Cuando oyes hablar de tarjeta gráfica o de GPU (unidad de procesamiento gráfico), lo primero que piensas es en los videojuegos. Pero ese chip es hoy uno de los motores de la inteligencia artificial, del render cinematográfico y de la computación científica. La pregunta interesante no es para qué sirve, sino por qué es tan rápida en lo que hace.
CPU secuencial frente a GPU paralela
La diferencia esencial está en el enfoque. Una CPU (unidad central de procesamiento) tiene pocos núcleos, muy potentes y capaces de resolver tareas genéricas en secuencia. Una GPU, en cambio, empaqueta miles de núcleos más pequeños que ejecutan muchísimas operaciones a la vez sobre una gran masa de datos.
Un ejemplo vale más que una tabla de especificaciones: una CPU tope de gama con 16 núcleos ejecuta 16 operaciones simultáneas; una GPU puede superar los quince mil núcleos y lanzar decenas de miles de hilos en un mismo ciclo. Se consigue con un diseño de ejecución llamado SIMD (single instruction, multiple threads): una sola instrucción se aplica a la vez a un bloque entero de valores.
La arquitectura interna
Una GPU no es un bloque homogéneo. Se organiza en una jerarquía de cómputo y memoria que busca que los datos fluyan a la mayor velocidad posible. En términos simples, hablamos de tres niveles:
- Streaming Multiprocessors (SMs): las unidades de ejecución del chip, cada una con sus propios hilos de trabajo.
- Memoria caché y VRAM: el almacenamiento intermedio y final, equivalente a la caché y a la RAM de la CPU, pero pensado para un ancho de banda enorme.
- Unidades especializadas: circuitos dedicados a tareas concretas, como los tensor cores para la inteligencia artificial o los núcleos de ray tracing para la iluminación.
La VRAM (memoria de vídeo) es uno de los grandes desafíos de los ingenieros: las GPU de gama alta superan los 700 GB/s de ancho de banda, muy por encima de la RAM normal del sistema. Por eso el chip se diseña en torno al controlador de memoria y a la jerarquía de caché que lo acompaña.
El pipeline de trabajo, de geometría a píxel
Cuando se dibuja una escena, la GPU recorre un pipeline gráfico. Primero, el vertex shader coloca los vértices de los modelos según la posición de la cámara y la perspectiva. Después, el rasterizador convierte esas mallas en fragmentos, los elementos mínimos de la pantalla. Por último, el fragment shader calcula el color, la iluminación y las texturas de cada fragmento para producir el píxel final.
Estos shaders son hoy programables: pequeños programas que se ejecutan en la GPU para lograr efectos como el desenfoque de movimiento o las sombras dinámicas.
Tensor cores, el motor de la IA
Buena parte de la potencia de una GPU moderna ya no se dedica a los gráficos, sino a la inteligencia artificial. Las redes neuronales son, en el fondo, una cascada de multiplicaciones de matrices: millones de operaciones a la vez. Para acelerarlas, NVIDIA introdujo los tensor cores, circuitos de silicio dedicados exclusivamente a las operaciones matriciales.
Un núcleo tensor ejecuta en un solo ciclo una multiplicación de matrices en baja precisión y va acumulando resultados. La potencia total se mide en teraflops, es decir, billones de operaciones de coma flotante por segundo. Son esos teraflops los que permiten entrenar un gran modelo en semanas en lugar de años, encadenando miles de GPU.
Para unir varias tarjetas se emplean buses de alta velocidad como NVLink (NVIDIA) o Infinity Fabric (AMD): enlaces punto a punto gracias a los que un clúster de decenas de GPU funciona como una única máquina de inmensa memoria compartida.
Gestión de hilos: warps y divergencia
En el interior, el trabajo se agrupa en conjuntos de hilos que NVIDIA llama warps, de 32 elementos, que se lanzan a la vez. Si los 32 ejecutan la misma instrucción, la eficiencia es máxima. Si alguno toma una rama condicional distinta en el código, el warp se «divide» y las ramas se procesan por separado, con cierta pérdida de rendimiento hasta que vuelven a converger. Gestionar bien ese paralelismo es la clave para aprovechar la tarjeta.
Hacia el render neuronal
El siguiente escalón es el render potenciado por IA. Técnicas como NVIDIA DLSS o AMD FSR reconstruyen a partir del fotograma calculado una imagen de mayor resolución y ganan fluidez sin aumentar el trabajo de rasterizado. Y los campos de radiación neuronal (NeRF) generan una escena tridimensional completa a partir de unas pocas fotografías.
La GPU ha dejado de ser el accesorio del jugador para convertirse en el gran centro de cálculo de la era digital: renderiza, entrena algoritmos y mueve los centros de datos y también tu propio equipo. Saber cómo trabaja por dentro es entender una de las piezas más determinantes del hardware actual.
