación. Washington también intensifica la vigilancia sobre filiales y compradores de empresas chinas en el extranjero para impedir que actúen como intermediarios.

En respuesta, Dongfang Suanxin modifica el diseño del sistema, acercando la memoria al área de cálculo y reduciendo la distancia que deben recorrer los datos, en lugar de depender de nodos de fabricación punteros y grandes cantidades de memoria HBM importada.

Este desafío es especialmente relevante en inteligencia artificial, donde los aceleradores necesitan procesar enormes volúmenes de operaciones matemáticas, pero permanecen infrautilizados cuando los datos no llegan con suficiente rapidez. La ventaja de Nvidia radica en combinar capacidad de cálculo con memoria HBM, largas interconexiones y una plataforma completa para distribuir modelos entre múltiples chips.

El DF1000 utiliza una arquitectura de memoria apilada sobre la capa de procesamiento, conocida como computación cercana a la memoria. La intención es proporcionar un ancho de banda elevado sin recurrir a las memorias HBM empleadas en los aceleradores occidentales más avanzados.

Otra innovación es la computación definida por software: ciertas conexiones internas pueden reorganizarse para adaptarse a la carga de trabajo. En lugar de una estructura rígida, el chip busca configurarse de forma especializada para cada modelo.

Este planteamiento demuestra que el rendimiento de un acelerador no depende exclusivamente del proceso de fabricación, sino también de arquitectura, movimiento de datos, memoria, software y eficiencia del cálculo.

Un chip con tecnología antigua puede competir en una carga específica si integra unidades especializadas y minimiza esperas, pero generalmente requerirá más superficie y energía que uno más avanzado fabricado con procesos de vanguardia.

Una de las principales incertidumbres del DF1000 es que Dongfang Suanxin aún no ha divulgado datos sobre consumo, superficie, capacidad, ancho de banda, coste ni rendimiento por vatio. Tampoco se conocen detalles sobre cómo quedó en comparación con aceleradores occidentales de 4 nanómetros en condiciones reales.

Igualar un benchmark no hace al DF1000 rival de Nvidia

Decir que el DF1000 puede igualar chips de 4 nanómetros requiere matizaciones. El rendimiento varía según el modelo, la precisión, el tamaño del lote, la carga de trabajo y la optimización del software.

No es lo mismo hacer inferencia con un modelo pequeño y cuantificado que entrenar un modelo grande con miles de aceleradores. La propia Dongfang Suanxin reconoce que su primera generación aún dista en entrenamiento, y que el DF2000 intentará reducir esa brecha.

Tampoco ha definido públicamente qué productos occidentales toma como referencia. Comparar el DF1000 con “chips de 4 nanómetros” es demasiado amplio: en ese rango hay aceleradores con prestaciones y consumos muy diversos.

Para valorar verdaderamente el producto, sería necesario conocer datos como:

• rendimiento en modelos conocidos y configuraciones reproducibles;
• consumo total del sistema o servidor;
• capacidad y ancho de banda de memoria;
• latencia y rendimiento en inferencia por usuario;
• escalabilidad entre múltiples chips;
• coste del sistema completo;
• rendimiento por vatio;
• disponibilidad y volumen de producción.

La falta de estas cifras no implica que la arquitectura no tenga interés, sino que aún no puede afirmarse que sea un competidor real de Nvidia.

Además de sus GPU, Nvidia lleva años desarrollando CUDA, bibliotecas matemáticas, compiladores, sistemas de comunicación inter aceleradores y herramientas para análisis, que están ampliamente integradas en universidades, empresas y centros de datos.

Un nuevo fabricante necesita conseguir que frameworks como PyTorch, motores de inferencia y aplicaciones científicas funcionen sin modificaciones mayores. También requiere herramientas para detectar errores, distribuir cargas y mantener el software actualizado durante años.

Dongfang Suanxin asegura que está construyendo una plataforma completa, pero aún no ha especificado qué frameworks soporta, cómo se programan sus aceleradores ni qué compatibilidad ofrece con modelos preparados para GPU.

El apilamiento 3D plantea soluciones y nuevos desafíos

Colocar la memoria junto al procesador reduce la distancia de transmisión y puede aumentar el ancho de banda. Sin embargo, complica el diseño térmico y la fabricación.

