Chips neuromórficos: Una forma de aumentar la eficiencia que podría transformar el poder de las inteligencias artificiales.

La llegada comercial de los chips Loihi 3 de Intel y NorthPole de IBM en el año 2026 representa un cambio decisivo. Estos chips están demostrando ser muy eficientes.1000 veces más eficiente en términos de consumo de energía que las GPU tradicionales.En el caso de tareas que requieren procesamiento en tiempo real, se pasa de las soluciones basadas en experimentos de laboratorio a soluciones basadas en hardware estándar. Este aumento en la eficiencia se mide en comparación con el cerebro humano.Referencia de 20 vatiosEl objetivo del procesamiento neuromórfico estándar es lograr una similitud con el funcionamiento de los cerebros humanos.

El cambio arquitectónico es fundamental. Al imitar la forma en que el cerebro utiliza la comunicación dispersa entre sus diferentes componentes, y al ubicar la memoria y el procesamiento de datos en el mismo lugar, estos chips eliminan los cuellos de botella energéticos que caracterizan los diseños tradicionales. El resultado es una nueva categoría de dispositivos “AI física”, donde los dispositivos pueden funcionar durante días con una sola carga de batería.

Esto genera una inmediata transformación en el mercado. Para aplicaciones como la robótica y la detección en entornos difíciles, donde el consumo de energía ha sido un factor crítico, los nuevos chips ofrecen una clara ventaja en términos de rendimiento y durabilidad. La competencia ya no se basa únicamente en la velocidad, sino en la capacidad de proporcionar inteligencia con el mínimo costo energético posible.

Desde los avances en el laboratorio hasta las aplicaciones en el mundo real

La primera aplicación importante en el mundo real se encuentra en el ámbito de la seguridad nacional. Los Laboratorios Nacionales de Sandia han implementado el sistema neuromórfico más grande del mundo.NERL Braunfels, con 175 millones de neuronas digitales.Se financia a través del programa de disuasión nuclear. Su principal logro es la capacidad de resolver ecuaciones físicas complejas, algo que antes requería el uso de superordenadores muy costosos en términos energéticos.

Esto lleva la tecnología desde el ámbito teórico de la eficiencia hasta una aplicación práctica en la resolución de problemas reales. La arquitectura del sistema, desarrollada en colaboración con la startup SpiNNcloud, está diseñada para manejar los limitaciones relacionados con la potencia y el enfriamiento de los dispositivos de computación científica avanzada. Esto representa un paso importante hacia el uso de hardware neuromórfico en las tareas más importantes del país.

En el ámbito de la inteligencia artificial, la Universidad de California en San Diego ha desarrollado una plataforma que combina memoria y procesamiento en un solo chip. Este diseño mejora la eficiencia de tareas como las mencionadas anteriormente.Detectar las convulsiones epilépticas de forma temprana, a partir de las grabaciones de las ondas cerebrales.Este enfoque está dirigido a dispositivos compactos y de baja consumo de energía, ideales para dispositivos vestibles y sensores inteligentes.

La escalabilidad ya está en marcha. La colaboración entre Sandia y SpiNNcloud incluye un nuevo tablero de servidores que integra 48 chips SpiNNaker2. Esta infraestructura eficiente y energéticamente eficiente es el siguiente paso hacia la creación de los primeros superordenadores neuromórficos verdaderos.

Catalizadores, riesgos y lo que hay que vigilar

El catalizador principal es la validación en el mundo real de la eficiencia prometida. El lanzamiento comercial de Loihi 3 de Intel y NorthPole de IBM proporciona los primeros datos importantes sobre las economías de energía reales en comparación con las GPU. Los inversores deben observar las métricas de adopción de estas empresas, especialmente en aplicaciones de IA de borde y robótica, para determinar si…1000 veces más eficiente en términos de consumo de energía.En la práctica, el “benchmark” sigue siendo útil.

Un riesgo importante es la persistencia de modelos de programación complejos, lo cual ha sido un obstáculo históricamente. Aunque las generaciones de hardware de 2026 han logrado superar este problema, el ecosistema de software debe madurar para lograr la adopción generalizada por parte de los desarrolladores. El indicador principal del progreso será el crecimiento de herramientas y marcos de desarrollo accesibles para las redes neuronales basadas en Spiking.

La validación preliminar proviene de contratos gubernamentales y de defensa. Los Laboratorios Nacionales de Sandia han llevado a cabo esta actividad con financiación del NNSA.175 millones de neuronas digitales en el sistema NERL Braunfels.Es un caso de prueba crítico. El monitoreo de la escala y los resultados de tales contratos nos permitirá determinar si la tecnología es capaz de manejar las misiones más exigentes, donde el consumo de energía es elevado. Esto, a su vez, allanará el camino para su uso más amplio en la industria.