{"id":700,"date":"2026-09-06T15:15:57","date_gmt":"2026-09-06T18:15:57","guid":{"rendered":"https:\/\/www.linuxpro.com.br\/2026\/09\/amd-vs-nvidia-fosso-cuda\/"},"modified":"2026-09-06T15:28:45","modified_gmt":"2026-09-06T18:28:45","slug":"amd-vs-nvidia-fosso-cuda","status":"publish","type":"post","link":"https:\/\/www.linuxpro.com.br\/es\/2026\/09\/amd-vs-nvidia-fosso-cuda\/","title":{"rendered":"AMD gana a Nvidia en todas las especificaciones \u2014 y aun as\u00ed pierde"},"content":{"rendered":"<p><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.linuxpro.com.br\/wp-content\/uploads\/2026\/09\/capa-amd-vs-nvidia.webp\" alt=\"AMD vs Nvidia: o fosso do CUDA\" width=\"1020\" height=\"620\" \/><\/p>\n<blockquote>\n<p><strong>Resumen en v\u00eddeo:<\/strong> este art\u00edculo es un resumen detallado del v\u00eddeo <em>\u201cAMD Beats Nvidia On Every Spec And Still Loses\u201d<\/em>, del canal <strong>The Stack<\/strong>.<br \/>\n<strong>URL del v\u00eddeo:<\/strong> <a href=\"https:\/\/www.youtube.com\/watch?v=bOHhUVSDmrw\" rel=\"noopener\" target=\"_blank\">https:\/\/www.youtube.com\/watch?v=bOHhUVSDmrw<\/a><\/p>\n<\/blockquote>\n<div class=\"video-container\" style=\"position:relative;padding-bottom:56.25%;height:0;overflow:hidden;margin:1.5em 0;\">\n  <iframe src=\"https:\/\/www.youtube.com\/embed\/bOHhUVSDmrw\" title=\"AMD Beats Nvidia On Every Spec And Still Loses\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" allowfullscreen style=\"position:absolute;top:0;left:0;width:100%;height:100%;\"><\/iframe>\n<\/div>\n<p>Sobre el papel, la disputa ni siquiera deber\u00eda existir: el acelerador <strong>AMD MI300X<\/strong> incorpora <strong>192 GB de memoria frente a los 80 GB<\/strong> del Nvidia H100, mueve <strong>5,3 TB\/s<\/strong> de ancho de banda y entrega <strong>1,31 petaflop<\/strong> \u2014 gana l\u00ednea por l\u00ednea en la hoja de datos. La propia AMD subi\u00f3 la apuesta en un anuncio oficial: el <strong>Instinct MI325X supera al H200<\/strong>, exactamente el chip que la industria hac\u00eda cola para comprar. Aun as\u00ed, Nvidia cerr\u00f3 2025 con <strong>92% del mercado de GPUs corporativas<\/strong> \u2014 de cada 100 GPUs en racks de servidor, 92 son verdes. El v\u00eddeo de The Stack disecciona por qu\u00e9 mejores especificaciones pierden frente a efectos de red \u2014 y la respuesta no est\u00e1 en el silicio, est\u00e1 en el software.<\/p>\n<h2>El foso se llama CUDA<\/h2>\n<p>Quien compra un cluster de decenas de millones de d\u00f3lares no compra un chip \u2014 compra compatibilidad. Nvidia lanz\u00f3 el <strong>CUDA<\/strong> en <strong>2007<\/strong>, cuando la GPU para computaci\u00f3n general todav\u00eda era una apuesta rara. Casi veinte a\u00f1os despu\u00e9s, esa apuesta se convirti\u00f3 en el foso de castillo m\u00e1s efectivo de la industria: <strong>PyTorch, TensorFlow y JAX<\/strong> \u2014 los tres frameworks que sustentan la IA moderna \u2014 asumen CUDA <em>por defecto<\/em>. El resultado: aproximadamente <strong>90% de todas las cargas de trabajo de entrenamiento de IA<\/strong> se ejecutan en Nvidia.<\/p>\n<p>La respuesta de AMD, <strong>ROCm<\/strong>, lleg\u00f3 solo en <strong>2016<\/strong> \u2014 con nueve a\u00f1os de retraso. En hardware, perder una ventana cuesta un ciclo de producto; en software, nueve a\u00f1os es una era geol\u00f3gica: es el tiempo que tarda el incumbente en dictar c\u00f3mo una generaci\u00f3n entera de ingenieros aprende a programar, c\u00f3mo ense\u00f1an las universidades y c\u00f3mo se construye el conjunto de herramientas a su alrededor. Y cuenta con la gravedad de la base instalada: con <strong>la mitad del parque mundial de chips de IA<\/strong> en silicio de Nvidia, cada truco de optimizaci\u00f3n y cada proyecto de fin de semana en GitHub nace probado en la arquitectura que el desarrollador tiene en sus manos, lo que hace que la plataforma sea a\u00fan m\u00e1s segura para el pr\u00f3ximo comprador, que engorda la base de nuevo. Es el ciclo que se retroalimenta.