AMD usó la apertura del congreso Supercomputing 2026 (SC26), esta semana en Chicago, para lanzarle una crítica indirecta a Nvidia por la falta de soporte nativo para el tipo de dato FP64 en sus GPU de centro de datos, informó Tom's Hardware.

El FP64, o cálculo de punto flotante en doble precisión, se usa mucho en la computación científica de alto rendimiento y en la simulación, que son el foco de SC26. Para esos clientes, como los laboratorios nacionales y los centros de supercómputo, AMD promueve su acelerador Instinct MI430X.

¿Por qué Nvidia dejó de lado el FP64 nativo?

En los últimos años Nvidia redistribuyó la superficie de sus GPU de centro de datos hacia el cálculo matricial de baja precisión, que es lo que acelera buena parte de la inferencia de IA moderna. Tiene sentido de negocio. El mercado de cómputo para IA explotó, mientras la demanda de doble precisión en las grandes instalaciones de supercómputo se mantuvo plana.

Para compensar, Nvidia recurrió a técnicas que emulan operaciones FP64 con métodos como los esquemas Ozaki. AMD sostiene que esa emulación está lejos de reemplazar al procesamiento nativo en doble precisión, y por eso sigue desarrollando productos especializados como el MI430X.

Los argumentos de AMD contra la emulación

El primero es que la emulación Ozaki supone que la carga se parece a una multiplicación general de matrices densas (GEMM). Según el perfilado de aplicaciones que hizo la propia AMD, "menos del 10%" de las cargas de supercómputo hace operaciones GEMM densas. El álgebra lineal densa es la única carga común para la que AMD reconoce que la emulación encaja de forma natural.

Para el resto, AMD dice que los desarrolladores siguen necesitando buen rendimiento vectorial en FP64. La empresa menciona estas cargas:

  • Álgebra lineal iterativa dispersa
  • Plantillas de cálculo (stencils) e hidrodinámica
  • Análisis por elementos finitos de alto orden
  • Métodos Monte Carlo y transporte de partículas
  • Dinámica molecular clásica

Incluso en las cargas que sí se traducen bien a GEMM, AMD dice que las matrices tienen que ser grandes para lograr el mejor rendimiento, y eso no siempre ocurre. Los operandos también tienen que calzar con el tamaño que espera el hardware, porque un escalado incorrecto baja el rendimiento. Según AMD, el cálculo vectorial FP64 del MI430X no sufre esos problemas de tamaño de operandos.

El costo en memoria

AMD agrega que la emulación Ozaki puede inflar la huella de memoria de una aplicación hasta tres veces más que el FP64 nativo.

En los supercomputadores modernos la capacidad de HBM va atada a cada GPU. Si una carga tiene que caber en una máquina que solo emula FP64, el efecto se encadena. Hacen falta más GPU y más nodos, y con ellos más superficie, energía y refrigeración.

AMD dice que los 432 GB de memoria HBM4 por MI430X permiten provisionar menos GPU y menos nodos, y ahorrar en red, energía y espacio.

¿Sirve el MI430X para inferencia de IA?

AMD también posiciona un supercomputador con MI430X como plataforma de inferencia para los modelos de IA que se usan dentro de la investigación. Pero hay diferencias importantes con el rack Helios, que usa GPU MI455X de la misma familia de arquitectura CDNA 5.

AceleradorCómputo FP4 teóricoDominio de escalado nativo
Instinct MI430X9,2 PFLOPS4 GPU por Infinity Fabric
Instinct MI455X (Helios)40,3 PFLOPS72 aceleradores por rack

El dominio de cuatro MI430X junto a una CPU EPYC de sexta generación queda muy atrás de los 72 MI455X de un rack Helios. AMD dice que esa interconexión está optimizada para operaciones sensibles a la latencia y no para un dominio de escalado masivo.

Un nodo con cuatro MI430X suma 1,72 TB de HBM4 y 93,2 TB/s de ancho de banda de memoria, con 12,3 Tbps de ancho de banda de escalado entre las GPU. Tom's Hardware estima que, para científicos e ingenieros cuyos modelos caben en esa memoria, el rendimiento de inferencia de cada nodo alcanza para las aplicaciones de IA que corren junto al cálculo en doble precisión. Las instalaciones institucionales de supercómputo, además, no suelen intentar funcionar a la vez como proveedores de inferencia en la nube.

Dónde se va a instalar

El MI430X ya suma varios contratos de supercómputo. Lo van a usar estos sistemas:

  • Discovery, el próximo supercomputador del Laboratorio Nacional de Oak Ridge
  • Alice Recoque, en Francia
  • LUMI-AI, del centro CSC de Finlandia
  • Herder, en Alemania

Esas máquinas institucionales serán mucho más chicas que las instalaciones de inferencia de IA con chips de AMD y de Nvidia que se construyen en todo el mundo. Tom's Hardware apunta que la experiencia de AMD en diseño de silicio semipersonalizado y en chiplets le da flexibilidad para ajustar productos como el MI430X a mercados especializados, en vez de ofrecer un único diseño para todos.