IA comuna catalana laia
Problema:
Nvidia i Microsoft han creat un ordinador per competir amb IA per que cada persona la pugui fer servir en l’àmbit local i privat.
Cada persona haurà de comprar un ordinador i alhora pagar 500€ aprox per la memòria al núvol per poder fer coses.
Dubte: no tothom vol crear coses els creatius som el 10% o menys, no necessiten tant.
Idea: IA Comuna Catalana «Laia»
- Crear fórmula en català per col·lectivitzatel servei d’us de IA local o al núvol i emagatzematge de memòria virtual, amb subvencions i donacions, crear una via per poder-nos connectar totes les catalanes que tinguem projectes o ajudar a que siguin viables.
- Accés a projectes i a gent que necessita molta memoria d’emmagatzematge.
Amb ordinador Mare Nostrum 5.
Sobretot vídeos, series i cinema.
Si creem un lloc on poder produït cinema sense cost de memoria i capacitats tècniques per efectes especials i muntatge, podriem atraure milers de produccions internacionals.
- Fer series de personatges catalans exemple: Gaudí i Mercè Rodoreda.
- Concurs anual de curts en català.
- Curs de IA + ètica + art per a tots.
- Assessoria per fer viables projectes artistics i culturals.
Vaig fer cinema al Escac, animació, il.lustració a Serra i Abella, realització, producció i cinema a la UB, ESRP, video creació, ara sóc professora Marketing Digital i IA a cipsa.net fa 8 anys, he col.laborat en molts projectes audiovisuals com artista lutxana art i amb la ong paraypormujeres. No m’agrada que hagem de dependre d’empreses xineses o americanes en les noves tecnologies.
@lutxana ❤️ *i si fem una IA comuna catalana? Podem fer superordinador Marenostrum 5. #estiktokat #iacatalana
Judith Díaz Garcés
05/06/2026
lutxana art barcelona
hola@lutxana.cat
lutxanaartbarcelona@gmail.com
lutxana.cat
ACTUALITAT AMB LA IA:
Articles relacionats amb el tema:
La IA no és binària: les persones, la natura i el marqueting tampoc.
La fi dels núvols? Com NVIDIA i el nou RTX Spark estan portant el futur de la IA directament a la teva motxilla
El dilema de la subscripció infinita
Estem vivint sota el jou de la «subscripció infinita». Cada mes, el degoteig de càrrecs de ChatGPT, Claude o Gemini s’acumula a la nostra llista de despeses operatives, creant una dependència gairebé addictiva. Lloguem una intel·ligència que resideix en servidors aliens, sovint sacrificant la privadesa de les nostres dades o la propietat intel·lectual de la nostra empresa en el procés. Però, què passaria si poguessis deixar de ser un llogater per convertir-te en propietari del teu propi cervell digital?
El paradigma està canviant de manera radical. El nou maquinari que NVIDIA i Microsoft han posat sobre la taula no és només una millora tècnica; és una declaració de sobirania. Estem a les portes de passar de la IA com a servei «al núvol» a la IA com a actiu local, transformant el PC d’una simple terminal de clics en un servidor d’agents privats i ultra-potents que resideixen, per fi, a la teva motxilla.
El «Superchip» RTX Spark: Més que una simple actualització
Amb el llançament de l’RTX Spark, NVIDIA no s’ha limitat a presentar una nova GPU; ha executat un moviment estratègic mestre en col·laboració amb MediaTek. Aquest SoC (System-on-a-Chip) representa l’entrada directa de NVIDIA al mercat de CPUs per a portàtils Windows, desafiant l’hegemonia de l’arquitectura x86 d’Intel i AMD, i atacant frontalment la dominància d’Apple Silicon i el Qualcomm Snapdragon X.
La potència bruta d’aquest silici és, senzillament, d’una altra lliga:
- Arquitectura Híbrida: Fusiona una CPU ARM de 20 nuclis d’alta eficiència amb una GPU Blackwell de 6.144 nuclis CUDA.
