21 de mayo de 2026

El músculo de muchos superordenadores parecía depender de las GPU: China está probando otro camino para superar al número uno de EEUU

El músculo de muchos superordenadores parecía depender de las GPU: China está probando otro camino para superar al número uno de EEUU

Cada vez que hablamos de inteligencia artificial a gran escala acabamos llegando al mismo punto: los centros de datos y sus enormes cantidades de GPU. No es casualidad. Este tipo de chips se ha convertido en una pieza central porque está especialmente bien preparado para ejecutar muchas operaciones en paralelo, justo el tipo de trabajo que exige entrenar modelos de IA y ejecutarlos a gran escala. Lo damos casi por sentado: más IA, más GPU. Pero esa equivalencia no agota todas las posibilidades. China está probando una ruta distinta, una que intenta responder a la misma pregunta desde otro lugar: qué ocurre si el músculo de la IA se construye solo con CPU.

CPU en lugar de GPU. HPC Wire señala que China ha empezado a desplegar en los últimos años varios superordenadores basados solo en CPU para cargas de IA y computación de alto rendimiento, en buena medida por las restricciones de EEUU que limitan su acceso a suficientes GPU avanzadas para este tipo de sistemas. La diferencia es importante: no hablamos simplemente de una preferencia técnica, sino de una respuesta condicionada por el contexto geopolítico. Cuando el acceso al hardware más codiciado se estrecha, la alternativa pasa por exprimir arquitecturas propias y reducir la dependencia exterior.

LineShine. El caso más llamativo de esta estrategia es este superordenador, vinculado al National Supercomputing Center de Shenzhen. Según South China Morning Post, se trata de una máquina construida íntegramente con CPU nacionales y diseñada para funcionar sin GPU. El medio recoge además que Huang Xiaohui, subdirectora del centro de Shenzhen, la presentó como una arquitectura integrada capaz de soportar tanto computación de alto rendimiento tradicional como cargas de inteligencia artificial. El sistema, explican, utiliza 47.000 CPU repartidas en 92 armarios de cómputo.

El chip LX2. La pieza que permite bajar esa apuesta al terreno del hardware es el procesador LX2, descrito como un chip Armv9 diseñado para cargas de IA y computación de alto rendimiento. Cada CPU integra dos chiplets y suma 304 núcleos, organizados en ocho clústeres de 38 núcleos cada uno. La arquitectura incluye unidades Arm SVE y SME, pensadas para acelerar operaciones vectoriales y matriciales, muy presentes en entrenamiento de IA y computación científica. A eso se añade una combinación poco habitual de memoria HBM en el propio paquete y DDR5 externa, una mezcla orientada a mover muchos datos con rapidez sin renunciar a capacidad.

La potencia. LineShine está diseñado para alcanzar 2 exaflops, una cifra con la que China aspira a situarlo por encima de El Capitan, el superordenador del Lawrence Livermore National Laboratory que se sitúa como actual líder mundial con casi 1,8 exaflops. Huang Xiaohui, subdirectora del centro de Shenzhen, fue más allá en una conferencia celebrada el 24 de abril. Según las declaraciones recogidas por SCMP, sostuvo que a finales de 2025 el sistema había completado su despliegue y activación, con un rendimiento sostenido superior a 2 exaflops.

No todo es positivo. La apuesta por una máquina solo con CPU puede tener sentido para ciertos trabajos, pero no elimina la gran ventaja de las GPU en inteligencia artificial. En las cargas más intensivas y fáciles de repartir en paralelo, estos aceleradores suelen completar más trabajo con la misma energía que un sistema basado únicamente en CPU. Por eso la industria sigue apostando de forma mayoritaria por arquitecturas mixtas, con procesadores para tareas generales y GPU para acelerar el cálculo más pesado. LineShine encaja mejor como una vía alternativa bajo condiciones concretas que como una prueba de que el modelo dominante haya quedado atrás.

Imágenes | Xataka con Nano Banana

En Xataka | Hubo una época en que Nvidia era una empresa de gaming. Ese negocio es ahora calderilla para la dueña y señora de la IA

-
La noticia El músculo de muchos superordenadores parecía depender de las GPU: China está probando otro camino para superar al número uno de EEUU fue publicada originalmente en Xataka por Javier Marquez .



