Debate sobre pasado, presente y futuro de las CPU y GPU

Wowmania » Moviles » Debate sobre pasado, presente y futuro de las CPU y GPU

Hablar de CPU hoy en día es casi como hablar de aire o de agua: están en todas partes, pero pocas veces nos paramos a pensar qué hay detrás de ese pequeño chip que lo mueve todo. Desde los primeros ordenadores del tamaño de una habitación hasta los móviles que llevamos en el bolsillo, la evolución del procesador central y su lucha con la GPU ha sido una historia llena de avances, polémicas, cambios de rumbo y también de límites físicos que empiezan a asomar la cabeza.

Además, el sector no solo va de ingeniería pura y dura. Detrás de cada salto de rendimiento hay decisiones empresariales, estrategias agresivas para ganar cuota de mercado y debates encendidos entre fans de una marca u otra. A veces, cuando se dice que una compañía mueve ficha «para fastidiar a la competencia», hay quien se ofende; pero muchos usuarios sienten precisamente eso: que grandes jugadores como Intel o AMD han usado su poder para beneficiar sus propios estándares aunque eso deje a otros atrás.

De los primeros computadores al microprocesador moderno

Si rebobinamos varias décadas, veremos que la CPU no nació tal y como la conocemos ahora. Los primeros grandes equipos electrónicos, como el ENIAC en los años 40 y 50, funcionaban con tubos de vacío y circuitos gigantescos. No existía la idea de un «microprocesador» integrado, sino unidades de cálculo enormes repartidas en bastidores completos.

El giro de guion llega en 1971 con el Intel 4004, considerado el primer microprocesador comercial integrado en un solo chip. Aquel procesador tenía una frecuencia de reloj de unos 740 kHz, contaba con pocos pines y un número de transistores ridículo comparado con los estándares actuales. Aun así, supuso el inicio de una revolución silenciosa que acabaría metiendo en un trozo de silicio lo que antes ocupaba un armario entero.

Desde ese 4004 hasta los actuales Core i7, Ryzen o Threadripper hay una mejora de rendimiento de varios órdenes de magnitud. Hablamos de pasar de unas pocas centenas de kilohertz a frecuencias de varios gigahertz, decenas de hilos de ejecución y miles de contactos en el encapsulado. Por ponerlo en perspectiva, algunos análisis aproximan la mejora en cientos de miles de puntos porcentuales solo comparando la velocidad de reloj, sin entrar siquiera en temas de arquitectura ni paralelismo.

En paralelo, la informática de consumo se ha llenado de dispositivos: ordenadores personales, portátiles ligeros, tablets, smartphones, televisores inteligentes… Todos ellos se apoyan, de una forma u otra, en una unidad central de procesamiento capaz de ejecutar miles de millones de instrucciones por segundo. La CPU es el núcleo que coordina sistema operativo, aplicaciones y periféricos, aunque ya no está sola en ese papel.

Anatomía básica y funcionamiento de una CPU

Para entender hacia dónde van los procesadores, conviene tener claro qué llevan dentro. Aunque el encapsulado sea un cuadradito aparentemente sencillo, bajo esa carcasa hay una estructura muy compleja donde cada parte tiene una función específica y un impacto directo en el rendimiento y la eficiencia.

En primer lugar tenemos el encapsulado físico, que protege el chip frente al exterior y facilita su refrigeración mediante disipadores o sistemas de refrigeración líquida. Además, actúa como interfaz de conexión con la placa base a través de pines o contactos, permitiendo que la CPU se comunique con el resto del sistema.

Dentro del silicio, una pieza clave es la unidad de control (UC). Esta parte se encarga de coordinar la ejecución de instrucciones: las decodifica, indica qué operaciones deben realizarse, ordena los accesos a memoria y organiza el flujo interno de datos. Es la «orquesta» que marca el ritmo a todo lo demás.

Trabajando codo con codo con la UC encontramos la Unidad Aritmético-Lógica (ALU), especializada en operaciones matemáticas y lógicas sobre números enteros. Suma, resta, comparaciones, operaciones lógicas… son el pan de cada día de la ALU, que ejecuta estas tareas a velocidades de vértigo.

Otro pilar fundamental es la memoria caché integrada. Se trata de un tipo de memoria extremadamente rápida, mucho más que la RAM del sistema, que almacena datos e instrucciones a los que la CPU accede con frecuencia. Cuanta más caché y mejor organizada esté (niveles L1, L2, L3, etc.), menos tiempo pasa el procesador esperando información y más trabajo real puede hacer por ciclo.