- El Salt dels TOPS: Mentre que els actuals «Copilot+ PCs» presumeixen d’uns respectables 40-50 TOPS, l’RTX Spark assoleix els 1.824 TOPS (o 1 Petaflop de rendiment en IA). Estem parlant d’un salt de fins a 40 vegades la potència de càlcul actual, comprimint la capacitat d’un superordinador en equips com el nou Surface Laptop Ultra.
128 GB de memòria unificada: El secret per oblidar-se del núvol
Fins avui, el veritable coll d’ampolla per a la IA local no era només el processament, sinó la memòria. Els models més sofisticats requerien capacitats que cap portàtil convencional podia oferir. NVIDIA ha trencat aquesta barrera amb 128 GB de memòria unificada LPDDR5X.
Aquesta arquitectura permet que tant la CPU com la GPU accedeixin al mateix banc de dades massiu, facilitant l’execució local de models de fins a 120.000 milions de paràmetres i suportant finestres de context de fins a 1 milió de tokens. Com va afirmar Satya Nadella, CEO de Microsoft:
«Aquest és realment el començament de la idea d’intel·ligència sense límits.»
Per a un estrateg tecnològic, la lliçó és clara: la memòria unificada és el nou «foso» defensiu. En permetre que el coneixement resideixi íntegrament a l’escriptori, NVIDIA elimina la necessitat de les APIs externes, garantint una latència mínima i una privadesa absoluta.
Project G-Assist: Quan la IA deixa de ser un xat per controlar el teu PC
L’assistent NVIDIA G-Assist marca la transició de la interfície d’usuari clàssica a una de tipus agèntic. Ja no parlem d’una finestra de xat aïllada, sinó d’un sistema que entén i actua sobre el teu entorn de treball. Aquesta tecnologia neix de la suite NVIDIA ACE (utilitzada originalment per dotar de vida els NPCs en videojocs), i ara es posa al servei de l’operabilitat del sistema operatiu.
Les seves capacitats més sorprenents inclouen:
- Control total del sistema: Gestió d’ajustos complexos de Windows, configuració de xarxa i optimització de recursos mitjançant comandes de veu o text.
- Monitorització en temps real: Anàlisi constant del rendiment, temperatures i taxa de frames, oferint consells proactius per millorar l’eficiència.
- Gestió de perifèrics: Control directe de la il·luminació i paràmetres de maquinari de tercers, sense necessitat de navegar per menús tediós.
A més, NVIDIA ha publicat un repositori a GitHub per a la creació de plugins personalitzats, buscant crear un ecosistema obert que bloquegi els desenvolupadors dins del seu maquinari local, imitant l’estratègia que va donar la victòria a Windows als anys 90.
L’eficiència de la quantificació NVFP4: Més velocitat, menys energia
L’arquitectura Blackwell introdueix una innovació matemàtica crucial: la quantificació NVFP4. Aquesta tecnologia permet processar la IA amb una precisió optimitzada que redueix dràsticament els requisits de recursos sense sacrificar la qualitat de les respostes.
Les dades comparatives són aclaparadores: l’NVFP4 ofereix un throughput 1,6 vegades superior al format BF16 tradicional, aconseguint alhora una reducció del consum energètic del 41%. Aquesta eficiència és la que permet que un dispositiu com el Surface RTX Spark Dev Box, amb només 14 mm de gruix i un pes d’uns 1,3 kg, tingui la densitat de càlcul que fins fa poc requeria una estació de treball de 20 quilos connectada permanentment a la paret.
L’economia de la IA local: Un ROI que espanta el núvol
L’argument financer per a la IA local és, potser, el més contundent per a les pimes i professionals. El cost d’executar IA localment es limita pràcticament a l’electricitat, situant-se entre els 0,001 $ i els 0,04 $ per milió de tokens (més una amortització del maquinari estimada en 0,01-0,05 $/MTok).
Si comparem aquestes xifres amb les APIs del núvol per a un volum de dades moderat (uns 30 milions de tokens al dia), el retorn de la inversió (ROI) és impactant:
- Break-even en 4 dies: Si el comparem amb l’ús intensiu de models frontera com Claude Opus.
- Break-even en 4 mesos: Si es compara amb models de núvol més econòmics.
