Las unidades de procesamiento gráfico (GPUs) son los chips que utilizan la mayoría de los modelos de inteligencia artificial (IA) y consumen mucha energía. Según Goldman Sachs, el uso creciente de GPUs en centros de datos hará que la demanda de electricidad aumente un 160% para 2030. Vishal Sarin, un diseñador de circuitos analógicos y de memoria, argumenta que esta tendencia no es sostenible. Después de más de diez años en la industria de los chips, Sarin fundó Sagence AI (anteriormente conocida como Analog Inference) para diseñar alternativas energéticamente eficientes a las GPUs.
Sarin explicó que las aplicaciones que podrían hacer que la computación con IA sea realmente común están limitadas porque los dispositivos y sistemas que procesan los datos no pueden alcanzar el rendimiento necesario. “Nuestra misión es superar las limitaciones de rendimiento y costos de manera responsable con el medio ambiente”, dijo.
Sagence desarrolla chips y sistemas para ejecutar modelos de IA, así como el software necesario para programar estos chips. A diferencia de la mayoría de las empresas que crean hardware personalizado para IA, Sagence se destaca porque sus chips son analógicos, no digitales. Los chips digitales almacenan información en forma de cadenas binarias de unos y ceros, mientras que los chips analógicos pueden representar datos usando una variedad de valores.
Aunque los chips analógicos no son un concepto nuevo, su atractivo está resurgiendo debido a las desventajas de los chips digitales. Por ejemplo, los chips digitales requieren cientos de componentes para realizar ciertos cálculos, mientras que los chips analógicos pueden lograrlo con solo unos pocos módulos. Además, los chips digitales suelen tener que transferir datos entre la memoria y los procesadores, lo que puede causar cuellos de botella.
Sarin comentó que “todos los principales proveedores de silicio para IA utilizan este antiguo enfoque arquitectónico, lo que bloquea el progreso en la adopción de IA”. Los chips analógicos de Sagence, que son chips “en memoria”, no transfieren datos entre la memoria y los procesadores, lo que les permite completar tareas más rápidamente. Además, gracias a su capacidad para usar una variedad de valores para almacenar datos, los chips analógicos pueden tener una mayor densidad de datos que sus contrapartes digitales.
Sin embargo, la tecnología analógica tiene sus desventajas. Por ejemplo, puede ser más difícil lograr alta precisión con chips analógicos porque requieren una fabricación más precisa y suelen ser más complicados de programar. Aun así, Sarin ve los chips de Sagence como un complemento, no un reemplazo, de los chips digitales, ayudando a acelerar aplicaciones especializadas en servidores y dispositivos móviles.
Sagence planea lanzar sus chips al mercado en 2025 y ya está en contacto con “múltiples” clientes para competir con otras empresas de chips analógicos para IA como EnCharge y Mythic. La startup ha recaudado un total de 58 millones de dólares en seis años, con inversiones de patrocinadores como Vinod Khosla y TDK Ventures, y ahora planea recaudar más capital para expandir su equipo de 75 personas.
Sarin mencionó que su estructura de costos es favorable porque no están persiguiendo objetivos de rendimiento al migrar a los procesos de fabricación más nuevos. La situación podría estar a favor de Sagence, ya que la financiación para startups de semiconductores parece estar recuperándose después de un 2023 poco prometedor. Desde enero hasta julio, las startups de chips respaldadas por capital de riesgo recaudaron casi 5.3 mil millones de dólares, superando la cantidad total recaudada el año pasado.
Sin embargo, la fabricación de chips es costosa y se complica aún más por sanciones internacionales y tarifas. Ganar clientes que están “atrapados” en ecosistemas como el de Nvidia es otro desafío. El año pasado, el fabricante de chips de IA Graphcore, que recaudó casi 700 millones de dólares, se declaró en insolvencia tras tener dificultades para establecerse en el mercado. Para tener alguna posibilidad de éxito, Sagence deberá demostrar que sus chips consumen significativamente menos energía y ofrecen mayor eficiencia que las alternativas, además de conseguir suficiente financiación para fabricar a gran escala.