Junto a la caché, los registros internos actúan como mini almacenes ultrarrápidos para datos temporales. Son todavía más veloces que la caché y se utilizan para tener a mano los operandos y resultados inmediatos de las operaciones que ejecuta el procesador.

Finalmente, los distintos puertos de conexión y buses internos permiten que la CPU intercambie datos con memoria RAM, dispositivos de almacenamiento, GPU, periféricos y otros componentes. El ancho de banda y la latencia de estas rutas marcan muchas veces el techo real de rendimiento del sistema, sobre todo en tareas de entrada/salida intensiva.

A todo esto se suman otros bloques opcionales como la unidad de coma flotante (FPU), encargada de los cálculos con números reales, o los gráficos integrados que cada vez vemos más dentro de los propios procesadores, especialmente en el segmento doméstico y de portátiles.

El papel de los transistores y la frecuencia de reloj

En el corazón de cualquier CPU moderna encontramos millones o, más bien, miles de millones de transistores que actúan como diminutos interruptores. Abren o cierran el paso de la corriente eléctrica para representar ceros y unos, y con esa lógica binaria se construyen todas las operaciones que ejecutan los programas.

La frecuencia de reloj de un procesador indica cuántos pulsos por segundo es capaz de generar. Un chip a 4 GHz puede emitir 4.000 millones de ciclos de reloj cada segundo. Sin embargo, eso no significa que pueda ejecutar el mismo número de instrucciones: muchas operaciones requieren varios ciclos para completarse, y el diseño de la microarquitectura (canalización, ejecución fuera de orden, predicción de saltos, etc.) marca cuántas instrucciones efectivas se procesan en cada latido del reloj.

El número total de transistores y la forma en la que se interconectan son determinantes para esa capacidad. Más transistores suelen significar más unidades de ejecución, más caché y más núcleos, pero también implican mayor consumo energético y generación de calor. Para mantener la velocidad, muchas veces se recurre a aumentar el voltaje, lo que hace subir todavía más la temperatura y obliga a soluciones de refrigeración más sofisticadas.

Uno de los grandes motores de la mejora histórica de los procesadores ha sido la llamada Ley de Moore, que, de forma simplificada, decía que el número de transistores en un chip se duplicaba aproximadamente cada dos años. Esto ha permitido fabricar chips cada vez más densos y potentes sin que su tamaño físico se dispare, pero también nos ha llevado muy cerca de un límite físico: el tamaño de los propios átomos.

Hoy se trabaja ya con procesos de fabricación del orden de 7 nm, 5 nm y menos, donde integrar transistores funcionales es un reto de primer nivel. Cada reducción adicional exige maquinaria de litografía más avanzada, procesos de fabricación más precisos y, por tanto, costes de producción brutalmente altos. Esta carrera por encoger el transistor no puede continuar indefinidamente y eso condiciona claramente el futuro de las CPU.

Hitos históricos y categorías de CPU por uso

A lo largo de las décadas, diferentes fabricantes han ido marcando hitos que hoy damos por hechos. Intel popularizó líneas como Pentium, Core y Xeon, mientras que AMD ha competido con familias como Athlon en su momento y, más recientemente, Ryzen y EPYC en sobremesa y servidores. ARM, por su parte, ha conquistado el mundo móvil con diseños eficientes que muchas otras compañías licencian y adaptan.

Apple, con sus SoC de la serie M basados en arquitectura ARM, ha demostrado que es posible integrar CPU, GPU y otros aceleradores en un único chip con altísima eficiencia energética y un rendimiento sobresaliente para portátiles y sobremesas compactos. Este movimiento ha agitado aún más el debate sobre qué arquitectura dominará el futuro de la computación general.

Si miramos la CPU desde el punto de vista del tipo de usuario, podemos distinguir varias grandes categorías. En el ámbito doméstico, encontramos procesadores pensados para tareas cotidianas: navegar por Internet, ver series, redes sociales, ofimática y algún juego ligero. Aquí suelen imponerse soluciones con gráficos integrados suficientes para no tener que añadir una tarjeta dedicada.

En el mundo empresarial, las CPU deben lidiar con aplicaciones de gestión, bases de datos medianas, virtualización ligera y multitarea constante. Lo que manda en este terreno es el equilibrio entre rendimiento y estabilidad, con muchas horas de uso diario y requerimientos de seguridad crecientes.

La tercera gran categoría son las CPU orientadas a servidores y centros de datos. Hablamos de procesadores con gran número de núcleos, soporte para enormes cantidades de memoria RAM y funciones avanzadas de fiabilidad, disponibilidad y mantenimiento. En este segmento es donde la pelea Intel Xeon vs AMD EPYC, con la irrupción de soluciones basadas en ARM para la nube, está más caliente que nunca.