Aquesta democratització permet que qualsevol startup pugui competir en potència de càlcul sense els costos operatius (OPEX) desorbitats que imposen els grans proveïdors de serveis al núvol.
Conclusió: Llogar o posseir la teva intel·ligència?
L’arribada de l’RTX Spark no és només una qüestió de velocitat, sinó de sobirania de dades i independència estratègica. NVIDIA està executant una «CUDA-ficació» de l’escriptori, convertint CUDA en el llenguatge universal de la IA local, de la mateixa manera que Microsoft ho va fer amb Windows fa dècades. En fer-ho, ens ofereix una sortida al model de lloguer perpetu.
La IA local garanteix que els teus secrets comercials mai surtin de la teva màquina i que el teu flux de treball no depengui d’una connexió a internet o dels canvis de preu d’un tercer. El futur ja no és un núvol llunyà; és el silici que portes a la mà.
Estàs realment preparada per deixar de pagar les teves subscripcions mensuals i convertir el teu proper PC en el teu propi servidor d’IA privat?
Deixem de dependre de Chat GPT o Antropic (USA) per dependre de NVIDIA i la Xina?
Sempre depenent o construïm una alternativa pròpia i ètica?
Full de Ruta cap a la Sobirania Tecnològica: Alternatives a l’Hegemonia de NVIDIA i la IA de Subscripció
Anàlisi Crítica del Monopoli Actual: L’ecosistema Blackwell i el parany de la dependència
L’actual paradigma de la «IA Agèntica» no és només una fita tecnològica; és l’escenari on NVIDIA està consolidant una integració vertical agressiva per capturar l’autonomia corporativa. Amb la nova arquitectura Blackwell i el superxip RTX Spark, la companyia ha fusionat CPU (ARM), GPU i 128 GB de memòria unificada en un sol SoC (System on Chip). Aquesta maniobra, empaquetada per Microsoft en dispositius com el Surface RTX Spark Dev Box, actua com un veritable «Cavall de Troia»: promet potència local però manté les organitzacions encadenades al Windows/Copilot Runtime i a l’ecosistema tancat de CUDA. Acceptar aquest model sense reserves és, a la pràctica, acceptar un vassallatge digital voluntari que erosiona la propietat intel·lectual i el control d’actius crítics.
Entendre la gravetat d’aquesta dependència requereix desglossar els tres pilars que la sostenen:
- Maquinari Propietari: El xip RTX Spark elimina colls d’ampolla, però imposa una arquitectura impossible de replicar fora del control de NVIDIA.
- Ecosistema CUDA: Un entorn de programari que vincula indissolublement el desenvolupament d’IA a un únic proveïdor.
- Models SaaS (Software as a Service): El model de subscripció (Cloud AI) transforma el coneixement institucional en un lloguer perpetu i vulnerable.
La necessitat de desvincular-se d’aquest control és ara imperativa: les dades de 2025-2026 confirmen que ja és possible executar models de més de 120.000 milions de paràmetres de forma local, fent que el pas pel núvol sigui una opció i no una submissió tècnica.
Desvinculació del Maquinari: L’Alternativa AMD i la Maduració de ROCm
Per garantir la supervivència institucional, la diversificació de proveïdors de GPU és el primer pas per evitar el bloqueig de preus i subministraments. En el context de la inferència local, la VRAM és el factor determinant del ROI: determina quin model es pot carregar i amb quina precisió. Mentre NVIDIA segmenta el mercat amb preus de platí per a la línia professional, AMD ha madurat la plataforma ROCm 6.x, oferint solucions que destrossen la ràtio preu/capacitat del líder del mercat.
| Model de GPU | VRAM | Ecosistema | Ràtio Preu/GB | Preu Aproximat |
| GIGABYTE Radeon AI Pro R9700 | 32 GB GDDR6 | ROCm (Obert) | 52,0 €/GB | 1.666 € |
| MSI RTX 5090 (Consumer Flagship) | 32 GB GDDR7 | CUDA (Tancat) | 62,5 €/GB | ~2.000 € |
| PNY RTX Pro 4000 Blackwell | 24 GB GDDR7 | CUDA (Tancat) | 84,5 €/GB | 2.029 € |
| GIGABYTE RX 9060 XT | 16 GB GDDR6 | ROCm (Obert) | 28,4 €/GB | 454 € |
És un fet estratègic inapel·lable: la Radeon AI Pro R9700 és l’única solució del mercat per sota dels 2.000 € capaç de carregar un Llama 3 70B (en quantització Q4) de forma íntegra en una sola targeta. El maquinari, però, és només la infraestructura; la llibertat real es conquereix en el stack de programari.
