Una GPU (graphics processing unit) es un procesador especializado en hacer la misma operación sobre muchísimos datos a la vez, como calcular el color de cada píxel de una escena 3D. Un procesador común (CPU) hace pocas cosas complicadas en serie; una GPU, muchas cosas simples en paralelo. Las redes neuronales consisten sobre todo en multiplicaciones de matrices, exactamente ese tipo de trabajo.
La historia es un caso de «construido para otra cosa» (Mollick, 2026). Nvidia se fundó en 1993 para hacer chips gráficos para videojuegos y vendió la GeForce 256 (1999) como «la primera GPU». Antes de 2007, quien quería usar esos chips para cálculo científico tenía que disfrazar sus ecuaciones de operaciones gráficas; ese año, CUDA los abrió a cualquier cálculo. En 2012, AlexNet se entrenó en dos placas GTX 580 de 3 GB, pensadas para jugar, durante cinco o seis días, en el dormitorio de Alex Krizhevsky en la casa de sus padres (2026). Como resume Chollet (2021), el mercado de los videojuegos subsidió la supercomputación de la siguiente generación de IA (2021, sec. 1.3.1).
La arquitectura transformer se diseñó en parte para aprovechar ese paralelismo: el original se entrenó en 8 GPU durante 3,5 días (Vaswani et al., 2017, sec. 5.2), y LLaMA-65B, en 2.048 GPU A100 durante unos 21 días (Touvron, Lavril et al., 2023). Hoy la memoria de la placa (VRAM) decide qué modelos puede correr cada uno, y quien no tiene acceso a GPU potentes es, en la jerga, GPU-poor (Alammar y Grootendorst, 2024, pp. 28–29). La canción de p(doom) pide «Hundred thousand GPU» y apuesta a que las acciones de Nvidia suban a la luna (NVDA a la luna) (osmarks, s. f.).
Sara Hooker (2021) llamó «lotería del hardware» a que una idea de investigación gane porque se adapta al hardware disponible y no por ser superior. ¿Cuánto de lo que hoy llamamos inteligencia artificial es la clase de inteligencia que las GPU hacen barata?