Investigadores de la Peking University han desarrollado un nuevo chip analógico capaz, según sus autores, de superar hasta 1 000 veces el rendimiento de una GPU de gama alta y consumir 100 veces menos energía. El estudio afirma que este avance se basa en el uso de memoria resistiva (RRAM) y en una arquitectura de computación analógica en memoria. En lugar de mover datos entre procesador y memoria, el chip realiza los cálculos directamente donde residen los datos, reduciendo así los cuellos de botella y el gasto energético. En este artículo analizamos qué significa realmente este avance, cómo funciona el chip, sus implicaciones y los retos que quedan por resolver.

Cómo funciona el chip analógico y cuáles son sus ventajas

El dispositivo utiliza una matriz de memoria resistiva (RRAM) capaz de representar diferentes niveles de conductancia, lo que le permite trabajar con señales analógicas continuas en lugar de los tradicionales bits 0 y 1. Este enfoque elimina la necesidad de transferir información entre la unidad de procesamiento y la memoria, una operación que en los sistemas digitales puede representar hasta el 70 % del consumo energético total de un cálculo intensivo, según estimaciones publicadas en Nature Electronics.

De acuerdo con LiveScience, el chip desarrollado por el equipo chino logra ejecutar operaciones de inversión matricial hasta 1 000 veces más rápido que una GPU Nvidia H100, uno de los modelos más potentes del mercado actual. Esta cifra se refiere a tareas específicas en el ámbito de las comunicaciones MIMO (Multiple Input Multiple Output), fundamentales en redes 6G y sistemas de procesamiento de señal avanzada.

Desde un punto de vista técnico, el dispositivo alcanza esa velocidad gracias a su arquitectura de cómputo en memoria, en la que las operaciones se realizan directamente en las celdas de almacenamiento. En las GPU digitales tradicionales, la comunicación entre núcleos y memoria puede alcanzar velocidades de 900 GB/s, pero sigue existiendo una latencia interna asociada a los buses y controladores. En este chip, la latencia se reduce al mínimo, ya que los datos nunca abandonan la matriz. Además, cada celda puede representar múltiples niveles analógicos, lo que multiplica la densidad de información procesada por ciclo.

El chip puede realizar operaciones con una eficiencia energética 100 veces mayor que los procesadores digitales convencionales. Si una GPU de alta gama como la Nvidia H100 consume alrededor de 700 W en cargas máximas, el chip analógico apenas requiere entre 5 y 10 W para resolver cálculos equivalentes en su dominio especializado. Esto supone una mejora energética de dos órdenes de magnitud, algo sin precedentes en hardware de propósito específico.

Uno de los grandes logros de este proyecto, según Nature Electronics, es haber resuelto un problema técnico que ha limitado a la computación analógica durante casi un siglo: la falta de precisión y escalabilidad. El nuevo enfoque combina una etapa de cálculo analógico rápido, que ofrece un resultado aproximado, con un refinamiento digital posterior para corregir errores y alcanzar una precisión equiparable a los métodos digitales convencionales. Esta integración híbrida permite conjugar lo mejor de ambos mundos: la velocidad analógica y la exactitud digital.

Además, el chip se ha fabricado con procesos estándar de la industria semiconductora, lo que indica que podría producirse en masa sin necesidad de equipamiento experimental. Este detalle es importante porque muchos prototipos de cómputo analógico dependen de laboratorios especializados, mientras que este diseño utiliza técnicas CMOS comerciales adaptadas para integrar la RRAM y las unidades de control analógico.

Implicaciones para la industria y los desafíos pendientes

El impacto potencial de este avance va más allá del laboratorio. En teoría, si la fabricación se escalara con éxito, este chip podría ofrecer un rendimiento y una eficiencia que transformarían sectores como la inteligencia artificial, las telecomunicaciones o la computación científica. De hecho, el equipo de la Peking University menciona que su arquitectura podría utilizarse en la formación de redes neuronales profundas y en la simulación de sistemas físicos complejos, tareas que hoy requieren enormes recursos digitales.