Del Núvol a l’Autonomia: Models Open-Weight i Inferència Local
La transició cap a models de pes obert (Open-Weight) com Llama 3, Qwen 2.5/3 o Gemma 3 és l’única via per garantir la privadesa absoluta. L’ús del format NVFP4 (4 bits) no és només una qüestió d’espai: les dades de l’estudi arXiv demostren una reducció de l’energia del 41% i un increment del throughput d’1,6x respecte al format BF16. Això converteix la inferència local en una opció econòmicament superior a qualsevol API comercial.
Passos tècnics per a la implementació d’un entorn sobirà:
- Entorn de sistemes: Configurar WSL 2 per a un correcte passthrough de la GPU en entorns Windows, garantint l’accés directe al maquinari.
- Motor d’inferència: Implementar vLLM amb PagedAttention i sistema de caching de LoRA adapters, permetent que la IA agèntica canviï de tasca amb un mínim overhead.
- Selecció de models: Establir Qwen3-8B com a estàndard per la seva excel·lent ràtio de throughput-qualitat en tasques d’automatització.
- Optimització: Utilitzar eines com llama.cpp o ollama per a una compatibilitat total amb AMD ROCm, eliminant la dependència de CUDA.
Aquesta viabilitat tècnica es tradueix directament en un avantatge fiscal massiu quan s’analitzen els costos operatius.
Viabilitat Econòmica: Anàlisi de Retorn d’Inversió (ROI) i Sobirania de Dades
L’adquisició de maquinari no ha de ser vista com una despesa, sinó com un actiu de capital (CapEx) que immunitza l’empresa contra les quotes mensuals i les pujades de tarifes unilaterals dels proveïdors de núvol. En un escenari d’ús intensiu de 30 milions de tokens al dia, el cost de la inferència local cau fins a situar-se entre els 0,001 € i els 0,04 € per milió de tokens.
Impacte Econòmic del Break-Even: Segons les anàlisis de mercat de 2026, una estació de treball equipada amb una RTX 5090 amortitza la seva inversió en només 59 dies si es compara amb l’ús de GPT-5 mini. Davant de models de frontera com Claude Opus 4.5, la inversió es recupera en uns increïbles 4 dies. En resum: la inferència local és entre 40 i 200 vegades més barata que les APIs comercials.
Més enllà dels números, la privadesa és un valor econòmic crític. Evitar la fuga de coneixement institucional cap a les «caixes negres» del núvol és el que garanteix l’avantatge competitiu a llarg termini.
Estratègies per a un Futur sense IA Centralitzada
Les empreses líders ja estan prioritzant el «Vibe Coding» i el desenvolupament local dins de sandboxes segurs com OpenShell. Aquest enfocament evita que les dades de telemetria i el codi font es filtrin al proveïdor del sistema operatiu, creant un perímetre de seguretat on l’optimització mitjançant NVFP4 permet que fins i tot el maquinari menys potent executi tasques de raonament complex.
Checklist de Sobirania Tecnològica:
- [ ] Auditoria de Stack: Identificar quins fluxos de treball enviats al núvol contenen dades sensibles.
- [ ] Disseny Tèrmic: Seleccionar maquinari amb refrigeració server-grade (turbos o dissipadors passius) dissenyat per a operacions 24/7, garantint la durabilitat de l’actiu.
- [ ] Disciplina Fiscal de Context: Implementar semantic chunking per mantenir les finestres de context sota els 16k tokens, ja que doblar el context (de 8k a 16k) dobla el cost energètic.