<\/p>\n<h2>La hidra de tres cabezas<\/h2>\n<p>Los analistas describen la ventaja estructural de Nvidia como una <strong>hidra de tres cabezas<\/strong>: el chip es solo una de ellas. La segunda es la <strong>capa de red<\/strong> que cose miles de GPUs en un \u00fanico cl\u00faster (NVLink, InfiniBand); la tercera es el conjunto de software sobre todo ello. Un competidor que empate en potencia de c\u00f3mputo todav\u00eda necesita vencer las otras dos cabezas \u2014 y ah\u00ed es donde la cuenta no cuadra.<\/p>\n<h2>Cinco meses de benchmarks, y el veredicto duele<\/h2>\n<p>La parte m\u00e1s contundente viene de <strong>SemiAnalysis<\/strong>, que pas\u00f3 <strong>cinco meses<\/strong> probando el hardware de AMD con apoyo directo de ingenieros de ambos fabricantes \u2014 es decir, d\u00e1ndole a AMD todas las oportunidades de optimizar. La conclusi\u00f3n: el silicio es r\u00e1pido como se anunci\u00f3, pero la pila de software est\u00e1 tan <em>\u201criddled with bugs\u201d<\/em> que el tiempo ganado en el hardware se evaporaba cazando errores extra\u00f1os, convirtiendo a ingenieros car\u00edsimos en soporte t\u00e9cnico a tiempo completo. El veredicto publicado fue seco: <strong>el foso de CUDA todav\u00eda no ha sido cruzado por AMD<\/strong>. Comprar el chip m\u00e1s potente sale caro cuando el coste real est\u00e1 en las horas de personal cualificado apagando incendios.<\/p>\n<h2>Atacando el foso por abajo<\/h2>\n<p>Si el problema es el software, el software se arregla, pero reescribir c\u00f3digo solo resuelve la mitad de la ecuaci\u00f3n; la otra mitad es el h\u00e1bito acumulado de veinte a\u00f1os. Dos frentes atacan exactamente eso:<\/p>\n<ul>\n<li><strong>SCALE<\/strong> (Spectral Compute) \u2014 capa de compatibilidad que toma tus <strong>binarios CUDA sin ninguna modificaci\u00f3n<\/strong> y los ejecuta en GPU AMD. La traducci\u00f3n ocurre en tiempo de compilaci\u00f3n: PyTorch cree que habla con un chip de Nvidia mientras un MI300X hace el c\u00e1lculo por debajo. Nada de migrar el modelo, mantener dos bases de c\u00f3digo o reentrenar al equipo<\/li>\n<li><strong>CANN<\/strong> (Huawei) \u2014 el toolkit de los aceleradores Ascend, <strong>abierto en agosto de 2025<\/strong> precisamente para comprobar si regalar el stack vence la memoria muscular de los desarrolladores<\/li>\n<\/ul>\n<p>Si \u201cejecutar CUDA en cualquier parte\u201d se convierte en una realidad fiable, la barrera deja de proteger el castillo: es la misma jugada que Wine\/Proton hizo con los juegos de Windows en Linux.<\/p>\n<h2>El mercado ya se agrieta \u2014 pero no para AMD<\/h2>\n<p>El dominio de Nvidia cay\u00f3 desde el pico de <strong>87% para una proyecci\u00f3n de 75% en 2026<\/strong> \u2014 12 puntos del sector del hardware m\u00e1s lucrativo del planeta buscando nueva direcci\u00f3n. La trampa: quien se lleva la diferencia no es AMD. Incluso con un trimestre de <strong>US$ 5,8 billones<\/strong> en centros de datos, su volumen no explica el agujero en la hoja de c\u00e1lculo. Quien lo explica son los <strong>chips propios<\/strong> de Google (TPU), Meta, Amazon y Microsoft, creciendo <strong>44,6% al a\u00f1o frente a 16,1%<\/strong> de las GPUs comerciales.