☞ El artículo completo original de Javier Marquez lo puedes ver aquí

Stanford ha encontrado al culpable del milagro de productividad de EEUU: no es la IA, es trabajar desde casa en pijama

Stanford ha encontrado al culpable del milagro de productividad de EEUU: no es la IA, es trabajar desde casa en pijama

Los datos sobre la productividad en EEUU sacan a la luz un incremento sostenido que incluso ha sorprendido al hasta ahora presidente de la Reserva Federal, Jerome Powell, admitió su asombro declarando que " Nunca pensé que vería un momento en el que tuviéramos cinco o seis años de crecimiento de productividad del 2%".

Dado el auge de la IA en estos últimos años, muchos expertos han atribuido ese incremento de la productividad a la IA. Sin embargo, Nicholas Bloom, profesor de Economía en Stanford y una de las voces más reconocidas en la investigación del teletrabajo, sostiene que la explicación más razonable no pasa por la IA, sino que tiene más que ver con el teletrabajo. El profesor defiende que el cambio de modelo hacia el teletrabajo tras la pandemia, ha tenido más peso del que muchos directivos están dispuestos a admitir.

Las cifras que llaman la atención. Según los datos del Bureau of Labor Statistics, equivalente al INE en España, la productividad del sector privado no agrícola en EEUU creció un 5,3% en 2020, un 2% en 2021, cayó un 1,5% en 2022, subió un 1,8% en 2023, avanzó un 3% en 2024 y volvió a crecer un 2,2% en 2025. Para Bloom, ese patrón cronológico es una señal bastante clara de la relación entre el crecimiento de la productividad y la forma en la que se ha trabajado desde la pandemia.

El crecimiento promedio del 2% en la productividad a partir de 2020 que registran los datos de los últimos cinco años, contrasta con el escaso 1% que se registró durante buena parte de la década de 2010. Esa comparativa es la que refuerza el argumento de Bloom que atribuye el mérito del repunte de la productividad al teletrabajo y no a la IA, teniendo en cuenta que el incremento se viene registrando desde 2020 y no a partir de 2022, cuando se lanzó ChatGPT.

Por qué el teletrabajo pesa tanto. Bloom resume la ventaja de productividad del teletrabajo con unos argumentos bastante evidentes: el teletrabajo implica menos tiempo perdido en desplazamientos, menos distracciones de oficina y más facilidad para concentrarse. A eso suma dos efectos más, también muy importantes, que son la creación de negocios y la entrada de más personas en el mercado laboral al desvincular la contratación del talento a una determinada ubicación geográfica.

En otras palabras, el teletrabajo no solo cambia desde dónde se trabaja, sino que da acceso a un mercado de contratación más amplio y ahorra costes al prescindir de oficinas. El economista defiende que esa mezcla es la que explica por qué las cifras de productividad no solo han aguantado el envite de una crisis global, sino que ha mejorado.

La obstinada vuelta a la oficina. Mientras Bloom señala que "el teletrabajo se correlaciona con un mayor crecimiento de la productividad", las grandes empresas no han hecho más que presionar a sus plantillas para que vuelvan a la oficina a tiempo completo.

El economista reconoce que la justificación tiene una cierta base: más colaboración, mejores decisiones y más aprendizaje para los empleados jóvenes. Sin embargo, cuestiona la idea de que haya que estar allí todos los días para obtener esos beneficios. Según su trabajo al frente de un equipo de investigadores, un modelo híbrido de dos días presenciales y tres en remoto es más eficiente, porque deja la colaboración para los momentos en que realmente aporta valor y traslada a casa las tareas que requieren mayor capacidad de concentración.

La IA todavía tiene que demostrar su valía. Tal y como señala Fortune, aunque los datos de productividad de los últimos años no puedan atribuirse a la IA porque todavía no se ha implementado de forma generalizada en las empresas, no se descarta que en el futuro sí pueda tener un impacto considerable.

Según publicaba Reuters, algunos economistas comienzan a ver señales de mejora en la productividad que podrían estar vinculadas a la automatización que proporciona la IA, aunque todavía se perciben de forma moderada y no justifican el incremento de los últimos cinco años. Y ahí está la clave del supuesto gran milagro productivo de EEUU que, irónicamente, podría tener menos que ver con algoritmos y mucho más con gente trabajando desde el sofá, con café al lado y sin tener que perder media vida de atasco en atasco de camino al trabajo.