- [ ] Sandbox Local: Configurar entorns d’execució tancats per a agents d’IA, desvinculats dels sistemes de monitorització del SO.
La llibertat tecnològica és l’únic camí per evitar la dilució de l’avantatge competitiu en mans dels gegants de la IA.
Conclusions i Decisions Estratègiques
La dependència dels monopolis no és un estat natural, sinó una elecció estratègica errònia. Amb la capacitat actual d’executar models de 120B paràmetres en local, la sobirania tecnològica ha passat de ser un ideal a ser una realitat operativa i econòmicament imperativa.
Avaluar el stack actual Identificar el cost real i el risc de privadesa derivat de les subscripcions a APIs de tercers. El núvol ha de ser una eina puntual, no la base de la intel·ligència institucional.
Pilotar models Open-Weight Validar la qualitat de models com Qwen3 o Llama 3 en entorns locals. La millora del 1,6x en throughput que ofereix Blackwell en inferència local ja permet superar la latència de moltes APIs comercials.
Invertir en infraestructura local no-NVIDIA Apostar per targetes amb alta VRAM i suport ROCm, com la Radeon R9700, per trencar el cicle de dependència de CUDA i assegurar la propietat física de la capacitat de computació de l’empresa.
La sobirania tecnològica no és un destí, sinó una pràctica diària de llibertat tècnica. La transició comença avui. Tecnofeminisme amb ètica.
Creus que Nvidia i Microsoft fan aquesta aposta per no dependre de metalls i minerals estranys?
la IA Comuna Catalana (Laia), que és un projecte centrat principalment en la sobirania digital, lingüística i cultural. Però la pregunta toca un punt molt profund i complex: la relació entre el software (la IA), el hardware (els xips) i la matèria primera (els minerals).
Per respondre a la teva pregunta: no exactament, però hi ha un anunci geopolític molt important.
La diferència entre Soberania Digital i Soberania Material
El projecte de la IA Laia busca que el català no sigui un «estudiant» de models anglocèntrics (com ChatGPT), sinó que tingui un model entrenat amb els seus propis valors i dades. Això és soberania de dades i cultura.
Però, perquè aquesta IA funcioni, necessites:
- Hardware: GPU’s de NVIDIA.
- Energia: Electricitat massiva.
- Matèria primera: Silici, liti, cobalt, terres rares, etc.
NVIDIA i Microsoft no poden «apostar» per no dependre de minerals estrangers perquè és físicament impossible. Els minerals necessaris per fabricar un xip no es troben a EUA ni a Europa en quantitats suficients ni amb la capacitat de processament adequada. La gran majoria d’aquestes mines i, sobretot, el processament d’aquests minerals, estan a Xina.
Què busquen realment NVIDIA i Microsoft?
Més que evitar els «metalls estrangers», el que busquen és evitar la dependència de punts crítics de fallada geopolítics.
- El cas de Taiwan: NVIDIA dissenya els xips, però qui els fabrica realment és la TSMC a Taiwan. Si Taiwan i Xina tenen un conflicte, la indústria de la IA s’atura instantàniament.
- Això és el que realment els preocupa.
- La diversificació: Per això veiem que NVIDIA i Microsoft impulsen fàbriques a EUA (el CHIPS Act). No volen deixar de fer servir minerals estrangers (que és impossible), però volen que la fabricació del xip no depengui d’un sol punt geogràfic vulnerable.
La «Sobirania de la IA» com a estratègia de poder
Quan veus que s’estimen projectes com la IA Laia, o que França impulsa Mistral AI, s’està intentant evitar una altra dependència: la dependència algorítmica.
Si tot el món utilitza la IA de Microsoft (Azure/OpenAI), Microsoft no només controla el programari, sinó que:
- Controla la visió del món: Decideix què és «correcte» o «incorrecte» segons els seus filtres.
- Controla el preu: Pots pagar la quota que ells vulguin.
- Controla la dependència: Si et deslliguen el servei, la teva economia digital s’estanca.
