El fabricante chino introduce una arquitectura informática unificada para combinar procesamiento gráfico, aceleración de IA y computación de propósito general en aplicaciones como robótica, sistemas industriales y embodied AI
La carrera por llevar la inteligencia artificial desde los grandes centros de datos hasta los dispositivos que operan directamente en el mundo físico está impulsando una nueva generación de procesadores especializados. En este contexto, la empresa china Thorsianway ha presentado su nueva arquitectura informática unificada, denominada Thorsianway Unified Computing Architecture (TUCA), junto con el TH1100, un procesador GPGPU orientado a aplicaciones de inteligencia artificial en el borde (edge AI).
La propuesta está especialmente dirigida a sistemas que necesitan ejecutar modelos de inteligencia artificial cerca del lugar donde se generan los datos, sin depender continuamente de una conexión con la nube.
Entre los ámbitos de aplicación señalados por la compañía se encuentran la robótica, los sistemas industriales y la denominada inteligencia artificial incorporada o embodied AI, un concepto que hace referencia a sistemas capaces de percibir e interactuar físicamente con su entorno.
El lanzamiento resulta especialmente interesante porque el TH1100 no se plantea únicamente como un acelerador gráfico. Thorsianway pretende utilizarlo como parte de una plataforma informática más amplia en la que diferentes tipos de procesamiento puedan integrarse dentro de una misma arquitectura de hardware y software.
TUCA busca unificar diferentes tipos de computación
Uno de los elementos centrales del anuncio es TUCA, la arquitectura que Thorsianway presenta como la base de su nueva estrategia de computación.
Según la empresa, esta arquitectura integra sus propios procesadores GPGPU, aceleradores de inteligencia artificial y otros componentes de hardware dentro de una plataforma común. La idea es ofrecer un entorno unificado que abarque diferentes etapas del procesamiento, desde el desarrollo y la compilación de aplicaciones hasta la distribución de tareas y su ejecución final sobre el hardware.
El planteamiento responde a uno de los principales retos de la computación moderna. Los sistemas actuales ya no dependen exclusivamente de una CPU para ejecutar todas sus cargas de trabajo. Las aplicaciones de inteligencia artificial, gráficos, simulación y procesamiento de datos utilizan cada vez más arquitecturas heterogéneas en las que CPU, GPU, NPU y otros aceleradores trabajan conjuntamente.
La dificultad está en conseguir que todos esos recursos puedan utilizarse de forma eficiente sin obligar a los desarrolladores a gestionar manualmente cada componente.
La propuesta de TUCA parece orientarse precisamente a resolver este problema mediante una capa común de hardware y software que permita distribuir las cargas de trabajo entre diferentes unidades de procesamiento.
Si esta estrategia consigue materializarse en herramientas de desarrollo maduras y compatibles con un número suficiente de aplicaciones, podría facilitar la creación de sistemas de IA capaces de aprovechar diferentes tipos de aceleradores sin depender de una arquitectura informática completamente aislada para cada función.
¿Qué es realmente un GPGPU?
El término GPGPU, acrónimo de General Purpose computing on Graphics Processing Units, describe el uso de una unidad de procesamiento gráfico para ejecutar cálculos que tradicionalmente se realizaban en la CPU.
Las GPU fueron diseñadas originalmente para procesar gráficos, pero su arquitectura paralela resulta especialmente adecuada para determinadas operaciones matemáticas que aparecen en inteligencia artificial, simulación científica, procesamiento de imágenes y análisis de grandes cantidades de datos.
Mientras una CPU suele estar optimizada para ejecutar un número relativamente reducido de tareas complejas y secuenciales, una GPU puede procesar simultáneamente grandes cantidades de operaciones similares. Esta capacidad de paralelización es una de las razones por las que las GPU se han convertido en una pieza fundamental de la infraestructura moderna de inteligencia artificial.
El GPGPU lleva esa capacidad más allá de los gráficos.
En lugar de utilizar la GPU exclusivamente para representar imágenes, el sistema puede emplearla para ejecutar algoritmos de propósito general y acelerar determinadas cargas de trabajo.
