China vuelve a intentar cambiar las reglas del mercado de los 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) defiende una estrategia completamente distinta: reducir el cuello de botella de la memoria. Su futura plataforma TY64 SuperNode, basada en los aceleradores DF2000 de 14 nanómetros, promete hasta 960 TB/s de ancho de banda de memoria, muy por encima de los 576 TB/s que ofrece el sistema NVIDIA GB200 NVL72, según las cifras publicadas por la propia compañía.
Las claves de DFSX y su apuesta por la memoria en 20 segundos
- DFSX apuesta por arquitectura y encapsulado 3D en lugar de competir en nodos de fabricación.
- El futuro DF2000 mantendrá un proceso de 14 nm, pero elevará el ancho de banda hasta 15 TB/s por chip.
- Un TY64 SuperNode alcanzaría 960 TB/s de ancho de banda agregado, según la empresa.
- La propuesta intenta reducir la dependencia china de HBM y de tecnologías sujetas a restricciones estadounidenses.
- Las cifras aún no han sido verificadas de forma independiente.
La propuesta llega en un momento en el que la industria empieza a reconocer que aumentar únicamente la potencia de cálculo ya no basta para mejorar el rendimiento de los modelos de IA. En cargas como el entrenamiento de grandes modelos lingüísticos o la inferencia a gran escala, mover los datos desde la memoria hasta las unidades de cálculo se ha convertido en uno de los principales factores que limitan el rendimiento.
La «pared de memoria», el nuevo enemigo de la inteligencia artificial
Durante años la carrera de los semiconductores ha girado alrededor de dos indicadores: el tamaño del nodo de fabricación y el número de FLOPS (operaciones por segundo).
Sin embargo, la explosión de la inteligencia artificial ha puesto sobre la mesa otro problema conocido desde hace décadas: la memory wall o «pared de memoria».
Las GPU actuales son capaces de realizar enormes cantidades de operaciones matemáticas, pero con frecuencia permanecen parcialmente inactivas esperando a que los datos lleguen desde la memoria. Ese tiempo muerto reduce la utilización real del hardware y limita la eficiencia de sistemas que cuestan millones de dólares.
DFSX sostiene que ahí está la verdadera oportunidad.
En lugar de perseguir procesos de 3 o 2 nanómetros, la empresa ha diseñado una arquitectura donde memoria y lógica de cálculo se encuentran físicamente mucho más cerca.
Un chip de 14 nanómetros que evita depender de HBM
El primer acelerador de la compañía, el DF1000, ya llamó la atención al utilizar un proceso maduro de 14 nm combinado con una arquitectura de computación cercana a memoria (Near-Memory Computing).
Su diseño elimina el uso tradicional de microbumps mediante hybrid bonding a nivel de oblea, conectando directamente la lógica con la memoria mediante millones de conexiones verticales. Según DFSX, esto permite alcanzar 6,4 TB/s de ancho de banda utilizando memoria propia en lugar de depender de memorias HBM sujetas a restricciones comerciales.
La siguiente generación, denominada DF2000, irá un paso más allá.
En lugar de apilar una única capa de memoria sobre la lógica, utilizará varias torres de memoria y cálculo agrupadas mediante una arquitectura denominada 3.5D Infinity Chiplet.
Según la hoja de ruta presentada por la empresa:
| 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 |
Las cifras proceden de la propia DFSX y todavía no han sido verificadas por terceros independientes.
Más memoria, pero bastante menos potencia de cálculo
La estrategia tiene una contrapartida importante.
Aunque el ancho de banda resulta muy elevado, la potencia de cálculo continúa estando claramente por detrás de la plataforma de NVIDIA.
Según los datos facilitados por DFSX:
- TY64 con DF2000: 64 PFLOPS BF16
- NVIDIA GB200 NVL72: 360 PFLOPS BF16
La diferencia sigue siendo considerable.
La tesis de la compañía china es que muchos modelos de IA actuales no aprovechan completamente esos FLOPS porque permanecen esperando datos desde memoria.
Si esa hipótesis resulta correcta, una arquitectura con menor potencia bruta pero mucha mayor velocidad de acceso a memoria podría ofrecer una eficiencia superior en determinados escenarios de inferencia.
La respuesta china a las restricciones de Estados Unidos
Más allá de la tecnología, el proyecto refleja la transformación que vive la industria china del semiconductor.
Las restricciones estadounidenses limitan el acceso tanto a litografía avanzada como a memorias HBM de última generación. Como consecuencia, varias compañías chinas están intentando competir mediante nuevas arquitecturas en lugar de seguir el mismo camino tecnológico que NVIDIA, AMD o TSMC.
DFSX utiliza una cadena de suministro completamente nacional y ya ha presentado una hoja de ruta que incluye:
- DF1000, preparado para comenzar las entregas antes de finalizar 2026.
- DF2000, previsto para el cuarto trimestre de 2026.
- DF3000, cuya llegada se espera para finales de 2027 con un objetivo de 20 TB/s de ancho de banda por chip.
El software y la fabricación siguen siendo las grandes incógnitas
Las cifras publicadas por DFSX son llamativas, pero todavía existen numerosas preguntas abiertas.
En primer lugar, 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:
- La madurez del ecosistema software.
- Los compiladores y bibliotecas para IA.
- La escalabilidad entre cientos o miles de aceleradores.
- Los rendimientos de fabricación.
- La 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 sí parece cada vez más evidente es que la próxima generación de aceleradores para IA no se decidirá únicamente por quién fabrica el chip con el nodo más pequeño. La memoria, el encapsulado avanzado y la capacidad para mover datos con mayor rapidez empiezan a convertirse en factores tan importantes como los propios FLOPS.
Preguntas frecuentes
¿Qué es DFSX?
Dongfang Suanxin (DFSX) es una startup china especializada en aceleradores para inteligencia artificial que apuesta por arquitecturas de memoria cercana al cálculo y una cadena de suministro nacional.
¿Por qué utiliza un proceso de 14 nanómetros?
La empresa prioriza una arquitectura diferente basada en encapsulado 3D y memoria integrada para reducir la dependencia de nodos avanzados y de la memoria HBM.
¿Significa que el DF2000 será más rápido que NVIDIA?
No necesariamente. DFSX afirma que ofrecerá un mayor ancho de banda de memoria, pero reconoce una potencia de cálculo BF16 inferior a la del sistema NVIDIA GB200 NVL72.
¿Están verificadas estas cifras?
No. Los datos publicados sobre el DF2000 y el TY64 SuperNode proceden de la propia compañía y todavía no han sido confirmados mediante pruebas independientes.
vía: wccftech