Nvidia i Microsoft no poden escapar de la dependència de minerals estrangers (aquí la dependència és ecològica i extractivista), però sí que estan intentant escapar de la dependència de tercers països en la fabricació i el control de la tecnologia.
El projecte de la IA catalana és una resposta a la dependència cultural i cognitiva. És el primer escaló: «Volem pensar i parlar amb la nostra pròpia IA». Però, com bé notes tu, el problema és que, mentre aquesta IA corri sobre servidors de Microsoft i xips de Nvidia, la «soberania» és parcial, ja que la base material segueix sent propietat de grans corporacions i està subjecta a la geopolítica dels minerals.
Si amb Nvidia i Microsoft parlàvem de dependència, amb DeepSeek i Huawei entrem en un escenari totalment diferent: el de la guerra total per la independència tecnològica de Xina.
A diferència d’EUA, Xina té una posició molt més poderosa pel que fa als minerals, però una posició molt més vulnerable pel que fa a la fabricació avançada.
Aquí t’explico com encaixen aquests dos actors en el joc de la dependència:
Huawei: El braç armat del hardware (La «des-americanització»)
Huawei no és només una empresa de telèfons; és l’arquitecte de l’infraestructura digital de Xina. Des de les sancions dels EUA (que els impedeixen comprar xips de Nvidia o licències de software americà), Huawei ha assumit una missió d’estat: crear un ecosistema complet sense cap peça americana.
- Xips Ascend: Huawei ha desenvolupat la seva pròpia línia de processadors per a IA (la sèrie Ascend). El seu objectiu és que les empreses xineses no necessitin els H100 de Nvidia.
- Frameworks propis: Han creat MindSpore, una alternativa a PyTorch (de Meta) o TensorFlow (de Google), perquè el software també estigui «net» d’influència dels EUA.
- Control dels minerals: Aquí és on Xina guanya. Xina domina el processament de terres rares, liti i cobalt. Mentre Nvidia pateix perquè no sap on comprar minerals segurs, Huawei té els minerals a la porta de casa.
DeepSeek: L’eficiència com a estratègia de supervivència
DeepSeek és un laboratori de IA xinès que s’ha convertit en una sorpresa global perquè ha demostrat que es poden crear models pocs cometent errors i molt potents gastant molt menys recursos que OpenAI o Google.
Això no és casualitat, és una resposta a la seva situació geopolítica:
- L’estratègia de l'»optimització»: Com que els EUA han prohibit a Xina importar els xips més potents de Nvidia, els enginyers de DeepSeek no poden permetre’s el luxe de «tirar» potència de càlcul. Han hagut d’inventar maneres més intel·ligents i eficients d’entrenar la IA.
- Ruptura de la dependència de la força bruta: Si Microsoft aposta per la «força bruta» (més xips + més energia), DeepSeek aposta per l'»elegància algorítmica». Això els permet competir amb models gegants utilitzant hardware menys potent o menys abundant.
El gran «però»: El coll d’estrangulació (ASML)
Tot i que Huawei té els minerals i DeepSeek té l’algorisme, Xina té un problema que no es soluciona amb minerals: les màquines de litografia.
Per fabricar un xip de 3 o 5 nanòmetres (els més avançats), necessites unes màquines anomenades EUV, que només els fabrica una empresa al món: ASML (Països Baixos).
- EUA ha pressionat els Països Baixos perquè no venguin aquestes màquines a Xina.
- El resultat: Huawei pot tenir tot el silici i el cobalt del món, però si no té la màquina per «gravar» el xip amb precisió nanomètrica, no pot fabricar xips tan eficients com els de Nvidia.
Resum comparatiu
| Actor | Dependència principal | Estratègia de solució | Focus de Soberania |
|---|---|---|---|
| Microsoft/Nvidia | Minerals i fabricació (Taiwan/Xina) | Diversificar fàbriques i buscar noves mines. | Soberania de Mercat i Control de Dades. |
| Huawei/DeepSeek | Maquinària de precisió (ASML/EUA) | Crear hardware propi i algorismes hiper-eficients. | Soberania Nacional i Supervivència Geopolítica. |
| IA Laia (Catalunya) | Hardware i Infraestructura (Cloud) | Crear models propis amb valors locals. | Soberania Cultural i Lingüística. |
En conclusió: Mentre que Nvidia i Microsoft intenten gestionar el risc per mantenir el seu domini econòmic, Huawei i DeepSeek estan lluitant per sobrevivir a un bloqueig. Per a ells, no es tracta nom la dependència de «metalls estrangers» (que ja controlen), sinó la dependència de la tecnologia de precisió occidental.