Una capa de cálculo genera mucho calor. Apilar memoria cerca o encima obliga a gestionar esa energía sin superar los límites térmicos. Cuanto más compacto es el paquete, más difícil resulta la refrigeración y las conexiones verticales, además de incrementar las pruebas de calidad.

La fabricación también presenta retos: si el procesador funciona bien pero una capa de memoria tiene defectos, el conjunto completo puede ser inutilizable. Los fabricantes necesitan sistemas de inspección precisos y procesos de unión para producción en masa.

Asimismo, la memoria propietaria debe ofrecer suficiente capacidad. Los modelos actuales requieren decenas o cientos de gigabytes por acelerador. Un diseño con alto ancho de banda y poca capacidad solo es útil para cargas específicas, repartiendo modelos entre varios chips.

Estas limitaciones explican la relevancia de la memoria HBM, que no solo es rápida sino también forma parte de una cadena tecnológica consolidada por empresas como SK hynix, Samsung y Micron, en colaboración con fabricantes de encapsulados y fundiciones.

Dongfang Suanxin apuesta por sustituir parte de esa cadena por una solución local, controlada en China. Lograr un prototipo funcional sería un primer paso; producir en volumen, de forma estable y a coste competitivo, será un reto mayor.

Un escenario competitivo chino en auge

La compañía se suma a un grupo creciente de empresas chinas que buscan reducir su dependencia de Nvidia. Huawei desarrolla sus aceleradores Ascend, y otras firmas como Alibaba y Baidu trabajan en chips propios para centros de datos.

También está en marcha DeepSeek, que en julio de 2026 anunció un acelerador orientado a inferencia, todavía en fases iniciales, para afrontar el mismo problema: acceso limitado a hardware avanzado y control de infraestructura.

Dongfang Suanxin se diferencia por no buscar simplemente clústeres enormes. Su estrategia es extraer más rendimiento de cada chip mediante memoria cercana y especialización, potenciando una innovación arquitectónica diferente a la occidental.

Si las restricciones persisten, esto podría generar un mercado chino con arquitecturas propias, adaptadas a las limitaciones nacionales, aunque menos compatibles con el software internacional. La fragmentación podría aumentar, y cada fabricante desarrollaría sus propias herramientas y entornos de desarrollo, confiando en la continuidad de sus proveedores.

El calendario anunciado es audaz: lanzamiento del DF2000 antes de terminar 2026 y una tercera generación en 2027. La complejidad en diseño, fabricación y validación lleva años, por lo que será clave verificar qué avances concretos ha logrado la empresa y qué entiende por lanzamiento comercial.

Por ahora, el DF1000 no amenaza la posición de Nvidia a nivel mundial. Le falta respaldo de pruebas independientes, equipos concretos y una trayectoria de producción a gran escala.

Su valor reside en ejemplificar cómo las restricciones están impulsando a la industria china a explorar soluciones que no dependen de competir en igualdad de condiciones tecnológicas con EE.UU.

Dongfang Suanxin no busca replicar la GPU más avanzada, sino modificar la arquitectura para que un proceso de 14 nanómetros y memoria local puedan ejecutar cargas normalmente reservadas a componentes restringidos.

Si la propuesta funciona, no desplazará inmediatamente a Nvidia, pero demostrará que los límites de fabricación pueden compensarse parcialmente con diseño, encapsulado y software. Si fracasa, será otra advertencia en el sector: presentar una arquitectura sencilla es mucho más fácil que construir un producto estable, programable y rentable.

Preguntas frecuentes

¿Qué es Dongfang Suanxin?
Es una empresa china de semiconductores fundada en 2024, especializada en aceleradores de inteligencia artificial.

¿Qué es el DF1000?
Su primer chip de IA, fabricado en 14 nanómetros, basado en una arquitectura de memoria cercana al cálculo y apilamiento 3D.

¿Es más rápido que las GPU de Nvidia?
No hay pruebas independientes que lo confirmen. La compañía afirma que se acerca a algunos chips occidentales en inferencia, pero no ha publicado benchmarks completos.

¿Cuándo llegarán sus próximos chips?
Prevé presentar el DF2000 antes de finalizar 2026 y una tercera generación en 2027.

Vía: GMAsia