La compañía anunció que su plataforma Blackwell alcanzó el mejor rendimiento registrado en el benchmark STAC-AI, una prueba que mide cómo los modelos de inteligencia artificial analizan información financiera en tiempo real. El nuevo sistema logró hasta 3,2 veces más velocidad que la generación anterior, un avance clave para bancos, traders y plataformas de inversión que usan IA para procesar noticias, reportes y datos de mercado.
La carrera por construir la infraestructura de inteligencia artificial más potente acaba de sumar un nuevo capítulo. Nvidia informó que su arquitectura Blackwell, la última generación de chips diseñados para centros de datos de IA, logró un récord en el benchmark STAC-AI, una prueba utilizada por la industria financiera para medir el rendimiento de sistemas que analizan información con modelos de lenguaje.
En términos simples, el benchmark evalúa qué tan rápido puede una computadora con inteligencia artificial leer grandes volúmenes de información —como noticias económicas, reportes de empresas o conversaciones en redes sociales— y transformarlos en análisis útiles para decisiones financieras.
Según Nvidia, los sistemas basados en GB200 NVL72, que combinan CPU y GPU de la arquitectura Blackwell, lograron hasta 3,2 veces más rendimiento que la generación anterior de chips Hopper en este tipo de tareas.
Esto significa que los modelos de inteligencia artificial pueden procesar más información en menos tiempo, algo clave para sectores como el trading algorítmico, donde la velocidad de análisis puede marcar la diferencia entre ganar o perder dinero en segundos.
La inteligencia artificial entra al corazón del mercado financiero
Los modelos de lenguaje —tecnologías similares a las que utilizan chatbots como ChatGPT— se están incorporando rápidamente al mundo financiero. Estos sistemas pueden leer millones de documentos, identificar tendencias y detectar señales en datos no estructurados, como comentarios en redes sociales o resultados corporativos.
En ese contexto, la velocidad con la que funcionan estos modelos se volvió un factor estratégico. Cada consulta que hace un usuario o cada cálculo automático que ejecuta un sistema de inversión requiere lo que los ingenieros llaman “inferencia”, es decir, el momento en que la IA genera una respuesta o una predicción.
A diferencia del entrenamiento de modelos —que se realiza ocasionalmente— la inferencia ocurre constantemente, cada vez que la inteligencia artificial se utiliza en una aplicación real. Por eso, mejorar su rendimiento puede reducir costos y permitir nuevas aplicaciones.
Un nuevo estándar para la infraestructura de IA
El benchmark utilizado en esta prueba, STAC-AI, es desarrollado por un consorcio internacional que evalúa tecnologías de inteligencia artificial aplicadas al sector financiero desde hace más de una década. En la prueba más reciente se utilizaron modelos de lenguaje basados en Llama 3.1, un modelo abierto ampliamente utilizado por empresas y desarrolladores.
Para Nvidia, los resultados refuerzan una tendencia que domina el mercado tecnológico: el verdadero negocio de la inteligencia artificial no está solo en entrenar modelos, sino en operarlos a gran escala en centros de datos que responden millones de consultas por día.
El anuncio también tiene un trasfondo estratégico. Nvidia domina hoy el mercado mundial de chips para inteligencia artificial, utilizados por gigantes tecnológicos, bancos y startups para operar sistemas de IA generativa.
—
