La computación, tal como la conocíamos, ha dejado de existir en su forma más tradicional. Este cambio de paradigma fue anticipado en 2013 por Lisa Su, la actual CEO de AMD, quien en un evento de la International Solid-State Circuits Conference (ISSCC) advirtió sobre las limitaciones del modelo clásico que centralizaba toda la carga de trabajo en la CPU. Según Su, el crecimiento exponencial de las demandas de procesamiento en la industria requería una transformación radical en la arquitectura de los sistemas informáticos.

En su intervención, Su planteó que el enfoque tradicional, donde una única unidad de procesamiento se encargaba de la mayoría de las tareas, empezaba a encontrar un límite insoslayable. Este modelo generaba lo que se conoce como un cuello de botella, donde el rendimiento no podía escalar de manera sostenible. La CEO de AMD enfatizó que, para seguir avanzando en la capacidad de procesamiento, era esencial adoptar un enfoque de “computación heterogénea”, en el que se distribuyeran las cargas de trabajo entre múltiples procesadores, cada uno diseñado para tareas específicas.

El concepto de computación heterogénea implica que la CPU, la GPU y otros aceleradores especializados colaboren en la ejecución de tareas. Este cambio no se basa simplemente en la adición de más chips, sino en una optimización de recursos que permite una comunicación más fluida y eficiente entre los distintos componentes del sistema. La idea es que, al tener un diseño que favorezca la memoria compartida y la coordinación, se minimicen las fricciones internas y se maximice el rendimiento general.

Hoy en día, este enfoque se ha convertido en la base de la infraestructura que sostiene el auge de la inteligencia artificial. Ejemplos claros de esta evolución son las plataformas Instinct MI400 de AMD y la serie Vera Rubin de Nvidia, diseñadas como superchips capaces de manejar grandes volúmenes de datos y modelos complejos. Estos desarrollos no solo son relevantes en el ámbito de los centros de datos, sino que también han permeado en dispositivos de consumo, donde las GPUs y otros procesadores especializados han dejado de ser accesorios para convertirse en elementos centrales de los sistemas informáticos.

La visión de Su se puede resumir de manera sencilla: antes, la CPU era el único motor que impulsaba la computadora, similar a un trabajador que realizaba todas las tareas. Sin embargo, las demandas actuales, especialmente en áreas como la inteligencia artificial y el procesamiento de gráficos, requieren una división del trabajo. Así, mientras que la CPU se encarga de gestionar operaciones generales, la GPU y otros chips se especializan en tareas que pueden ser ejecutadas más rápidamente, permitiendo una colaboración más efectiva entre todos los componentes.

El rol de la CPU ha evolucionado para convertirse en el "director" del sistema, encargado de coordinar las distintas funciones y garantizar que cada componente cumpla su tarea de la manera más eficiente posible. Sin embargo, el entendimiento de que no puede afrontar todo el trabajo por sí sola ha llevado a la implementación de sistemas más complejos y colaborativos. Esta transformación en la arquitectura de computación es un reflejo de las exigencias actuales del mercado y sugiere que el futuro de la computación estará marcado por esta sinergia entre diferentes tipos de procesadores.