<\/p>\n<p>Y el chip casero tiene una ventaja desleal en el apartado de software: solo necesita ejecutar <em>los modelos internos de la propia empresa<\/em>. No necesita soportar PyTorch para el mundo, ni convencer al mercado global de cambiar de h\u00e1bitos: el p\u00fablico objetivo es un \u00fanico edificio, y los ingenieros internos optimizan la pila cerrada e ignoran el ecosistema. La verdadera amenaza para Nvidia no es la competencia de siempre, sino sus mayores clientes dejando de ser clientes.<\/p>\n<h2>La lecci\u00f3n para quien construye<\/h2>\n<p>La moraleja del v\u00eddeo sirve para cualquier capa de la infraestructura: <strong>el ecosistema gana a la especificaci\u00f3n<\/strong>. Un fallo se corrige con un parche; pedir a todo un departamento que cambie las herramientas que domina es m\u00e1s dif\u00edcil que firmar el cheque de la plataforma en la que ya conf\u00eda. Vale para la GPU, vale para el lenguaje, vale para la nube: quien ya ha migrado de distro lo sabe: el coste nunca es el kernel, es todo lo que se ha construido a su alrededor. Para los del mundo Linux hay un lado bueno: ROCm, CANN y SCALE son apuestas abiertas contra un monopolio propietario, y es en el ping\u00fcino donde se est\u00e1 librando toda esa batalla: pr\u00e1cticamente todo el entrenamiento de IA del planeta corre en Linux, ya sea el chip verde, rojo o casero.<\/p>\n<p>Merece los 17 minutos del v\u00eddeo original \u2014 y si ejecutas IA local en tu hardware, la entrada <a href=\"\/es\/2026\/09\/rodando-ia-local-no-linux-com-ollama\/\">Ejecutando IA local en Linux con Ollama<\/a> es el complemento pr\u00e1ctico.<\/p>","protected":false},"excerpt":{"rendered":"<p>Resumo em v\u00eddeo: este artigo \u00e9 um resumo detalhado do v\u00eddeo &#8220;AMD Beats Nvidia On Every Spec And Still Loses&#8221;, do canal The Stack. URL do v\u00eddeo: https:\/\/www.youtube.com\/watch?v=bOHhUVSDmrw No papel, a disputa nem deveria existir: o acelerador AMD MI300X carrega 192 GB de mem\u00f3ria contra 80 GB do Nvidia H100, move 5,3 TB\/s de banda &#8230; <a title=\"AMD gana a Nvidia en todas las especificaciones \u2014 y aun as\u00ed pierde\" class=\"read-more\" href=\"https:\/\/www.linuxpro.com.br\/es\/2026\/09\/amd-vs-nvidia-fosso-cuda\/\" aria-label=\"Leer m\u00e1s sobre AMD vence a Nvidia em todas as especifica\u00e7\u00f5es \u2014 e mesmo assim perde\">Leer m\u00e1s<\/a><\/p>","protected":false},"author":0,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[115,25],"tags":[342,153,134,116,152,343],"class_list":["post-700","post","type-post","status-publish","format-standard","hentry","category-ia","category-noticias","tag-amd","tag-cuda","tag-gpu","tag-ia","tag-nvidia","tag-rocm"],"_links":{"self":[{"href":"https:\/\/www.linuxpro.com.br\/es\/wp-json\/wp\/v2\/posts\/700","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.linuxpro.com.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.linuxpro.com.br\/es\/wp-json\/wp\/v2\/types\/post"}],"replies":[{"embeddable":true,"href":"https:\/\/www.linuxpro.com.br\/es\/wp-json\/wp\/v2\/comments?post=700"}],"version-history":[{"count":2,"href":"https:\/\/www.linuxpro.com.br\/es\/wp-json\/wp\/v2\/posts\/700\/revisions"}],"predecessor-version":[{"id":712,"href":"https:\/\/www.linuxpro.com.br\/es\/wp-json\/wp\/v2\/posts\/700\/revisions\/712"}],"wp:attachment":[{"href":"https:\/\/www.linuxpro.com.br\/es\/wp-json\/wp\/v2\/media?parent=700"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.linuxpro.com.br\/es\/wp-json\/wp\/v2\/categories?post=700"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.linuxpro.com.br\/es\/wp-json\/wp\/v2\/tags?post=700"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}