En Xataka | El teletrabajo vivirá una segunda juventud, en un momento muy concreto: cuando los boomers se jubilen

Imagen | Unsplash (Flipsnack)

-
La noticia Stanford ha encontrado al culpable del milagro de productividad de EEUU: no es la IA, es trabajar desde casa en pijama fue publicada originalmente en Xataka por Rubén Andrés .



☞ El artículo completo original de Rubén Andrés lo puedes ver aquí

Dar siete veces más vitamina D en el embarazo mejora la memoria de los niños a los 10 años. El problema está en la letra pequeña

Dar siete veces más vitamina D en el embarazo mejora la memoria de los niños a los 10 años. El problema está en la letra pequeña

Durante el embarazo, las recomendaciones de suplementación son un terreno donde la ciencia avanza con pies de plomo, puesto que lo más importante siempre es garantizar la seguridad. Uno de estos suplementos que más se escucha es la vitamina D, conocida tradicionalmente por su papel en la absorción del calcio y la salud ósea, pero que lleva años en el punto de mira por su posible impacto en el neurodesarrollo. 

Un nuevo estudio con origen danés ha puesto su objetivo sobre esta afirmación para poder sacar en claro lo que ocurre cuando una madre se suplementa con vitamina D durante el embarazo. A través de su publicación en JAMA, se relata cómo, para lograr unos buenos resultados, se analizó a casi 500 niños durante varios años hasta poder ver finalmente si tenían una mejora cognitiva durante su infancia. 

En qué se basaron. Para entender este descubrimiento hay que irse al pasado hasta un ensayo clínico aleatorizado titulado como COPSAC2010, cuyos resultados iniciales vieron la luz en 2016. Este ensayo buscaba evaluar si la vitamina D prevenía el riesgo de padecer asma o sibilancias persistentes en los bebés, y para comprobarlo los investigadores dividieron a las madres en dos grupos a partir de la semana 24 de gestación: 

  • Un grupo recibiría la dosis estándar recomendada de vitamina D de 400 UI al día. 
  • El otro grupo tuvo una "megadosis" de vitamina D de 2.800 UI diarias. 

El hallazgo. Aprovechando este valioso grupo de 498 niños, el equipo de investigación decidió sacarle un mayor provecho, ya que cuando estos niños llegaron a los 10 años de edad fueron sometidos a rigurosos test cognitivos para ver si el hecho de haberle dado vitamina D a la madre durante el embarazo había dejado huella en su cerebro. De esta manera, se conseguían cubrir dos objetivos con una sola investigación.

Aquí los resultados revelaron que los niños del grupo de alta suplementación mostraron una mejora modesta pero significativa de la memoria verbal y visual en comparación con los hijos de las madres que tomaron la dosis estándar de vitamina D. Aunque algo importante a destacar es que tira por tierra cualquier idea de que esta suplementación es una máquina para "crear genios", porque no hubo diferencias en el coeficiente intelectual y solo vieron que se mejoraba la capacidad de retener información. 

La letra pequeña. Ante un hallazgo así, es tentador pensar que todas las embarazadas deberían multiplicar su ingesta de vitamina D para tener a sus hijos con una ventaja sobre los demás. Pero aquí hay que poner la atención sobre diferentes problemas, como por ejemplo que el ensayo original estaba pensado para medir problemas respiratorios y no el desarrollo neurológico. Esto hace que sacar conclusiones de aquí reste robustez estadística al descubrimiento. 

Pero esto no es el único problema, ya que hemos visto que el efecto es "modesto" sin que parezca que dé una gran ventaja a los niños. Y además, en el estudio se parte de mujeres que ya tenían niveles de vitamina D normales antes del estudio, por lo que no está claro cómo actuaría esta dosis en poblaciones que verdaderamente tienen algún tipo de deficiencia crónica de la vitamina. 

¿Habrá cambios? De momento, con estos estudios no se justifica la necesidad de recomendar a todas las embarazadas complementar su dieta con vitamina D, como sí ocurre con otros suplementos como el ácido fólico. El valor real de esta investigación no es darnos una nueva receta inmediata, sino abrir la puerta a futuros ensayos clínicos diseñados específicamente para desentrañar cómo lo que ocurre en el vientre materno sigue moldeando nuestro cerebro una década después.