Sin embargo, hay varios desafíos. En primer lugar, la escalabilidad: fabricar chips con millones de celdas RRAM idénticas, con variaciones mínimas de resistencia, sigue siendo un reto. Las diferencias de fabricación pueden provocar errores acumulativos en los cálculos analógicos, y aunque el refinamiento digital ayuda a mitigarlos, el control a gran escala sigue siendo un obstáculo. Además, la fiabilidad de la RRAM bajo ciclos repetidos de escritura y lectura debe validarse a largo plazo, ya que la degradación de los materiales puede alterar los niveles analógicos de conductancia.

Otro desafío importante es la compatibilidad con el software existente. Actualmente, las principales plataformas de computación —TensorFlow, PyTorch o CUDA— están diseñadas para arquitecturas digitales. Traducir los algoritmos a un entorno analógico implica crear nuevos compiladores y modelos matemáticos adaptados a hardware híbrido. Como señaló un análisis de Tom’s Hardware, sin un ecosistema de software sólido, el potencial de este chip podría limitarse a aplicaciones muy concretas.

También hay que considerar la precisión numérica. Aunque el sistema híbrido logra una exactitud comparable a las GPU digitales, en aplicaciones como el entrenamiento de modelos de IA o simulaciones científicas, incluso pequeñas desviaciones pueden generar resultados diferentes. Por tanto, los fabricantes deberán ofrecer mecanismos de calibración y verificación continua para garantizar la integridad de los datos.

A nivel industrial, si este tipo de tecnología se consolida, podría alterar la cadena de suministro global de semiconductores. Hoy, empresas como Nvidia, AMD e Intel dominan el mercado de aceleradores de IA, mientras que la producción de chips RRAM y arquitecturas analógicas está concentrada en Asia. La entrada de China en este campo con un producto viable y competitivo podría reconfigurar el panorama de la computación de alto rendimiento en la próxima década.

Desde el punto de vista energético, las implicaciones son considerables. Según estimaciones de la International Energy Agency (IEA), los centros de datos representan ya más del 3 % del consumo eléctrico mundial. Si una parte significativa de los cálculos de IA y simulaciones pudiera trasladarse a chips con 100 veces más eficiencia energética, el ahorro potencial sería de miles de gigavatios hora anuales, equivalente al consumo eléctrico de países medianos como Bélgica o Portugal.

Reflexiones adicionales

La propuesta de la Peking University muestra que la computación analógica podría resurgir como alternativa real al procesamiento digital, sobre todo en tareas específicas de álgebra lineal intensiva. Sin embargo, el camino hacia su adopción masiva será largo. Los sistemas actuales están profundamente integrados en arquitecturas digitales optimizadas, y la transición hacia entornos híbridos requerirá tanto inversión como estandarización.

También hay una dimensión geopolítica en juego. El desarrollo de un chip de estas características fuera del entorno dominado por Estados Unidos y sus socios tecnológicos podría tener implicaciones estratégicas, especialmente en un momento en el que los semiconductores son un pilar de poder económico y militar. Si China logra consolidar esta tecnología y escalar su producción, no solo reforzaría su independencia tecnológica, sino que también podría ofrecer al mercado global una alternativa más eficiente en costes y energía.

Desde el punto de vista científico, este logro representa un salto conceptual: la posibilidad de unir el cálculo analógico, tradicionalmente impreciso, con el control digital de alta exactitud. Resolver ese equilibrio entre velocidad y precisión ha sido un desafío durante décadas, y ahora parece tener una solución práctica. Sin embargo, la estabilidad térmica, la linealidad de las celdas resistivas y la calibración temporal seguirán siendo áreas críticas de investigación.

En conclusión, el nuevo chip analógico de la Peking University no sustituirá de inmediato a las GPU, pero sí apunta a un futuro donde la eficiencia energética y la computación híbrida podrían redefinir el rendimiento del hardware. Si los próximos prototipos confirman estas cifras en entornos industriales, estaríamos ante una de las transiciones más significativas en el diseño de procesadores de los últimos 20 años.