Aquí hi ha una confusió comuna que és important aclarir: Huawei fabrica hardware (xips), però DeepSeek no.
DeepSeek és un laboratori d’IA (software), mentre que Huawei és un gegant tecnològic que produeix hardware. Per tant, qui està intentant «desbancar» Nvidia a nivell físic és Huawei, mentre que DeepSeek està intentant fer-ho a nivell de rendiment i intel·ligència.
Anem a veguer els detalls:
Huawei i la batalla del hardware (Sèrie Ascend)
Sí, Huawei ha desenvolupat la seva pròpia línia de processadors per a IA anomenada Ascend (actualment el model més discutit és l’Ascend 910B).
- L’objectiu: Que les empreses xineses no hagin de comprar xips de Nvidia (com l’A100 o l’H100) que ara estan prohibits o molt restringits pels EUA.
- L’estratègia: Huawei no vol només vendre un xip, sinó un ecosistema. Han creat el seu propi software (CANN) per competir amb el CUDA de Nvidia.
- El problema: CUDA (el llenguatge de programació de Nvidia) és el «estàndard» mundial. Gairebé tot el software de IA del món està escrit per a Nvidia. Canviar-ho és com intentar que tot el món deixi d’utilitzar Windows per passar a un sistema operatiu nou; és possible, però costa molt de temps i esforç.
DeepSeek i la batalla de l’eficiència (El «hack» algorítmic)
DeepSeek no ha tret cap xip. El que han fet és una cosa potser més disruptiva: han demostrat que no necessites els xips més cars i potents de Nvidia per batre els models americans.
- Què han fet? Han optimitzat la manera com l’IA aprenia. Han utilitzat tècniques com el Multi-head Latent Attention (MLA) i el Mixture-of-Experts (MoE).
- Per què això afecta Nvidia? Perquè si DeepSeek aconsegueix que un model sigui extremadament potent utilitzant hardware «mediocre» o menys potent, la dependència de la «força bruta» de Nvidia disminueix.
- La paradoxa: DeepSeek s’ha entrenat utilitzant xips de Nvidia (probablement versions més antigues o compreses per vies indirectes), però el seu èxit diu al món: «No necessiteu gastar 10.000 milions de dòlars en xips H100 per tenir una IA top; necessiteu millors algorismes».
On està la fragilitat de Huawei? (El mur de la fabricació)
Huawei pot dissenyar un xip millor que el de Nvidia sobre el paper, però té un problema: la fabricació.
Com vam comentar abans, per fabricar xips de 3 o 5 nanòmetres (els que fan que la IA sigui ultra-ràpida i consumi poca energia), necessites les màquines d’ASML. Com que els EUA han bloquejat aquestes vendes, Huawei ha hagut de recorrer camins alternatius:
- Utilitzar tecnologies de fabricació més velles (7nm o 14nm).
- Això fa que els seus xips siguin més grans, consumin més electricitat i siguin menys eficients que els de Nvidia.
Resum de la «Guerra»
| Actor | Què ofereix? | Com ataca Nvidia? | Punt feble |
|---|---|---|---|
| Nvidia | Xips H100/B200 + CUDA | Domina el mercat i el software. | Dependència de Taiwan (TSMC). |
| Huawei | Xips Ascend 910B | Ofereix una alternativa «nacional» a Xina. | No té màquines de litografia avançades (ASML). |
| DeepSeek | Algorismes eficients | Demuestra que no cal tanta potència de càlcul. | Segueix necessitant hardware per entrenar. |
En conclusió: Huawei està intentant desbancar Nvidia substituint la peça de ferro (el xip), mentre que DeepSeek està intentant desbancar el domini de Nvidia substituint la força bruta per intel·ligència algorítmica.