Imágenes | amylla Battani 

En Xataka | Llevamos décadas mandando a las embarazadas a la cama por precaución. La ciencia acaba de demostrar que es un gran error

-
La noticia Dar siete veces más vitamina D en el embarazo mejora la memoria de los niños a los 10 años. El problema está en la letra pequeña fue publicada originalmente en Xataka por José A. Lizana .



☞ El artículo completo original de José A. Lizana lo puedes ver aquí

La NASA ha rediseñado Artemis III de arriba abajo: ya no va a la Luna, y eso es precisamente lo que la hace más importante

La NASA ha rediseñado Artemis III de arriba abajo: ya no va a la Luna, y eso es precisamente lo que la hace más importante

El diseño de Artemis III ha cambiado mucho con respecto a lo que se concibió en un inicio. Para empezar, inicialmente el objetivo era realizar ya el alunizaje. Después se planteó la posibilidad de no alunizar, pero probar el acoplamiento con el sistema de aterrizaje en la órbita lunar. Sin embargo, esto ya no será así. Se ha decidido probar todo en la órbita terrestre baja, ya que allí se pueden hacer las pruebas igual de bien y se reducen costes y riesgos. No obstante, este no es el único cambio que se ha anunciado últimamente sobre la misión.

Todos son ventajas. El viaje a la órbita terrestre baja es más sencillo, pero también ofrece más oportunidades. En Artemis III va a haber muchos vehículos implicados, pues no solo tendremos el cohete SLS y la nave Orión como en Artemis II. También entran en juego los sistemas de aterrizaje HLS de SpaceX y Blue Origin. Para viajar a la Luna hay ventanas de lanzamiento muy reducidas, mientras que la órbita terrestre baja ofrece más oportunidades de lanzamiento para todos estos vehículos. En caso de que sea necesario posponer una primera fecha, no habría que esperar mucho. 

¿Para qué tanta propulsión? En Artemis I y II, el cohete que impulsó la nave, el SLS, contaba con una etapa superior de propulsión criogénica, que utilizaba combustibles criogénicos para dar un impulso extra al cohete y lograr escapar de la atracción gravitatoria terrestre. Pero esto ya no es necesario en Artemis III. No necesitan escapar de la Tierra, al contrario. Por eso, se ha eliminado esta etapa con el fin de ahorrar en combustible.

Ojo con el hueco. No se puede eliminar una etapa del cohete y dejarlo tal cual. El cohete está fabricado con un perfil concreto de peso y altura. Si se elimina una pieza sin más, se pierde parte de ese peso y se desequilibra. Por eso, esta etapa de propulsión se va a sustituir por un espaciador estructural. Es decir, una pieza que pesa y mide exactamente lo mismo, pero que no tiene ninguna función. La NASA ya ha avanzado mucho en su construcción.

Aquí no se tira nada. La etapa superior que se ha retirado se usará en Artemis IV, pues ahí sí que se viajará a la Luna y se necesita todo el impulso posible. Para la tercera fase será mucho más sencillo y barato volar sin él.

Orión+HLS. El principal objetivo de Artemis III será comprobar que la nave Orión y el HLS de SpaceX y Blue Origin se pueden acoplar adecuadamente. Una vez que se produzca ese acoplamiento, algunos miembros de la tripulación pasarían de Orión al HLS, para comprobar que se puede hacer el paso de un vehículo a otro y hacer las pruebas pertinentes. 

Más permanencia en el espacio. Los astronautas de Artemis III permanecerán más tiempo en el espacio que los de Artemis II. Esto les permitirá obtener datos adicionales sobre los sistemas de soporte vital del Orión bajo condiciones tripuladas prolongadas.

Despacio y con buena letra. Las misiones Apolo fueron un salto al vacío, literalmente. Se logró ir a la Luna en varias ocasiones, pero el riesgo era muy alto. Durante todos estos años se ha hecho un estudio más exhaustivo de la Luna para diseñar las mejores condiciones de viaje. El objetivo era volver a nuestro satélite, pero no a cualquier precio. El viaje de vuelta ya ha comenzado, pero no vale la pena acelerarse en el último momento. Para hacerlo de forma segura y enviar muchas más misiones tripuladas en un futuro cercano, es importante que Artemis III sea una prueba segura. 

