Trabajar con hardware de Nvidia se ha convertido en un símbolo de estatus, una señal de que la IA se toma en serio. Charlando con ingenieros sobre el equipo, recordé la vez que vi una fila serpenteante de jóvenes parados en el frío para comprar zapatillas de la marca de ropa urbana Supreme.
A principios de este año, CoreWeave se hizo pública. Venturo y sus cofundadores son ahora multimillonarios. La compañía tiene varios cientos de miles de GPU y su plataforma entrena modelos para Meta y otros laboratorios líderes, además de OpenAI.
Este verano visité una instalación de CoreWeave en las afueras de Las Vegas. El edificio, un gran almacén, estaba rodeado por una gruesa valla y salpicado a intervalos regulares de cámaras de seguridad. Pasé por un torniquete, donde me recibió un guardia de seguridad que llevaba un chaleco antibalas y una pistola Taser enfundada. Después de devolver mi teléfono, tomé dos tapones para los oídos de color verde lima de un dispensador y entré al establecimiento.
Me acompañaron tres ingenieros de CoreWeave, geeks que se habían adaptado al capitalismo a gran escala como lo fueron los pinzones de Darwin en las Islas Galápagos. Jacob Yundt, de la empresa, era delgado y elocuente, con una raya en picado en el pelo. Christopher Conley, un explicador entusiasta con gafas de sol y barba, supervisó el material. Sean Anderson, un ex centro de baloncesto universitario de dos metros de altura, vestía una camiseta que decía “NUDOS DEL MAÑANA.”
Los nodos en cuestión eran bandejas poco profundas de equipos informáticos, cada una de las cuales pesaba aproximadamente setenta libras y contenían cuatro GPU refrigeradas por agua, así como una serie de equipos adicionales. Dieciocho de estas bandejas se apilan y luego se conectan mediante cables a una unidad de control, para formar el rack de computadora Nvidia GB300, un poco más alto que un refrigerador y que cuesta unos pocos millones de dólares. En un año muy ocupado, un rack típico consumirá más electricidad que cien hogares. Docenas de ellos se extendían en la distancia.
CoreWeave mantiene sus bastidores en gabinetes de metal blanco para mantenerlos frescos y amortiguar el ruido. Conley abrió una puerta para mostrarme un estante en acción y el aire me sacudió. El ruido era espantoso, como si hubiera abierto un armario de escobas y hubiera encontrado dentro un motor a reacción en funcionamiento. Vi las luces parpadear y los ventiladores girar. “El tinnitus es un riesgo laboral”, me gritó Conley.
Miré a mi alrededor. Había cientos de gabinetes idénticos por toda la instalación. Sobre nosotros había una pasarela metálica bordeada de distribuidores de energía para equipos informáticos. Pensé en los monjes en los claustros, en los soldados en los cuarteles, en los prisioneros en las celdas. Me preguntaba qué clase de persona trabajaba voluntariamente en un lugar así. “Recursos Humanos me dijo que ya no podía hacer ese tipo de preguntas, pero me gusta contratar personas que puedan soportar mucho dolor”, dijo Yundt más tarde. “Atletas de resistencia, ese tipo de cosas”.
CoreWeave no me dijo qué cliente estaba usando su tecnología ese día, aunque Yundt sugirió que la capacitación a la que asistíamos era modesta. Comenzó a detallar la configuración del bastidor. Incapaz de oír lo que decía, asentí sabiamente, como en una conversación de club nocturno. Incluso con los tapones para los oídos puestos, mis oídos empezaron a pitar y me dolía la cabeza. Yundt se volvió hacia mí. “A veces un cliente se apodera de todo este lugar durante semanas”, gritó. Su pelo con raya empezó a latir con el escape del ventilador. “A estas las llamamos ‘carreras de héroes’. »
El hardware de CoreWeave puede entrenar IA desde cero. Los desarrolladores de software, generalmente en una estación de trabajo en Silicon Valley, cargan en el centro de datos un archivo de números llamados “pesos” y una amplia gama de datos de entrenamiento, que pueden ser texto, imágenes, registros médicos o, en realidad, cualquier cosa. En su configuración inicial, los pesos son aleatorios y la IA no tiene capacidades.
Luego, la IA se expone a algunos de los datos de entrenamiento y se le pide que haga una predicción sobre lo que debería resultar: las siguientes letras de una oración, por ejemplo. Una IA no entrenada invariablemente se equivocará en esta predicción, pero al menos aprenderá qué no HACER. Los pesos deben cambiarse para absorber esta nueva información. Las matemáticas son pesadas y particularmente dependientes de una operación conocida como multiplicación de matrices.