En aplicaciones de inteligencia artificial en el borde, esta capacidad puede resultar especialmente útil cuando el dispositivo necesita procesar información localmente y responder con rapidez. Un robot, por ejemplo, puede necesitar analizar imágenes de sus cámaras, interpretar información de otros sensores y ejecutar modelos de IA para decidir cómo moverse. Realizar todo ese procesamiento localmente puede reducir la dependencia de la nube y, sobre todo, disminuir la latencia.
El papel de la IA en el borde
El desarrollo del TH1100 se produce en un momento en el que la industria está trasladando progresivamente parte de la inteligencia artificial desde los centros de datos hacia los dispositivos finales.
Este modelo se conoce como edge AI o inteligencia artificial en el borde.
En lugar de enviar continuamente todos los datos capturados por una cámara, un robot o una máquina industrial a un servidor remoto, el dispositivo puede procesarlos directamente en el lugar donde se generan.
La ventaja es evidente en aplicaciones que necesitan respuestas rápidas. Un robot industrial no puede depender de una conexión a Internet para reaccionar ante un obstáculo inesperado. De la misma manera, un sistema de visión instalado en una fábrica puede necesitar analizar miles de imágenes en tiempo real sin transmitirlas constantemente a un centro de datos.
El procesamiento local también puede reducir el consumo de ancho de banda y mejorar la privacidad, ya que determinados datos sensibles pueden permanecer dentro del propio dispositivo.
El inconveniente es que los sistemas de edge AI disponen de muchos menos recursos computacionales que los grandes centros de datos. Por eso, los procesadores destinados a estas aplicaciones deben ofrecer una combinación equilibrada de potencia, eficiencia energética y capacidad para ejecutar modelos de inteligencia artificial.
Es precisamente en ese espacio donde Thorsianway sitúa al TH1100.
De la IA generativa a la inteligencia que actúa en el mundo físico
La referencia de Thorsianway al embodied AI resulta especialmente relevante.
Durante los últimos años, gran parte del desarrollo de la inteligencia artificial se ha centrado en sistemas capaces de procesar texto, imágenes, audio y otros tipos de información digital. La inteligencia artificial incorporada plantea un desafío diferente: conseguir que los sistemas puedan percibir el mundo físico, comprenderlo y actuar sobre él.
En robótica, esto implica combinar diferentes capacidades. Un robot necesita interpretar imágenes, procesar datos procedentes de sensores, comprender el entorno y ejecutar acciones físicas con precisión.
Todas estas tareas requieren computación y, en muchos casos, deben realizarse en tiempo real.
Un robot que detecta una persona acercándose no puede esperar varios segundos a que los datos viajen hasta un servidor remoto y regresen con una respuesta. La percepción y el control deben producirse prácticamente de forma inmediata.
Por eso, la evolución del embodied AI está estrechamente vinculada al desarrollo de procesadores capaces de ejecutar modelos de inteligencia artificial directamente en robots y máquinas.
La arquitectura que plantea Thorsianway pretende precisamente combinar procesamiento paralelo, aceleración de IA y otras capacidades dentro de una misma plataforma.
Una compañía con experiencia en gráficos y sistemas integrados
Thorsianway, cuyo nombre corporativo en chino corresponde a Suzhou Suo Microelectronics Technology, desarrolla soluciones relacionadas con GPU, GPGPU y tecnologías de interfaz hombre-máquina.
La empresa señala que trabaja desde 2015 en tecnologías destinadas a diferentes mercados, entre ellos el Internet de las cosas, la electrónica de automoción, los sistemas industriales y las pantallas inteligentes.
Según la información difundida por la propia compañía, Thorsianway participó en el desarrollo del primer estándar nacional chino relacionado con GPU y su chip automovilístico GC9003 habría superado el millón de unidades comercializadas.
La compañía también presentó en 2024 el GC9005, un procesador que integra capacidades GPU y NPU y que está orientado a aplicaciones de inteligencia artificial en vehículos inteligentes y dispositivos electrónicos.
Estos antecedentes ayudan a entender la evolución de la empresa. Su estrategia parece avanzar desde el desarrollo de procesadores gráficos y sistemas de visualización hacia plataformas de computación más generales, en las que la inteligencia artificial adquiere un peso cada vez mayor.
La importancia de integrar GPU y NPU
Uno de los aspectos más relevantes de esta evolución es la convivencia entre diferentes tipos de aceleradores.