Por eso son tan importantes estos cambios de diseño de la NASA. Eso sí, no podemos olvidarnos de que la NASA no es la única responsable. SpaceX y Blue Origin deben demostrar también que sus vehículos son seguros. El tiempo corre para todos. 

Imagen | NASA

En Xataka | Aún no hemos colonizado la Luna y ya la hemos llenado de basura: hay hasta pelotas de golf abandonadas


-
La noticia La NASA ha rediseñado Artemis III de arriba abajo: ya no va a la Luna, y eso es precisamente lo que la hace más importante fue publicada originalmente en Xataka por Azucena Martín .



☞ El artículo completo original de Azucena Martín lo puedes ver aquí

El creador de OpenClaw gastó 1,3 millones de dólares en tokens de OpenAI en un mes: así es como se construye software en 2026 sin pensar en el coste

El creador de OpenClaw gastó 1,3 millones de dólares en tokens de OpenAI en un mes: así es como se construye software en 2026 sin pensar en el coste

Peter Steinberger, el creador de OpenClaw y empleado de OpenAI desde febrero de 2026, publicó hace unos días una captura de pantalla que generó conversación en toda la industria: su factura de la API de OpenAI durante los últimos 30 días. La cifra exacta: $1.305.088,81. El gasto cubrió 603.000 millones de tokens en 7,6 millones de solicitudes, usando GPT-5.5 como modelo principal. No lo pagó de su bolsillo —OpenAI cubre el coste como inversión en investigación—, pero el número en sí mismo es el dato más honesto que ha circulado en meses sobre lo que cuesta realmente desarrollar software con agentes de IA autónomos operando a plena capacidad, sin presupuesto límite. Lo cuenta Alina Maria Stan en The Next Web el 18 de mayo de 2026. Steinberger describe el experimento con una pregunta directa: «¿Cómo construiríamos software en el futuro si los tokens no importaran?»

Cien agentes Codex trabajando en paralelo

El equipo detrás del gasto es minúsculo: tres personas. Lo que hacen esas tres personas es orquestar permanentemente unos 100 instancias de Codex corriendo en paralelo en la nube. Cada agente tiene una función específica:

  • Revisión automática de pull requests
  • Escaneo de commits en busca de vulnerabilidades de seguridad
  • Deduplicación de issues en GitHub
  • Escritura de soluciones y apertura de PRs automáticos basados en la hoja de ruta del proyecto
  • Monitorización de benchmarks y alertas de regresiones en Discord
  • Algunos agentes incluso asisten a reuniones y abren PRs para funciones que surgen en conversación

El resultado: un proyecto de código abierto que funciona con la cadencia de un equipo mucho mayor, sin contratar más personas. «Toda esa automatización nos permite operar este proyecto de forma extremadamente austera», escribió Steinberger. Las críticas en X fueron inmediatas: «No puedes gastar 1,3 millones al mes en tokens y llamarlo lean».

OpenClaw es el proyecto de código abierto que el propio Steinberger describió en abril como la señal de que 2026 es el año del agente de IA general: un framework que conecta modelos como ChatGPT o Claude con apps de mensajería y ejecuta tareas reales del mundo. Antes de que Steinberger se uniera a OpenAI, OpenClaw se convirtió en el proyecto open source con el crecimiento más rápido de la historia de GitHub, superando las 302.000 estrellas en abril de 2026, por delante de React, Vue.js y TensorFlow en velocidad de adopción.

El matiz que cambia los números: Fast Mode vs Standard

Steinberger fue transparente sobre la aritmética. El titular de 1,3 millones de dólares refleja el uso en Fast Mode, el modo de ejecución premium de Codex que consume créditos a una tasa significativamente mayor. Si se desactiva Fast Mode, el coste mensual cae a aproximadamente 300.000 dólares, una reducción del 77%. O en otros términos: en modo estándar, la operación equivaldría a unos 60 suscripciones de Codex Pro a 200 dólares/mes (que incluyen el equivalente de 5.000-6.000 dólares en valor de API cada una).

