Chips Edge AI: impulsando el futuro de la inteligencia en el dispositivo

En 2020, Deloitte proyectó que se venderían más de 750 millones de chips edge AI —procesadores completos o parciales que ejecutan o aceleran machine learning directamente en dispositivos— generando 2.600 millones USD en ingresos. El segmento de chips edge‑AI está preparado para superar al mercado de semiconductores en general; para 2024, se espera que las ventas unitarias superen los 1.500 millones, lo que se traduce en una tasa de crecimiento anual compuesta (CAGR) de al menos 20% —más del doble del 9% CAGR a largo plazo pronosticado para la industria en su conjunto.

Los chips edge‑AI están preparados para aparecer en una gama creciente de hardware de consumo —smartphones de gama alta, tablets, altavoces inteligentes y wearables— así como en dispositivos empresariales como robótica, cámaras de seguridad y sensores industriales. El segmento de consumo domina, yet su tasa de crecimiento es modesta, con un 18% CAGR proyectado de 2020 a 2024. En contraste, el mercado empresarial se espera que crezca a un 50% CAGR en el mismo período.

Incluso en 2024, se anticipa que el mercado de consumo represente más del 90% de las ventas de chips edge‑AI, tanto en volumen como en ingresos. Los smartphones de gama alta representarán más del 70% de todos los chips edge‑AI de consumo en uso, con los próximos años impulsados principalmente por la adopción en smartphones. Aproximadamente un tercio de los 1.560 millones de unidades de smartphone vendidas este año ya pueden incorporar capacidades edge‑AI.

Tradicionalmente, las cargas de trabajo de IA se manejaban en centros de datos, núcleos empresariales o procesadores edge de telecom debido a sus pesadas demandas computacionales. Los chips edge‑AI cambian ese paradigma: son compactos, rentables, energéticamente eficientes y generan calor mínimo, haciendo viable el procesamiento local en dispositivos portátiles e industriales. Este cambio reduce —o elimina— la necesidad de transmitir grandes volúmenes de datos a servidores remotos, entregando tiempos de respuesta más rápidos y garantías de privacidad más fuertes.

El procesamiento local protege datos sensibles; información que nunca sale de un dispositivo no puede ser interceptada o mal utilizada. Además, un chip edge‑AI embebido en un teléfono puede realizar tareas avanzadas incluso sin conectividad de red.

Eso dicho, no toda tarea de IA se maneja mejor localmente. Para cargas de trabajo que exceden la capacidad de un dispositivo, el offloading a nube o arrays edge sigue siendo apropiado. En la práctica, la mayoría de aplicaciones adoptan un modelo híbrido —parcialmente en‑dispositivo, parcialmente en la nube— con la división óptima determinada por el caso de uso específico.

La economía del edge AI en smartphones

Más allá de smartphones, tablets, wearables y altavoces inteligentes también integran chips edge‑AI, pero su impacto de mercado es actualmente limitado. Las ventas de tablets son relativamente planas, y se proyecta que altavoces inteligentes y wearables juntos alcancen solo 125 millones de unidades en 2020. A pesar de su tamaño modesto, las tasas de penetración de chips edge‑AI en estas categorías son altas.

Actualmente, los chips edge‑AI se encuentran predominantemente en smartphones premium —el tercio superior del espectro de precios. Sin embargo, agregar un acelerador de IA no necesariamente infla los precios al consumidor.

Examinando die shots de Samsung, Apple y Huawei, podemos aproximar la contribución de coste del núcleo de IA. El Exynos 9820 de Samsung, por instancia, asigna alrededor del 5% de su área de die a procesamiento de IA. Con el SoC completo a 70,50 USD, la porción de IA representa aproximadamente el 5% de ese coste, o 3,50 USD por chip.

El A12 Bionic de Apple dedica aproximadamente el 7% de su área de die a machine learning. Con un coste total de procesador de 72 USD, esto se traduce en unos 5,10 USD estimados para el núcleo de IA. El Kirin 970 de Huawei, costando 52,50 USD, asigna el 2,1% de su área al NPU, sugiriendo un coste de aproximadamente 1,10 USD (Huawei señala 150 millones de 5.500 millones de transistores para el NPU, o 2,7% del total, lo que situaría el coste cerca de 1,42 USD).

Aunque las estimaciones de coste varían, un promedio de 3,50 USD por NPU es razonable. Aplicado a medio billón de smartphones —y aún más contando tablets, altavoces y wearables— el volumen total de mercado es sustancial. Con un coste de fabricación de 1‑3 USD por chip, la adición de un NPU edge‑AI resulta en solo un aumento de 1‑2 USD en el precio al consumidor, un aumento negligible de menos del 1% para un teléfono de 250 USD.

Abastecimiento de chips IA: interno o de terceros?

Los fabricantes de dispositivos eligen diferentes vías para obtener chips edge‑AI, guiados por nivel de producto y a veces geografía. Muchos compran SoCs de procesador de aplicación/módem de vendedores terceros como Qualcomm y MediaTek, que juntos capturaron aproximadamente el 60% del mercado de SoC smartphone en 2018. Aunque no todas sus ofertas incluyen un núcleo de IA, modelos de gama alta como Snapdragon 845/855 de Qualcomm y Helio P60 de MediaTek sí lo hacen.

Apple, por contraste, diseña y produce sus propios SoCs —A11, A12, A13 Bionic— cada uno incorporando funcionalidad edge‑AI. Samsung y Huawei emplean estrategias híbridas, obteniendo algunos SoCs del mercado merchant mientras también usan sus propios chips (ej. Exynos 9820 de Samsung, Kirin 970/980 de Huawei) para otros modelos.

» Continuar leyendo la página dos de este artículo publicado originalmente en nuestro sitio hermano, EE Times Europe.