Las GPU destacan por su capacidad de procesamiento paralelo y pueden resultar especialmente eficaces en determinadas cargas de trabajo de inteligencia artificial y computación. Las NPU, por su parte, están diseñadas específicamente para acelerar operaciones relacionadas con redes neuronales y modelos de IA con una elevada eficiencia energética.
En determinados sistemas, utilizar ambos tipos de procesadores puede resultar más eficiente que intentar ejecutar todas las tareas en una única arquitectura.
Un sistema de visión artificial, por ejemplo, podría utilizar un acelerador especializado para ejecutar una red neuronal mientras la GPU se encarga de otras tareas de procesamiento paralelo. La CPU puede asumir la coordinación general del sistema y ejecutar las operaciones que no están optimizadas para los aceleradores.
La verdadera dificultad está en coordinar todos estos recursos.
Por eso, una arquitectura como TUCA puede tener interés si consigue ofrecer una programación y una distribución de tareas suficientemente sencillas para los desarrolladores. La utilidad de una plataforma heterogénea depende en buena medida de su ecosistema de software: compiladores, bibliotecas, herramientas de desarrollo y compatibilidad con los principales marcos de inteligencia artificial.
En este punto estará probablemente una de las pruebas más importantes para Thorsianway.
El software será tan importante como el chip
El mercado de procesadores para inteligencia artificial ha demostrado que la potencia de cálculo, por sí sola, no garantiza el éxito de una plataforma.
Los desarrolladores necesitan herramientas que permitan aprovechar esa potencia sin tener que reescribir continuamente sus aplicaciones para cada arquitectura.
El ecosistema de software se ha convertido, por tanto, en uno de los principales factores de competencia entre fabricantes de chips.
Una arquitectura como TUCA tendrá que demostrar que puede ofrecer un entorno de desarrollo suficientemente accesible y que permite trasladar modelos y aplicaciones a su hardware con un esfuerzo razonable. También tendrá que competir en eficiencia, compatibilidad y facilidad de integración frente a plataformas que ya cuentan con comunidades de desarrolladores consolidadas.
Para una empresa como Thorsianway, esta puede ser una de las mayores oportunidades y, al mismo tiempo, uno de los mayores desafíos.
La carrera por la computación física
El lanzamiento del TH1100 se produce en un contexto en el que la industria tecnológica está prestando cada vez más atención a la inteligencia artificial aplicada al mundo físico.
La robótica, los vehículos inteligentes, las fábricas automatizadas y los dispositivos conectados necesitan procesadores capaces de interpretar grandes cantidades de información procedente de sensores y responder en tiempo real.
En este escenario, la computación en el borde adquiere una importancia estratégica. La inteligencia no puede estar siempre en un centro de datos distante. En muchas aplicaciones, debe estar integrada directamente en el dispositivo que percibe y actúa.
Esa tendencia puede favorecer el desarrollo de nuevas arquitecturas capaces de combinar GPU, NPU y otros aceleradores bajo una misma plataforma.
La propuesta de Thorsianway con TUCA y el TH1100 se sitúa precisamente en esa convergencia entre computación paralela, inteligencia artificial y robótica.
Todavía será necesario conocer más detalles técnicos del procesador, como su proceso de fabricación, número de unidades de cómputo, rendimiento, consumo energético, memoria y compatibilidad concreta con los principales marcos de IA, para poder evaluar su posición frente a otras soluciones del mercado.
Por ahora, el anuncio muestra la intención de Thorsianway de competir en un segmento cada vez más estratégico: el de los procesadores capaces de proporcionar inteligencia directamente a las máquinas.
Si la compañía consigue convertir su arquitectura TUCA en un ecosistema de hardware y software suficientemente sólido, el TH1100 podría representar un paso relevante en esa transición. La próxima generación de robots y sistemas autónomos necesitará algo más que modelos de inteligencia artificial avanzados; necesitará también la capacidad de ejecutarlos localmente, con baja latencia y una eficiencia suficiente para funcionar dentro de dispositivos físicos.
En esa carrera hacia una inteligencia artificial que no solo procesa información, sino que también percibe y actúa sobre el mundo real, los procesadores destinados al edge AI están llamados a desempeñar un papel cada vez más importante.