Siguen siendo números enormes. A 300.000 dólares al mes en modo estándar, el coste anualizado es 3,6 millones de dólares para un equipo de tres personas. Para comparar: en San Francisco, ese gasto equivale aproximadamente al salario anual de seis ingenieros senior. La pregunta que nadie de la industria quiere responder en público es si el output —código, revisiones, auditorías de seguridad— vale esa cifra o más.

Codex de OpenAI compite directamente con Claude Code de Anthropic y con Cursor en la carrera por quién controla cómo se escribe software profesional en 2026: OpenAI trasladó Codex a facturación por tokens en abril, lo que hace estos costes más visibles, y más variables, para usuarios avanzados.

Lo que revela la factura sobre la economía de la IA

El gasto de Steinberger es útil precisamente porque los vendedores de herramientas de IA para desarrollo rara vez publican consumo real de tokens a esta escala. OpenAI estima que Codex cuesta entre 100 y 200 dólares al mes por desarrollador de media, pero advierte de alta varianza. Steinberger pone un número a esa varianza: en el extremo máximo, un equipo técnico puede gastar más de 400.000 dólares al mes por agente activo en Fast Mode. Eso equivale a unos 13.000 dólares por instancia mensual en el modo más caro.

Para equipos de empresa que evalúan si desplegar flotas de agentes de codificación a escala, esta cifra es el único benchmark transparente que existe. La conclusión no es que la tecnología no valga —OpenClaw funciona, el código se produce, las revisiones de seguridad se ejecutan—, sino que la economía de los agentes de código a escala real es completamente diferente a lo que los precios de suscripción sugieren.

Cursor 3, con su modelo propio Composer 2 y agentes autónomos, es otro de los actores que está redefiniendo la misma ecuación en 2026: menor dependencia de los modelos de los rivales, mayor control sobre los costes de inferencia. La guerra del código en IA es también, fundamentalmente, una guerra sobre quién controla los costes de los tokens que mueven esos agentes.

Mi valoración

Tras revisar los datos publicados y los cálculos que circularon en X y The Decoder, lo que me convence de la postura de Steinberger es la honestidad del número. La industria lleva meses hablando de agentes de código que «trabajan solos»: esta cifra pone un precio concreto a lo que eso significa en producción real. Lo que me genera más dudas es la extrapolación. OpenClaw es un proyecto donde OpenAI tiene interés directo en que Steinberger demuestre lo que se puede hacer con tokens ilimitados. Es un entorno de investigación, no una empresa con constraint de rentabilidad. Para el 99% de los equipos que no tienen acceso gratuito a GPT-5.5 a este volumen, las conclusiones operativas son limitadas.

Lo más estructuralmente relevante: el gasto de 1,3 millones deja visible que los laboratorios de IA están subvencionando masivamente el coste real de los tokens para crecer en adopción. Cuando esas subvenciones se ajusten, la economía de los agentes de código va a parecer muy diferente.

Preguntas frecuentes

¿Quién pagó los 1,3 millones de dólares?

OpenAI, el empleador de Steinberger. Al unirse a la compañía en febrero de 2026, parte del acuerdo incluye acceso gratuito a la API para el desarrollo de OpenClaw, que sigue siendo código abierto. Steinberger describió el gasto como «los beneficios del apoyo de OpenAI a OpenClaw».

¿Qué hace OpenClaw?

OpenClaw es un framework open source de agentes de IA que conecta modelos de lenguaje como GPT-5.5 o Claude con apps de mensajería (WhatsApp, Telegram, Discord) y permite al usuario delegar tareas reales: enviar emails, gestionar archivos, automatizar flujos de trabajo. Pasó de ser un proyecto personal a la mayor velocidad de crecimiento de la historia de GitHub.

¿Cuánto costaría replicar esto para una empresa normal?

En modo estándar (sin Fast Mode), la operación equivaldría a unos 3,6 millones de dólares anuales para 100 agentes Codex activos. Una empresa que quisiera desplegar, por ejemplo, 10 agentes de código autónomos en producción debería esperar costes en el rango de 300.000-400.000 dólares anuales usando GPT-5.5 a las tasas actuales. Sin subvención del proveedor.




☞ El artículo completo original de Natalia Polo lo puedes ver aquí