Els dos són instruments de la gran estratègia de Xina per deixar d’dependre de la tecnologia dels EUA.
La majoria dels articles sobre IA parla d’algorismes com si fossin màgia, però la IA no és un núvol: la IA és ferro, electricitat i aigua. Perquè la IA Laia sigui realment «soberana», no pot dependre d’un serveur a Virgínia (EUA) o d’un xip que no pot mantenir.
«La Materialitat de la Soberania», amb aquests quatre punts:
- A. La dependència del «Ferro» (Hardware): Admetre que, tot i tenir un model català, si corre sobre xips de Nvidia, la nostra «soberania» té un interruptor que controla una empresa de California. Cal plantejar la col·laboració amb centres com el BSC (Barcelona Supercomputing Center) i el supercomputador MareNostrum, que és el nostre únic actiu real de potència de càlcul.
- B. La Pelliculla de l’Aigua: Un punt crític que ningú menciona. Els centres de dades necessiten milions de litres d’aigua per refrigerar els xips. En un context de sequera a Catalunya, una «IA Comuna» ha de ser ecològicament sostenible. Si la IA consumeix l’aigua dels regadors, no és una IA per al poble.
- C. Governança Democràtica dels Datos: No basta amb que la IA parli català; cal que els ciutadans decideixin quina ètica té. Qui decideix què és «correcte» o «incorrecte» en el model Laia? Cal una estructura de govern pública i transparent, no una junta directiva d’una empresa.
- D. L’estratègia de l’Eficiència (estil DeepSeek): Proposar que Catalunya no intenti competir en «força bruta» (no tenim 100.000 milions de dòlars per a xips), sinó en especialització i eficiència. Un model més petit, però molt millor entrenat en la nostra cultura i dades locals.
Quants centres de dades i energia necessitem per fer la IA Catalana comuna?
Això depèn de la «ambició» del projecte. Cal diferenciar dues fases: L’entrenament i L’inferència (quan l’usuari fa la pregunta).
A. L’Entrenament (La fase de «creació»)
Per entrenar un model de llenguatge gran (LLM) competent:
- Hardware: Necessitaries un clúster d’almenys 2.000 a 10.000 GPU’s de gamma alta (com H100 de Nvidia).
- Centres de dades: Amb un sol centre de dades de gran capacitat (com el BSC) és suficient, perquè l’entrenament requereix que els xips estiguin molt prop els uns dels altres per a una comunicació ultra-ràpida.
- Energia: El consum és massiu. L’entrenament d’un model gran pot consumir megawatts (MW) durant mesos. És com tenir una ciutat petita consumint electricitat 24/7.
B. L’Inferència (La fase de «ús diari»)
Aquí és on la IA «viu». Si milions de catalans utilitzen la IA Laia alhora:
- Centres de dades: No necessites un sol centre gegant, sinó una xarxa de 3 a 5 centres de dades distribuïts per territori per reduir la latència i evitar que, si cau un centre, la IA desaparegui.
- Energia: El consum és constant. Cada consulta a una IA consumeix molta més energia que una cerca a Google. Si tenim 1 milió d’usuaris actius, necessitem una infraestructura energètica dedicada (preferiblement energies renovables) per no col·lapsar la xarxa elèctrica civil.
C. El càlcul ràpid (Estimació)
Si volguéssim una IA soberana per a Catalunya:
- Energia: Necessitaríem una capacitat de potència instal·lada de centres de dades d’uns 50 a 100 MW (com a base) per mantenir el servei i l’evolució del model.
- Aigua: Necessitaríem sistemis de refrigeració líquida tancada (que no evaporin l’aigua) per no dependre dels aqüeductes.
«La IA Comuna Catalana no és un projecte de programari, és un projecte d’infraestructura».
Si només programem el codi, estarem llogant el cervell a Microsoft. Si volem serするので (soberans), hem de pensar en on es connecta el cable, d’on ve l’electricitat i com refrigerem la màquina. A això s’ho anomenà Soberania Material.