GPU: del coprocesador matemático al protagonista gráfico

Durante muchos años, la CPU se encargaba prácticamente de todo: procesar datos, gestionar el sistema operativo, controlar la entrada/salida y, cuando llegaron las interfaces gráficas, dibujar lo que veíamos en pantalla. Los primeros entornos visuales eran poco exigentes, pero la cosa cambió en cuanto aparecieron los videojuegos 3D, las aplicaciones CAD y el software de diseño gráfico.

En esa época ya existían los coprocesadores matemáticos o FPU, especializados en operaciones de coma flotante. Actuaban como asistencia a la CPU en cálculos numéricos complejos. Muchos ingenieros se dieron cuenta de que una buena parte de las operaciones necesarias para generar gráficos podían modelarse como cálculos de punto flotante repetitivos sobre matrices de píxeles. La pantalla, como unidad de visualización (VDU), no dejaba de ser una cuadrícula donde había que calcular el color de cada punto muchas veces por segundo.

A partir de ahí, aquellos coprocesadores fueron evolucionando y acabaron convirtiéndose en chips dedicados para gráficos. Al principio iban integrados en placas sencillas, pero pronto pasaron a ocupar tarjetas gráficas completas con sus propios recursos: memoria de vídeo, controladores específicos y buses de conexión de mayor ancho de banda.

El término GPU (Graphics Processing Unit) se popularizó cuando NVIDIA lanzó la GeForce 256 a finales de los 90, presentándola como algo más que una simple tarjeta de vídeo. Esa GPU incorporaba ya unidades especializadas para transformar y iluminar polígonos en 3D, permitiendo un salto de calidad muy notable en videojuegos y aplicaciones gráficas, con solo cuatro «shaders» unificados si la comparamos con las miles de unidades de las GPU actuales.

Desde entonces, los videojuegos se convirtieron en el gran motor de desarrollo de las GPU. Cada nueva generación prometía más realismo, resoluciones mayores y efectos visuales que se acercan peligrosamente a lo que vemos en el mundo real: sombras complejas, reflejos, físicas avanzadas, destrucción de escenarios… Todo ello apoyado en una arquitectura muy distinta a la de las CPU clásicas.

Arquitectura de la GPU: miles de procesadores sencillos en paralelo

Mientras que un procesador generalista está diseñado para ejecutar muchas tareas diferentes con gran flexibilidad, una GPU está pensada para hacer cálculos muy similares muchas veces y en paralelo. En lugar de unos pocos núcleos muy potentes y complejos, dispone de cientos o miles de unidades de cálculo sencillas.

Estas unidades reciben distintos nombres según el fabricante y la época: «Unified Shaders«, «Stream Processors», «CUDA cores» en el caso de NVIDIA, etc. Su misión principal es ejecutar un conjunto reducido de instrucciones aritméticas y lógicas sobre los datos que forman la escena gráfica: vértices, píxeles, texturas, etc.

La GPU también cuenta con su propia memoria, la famosa VRAM, que funciona como un almacén de alta velocidad para texturas, buffers de imagen y otros datos intermedios. La latencia y el ancho de banda de esta memoria son cruciales para mantener todas esas unidades de cálculo ocupadas sin cuellos de botella.

Al igual que la CPU, la GPU dispone de mecanismos de entrada/salida y se apoya en librerías y APIs como OpenGL, DirectX o Vulkan para que los desarrolladores puedan aprovechar sus capacidades. Lo que marca la diferencia es la proporción de recursos: donde la CPU dedica mucho espacio a la lógica de control y a cachés complejas, la GPU lo invierte en sumar más y más unidades externas de cálculo en paralelo.

Un salto generacional típico implica que el número de «shaders» crece de forma significativa. Aquella GeForce 256 contaba con tan solo cuatro unidades, mientras que una gráfica moderna puede superar sobradamente las 2.000 o 4.000. Por ejemplo, generaciones como la GTX 780 Ti llegaron a los 2.688 núcleos de sombreado, mientras que soluciones con doble GPU de AMD rozaban los 4.096, repartidos entre dos chips independientes en la misma tarjeta.

GPGPU: cuando la GPU se mete en el terreno de la CPU

A medida que las GPU crecían en potencia, algunos investigadores empezaron a preguntarse si no sería posible usar todos esos núcleos simples para algo más que pintar gráficos. De ahí nace el concepto de GPGPU (General-Purpose computing on Graphics Processing Units), es decir, aprovechar el músculo de la GPU para cálculos de propósito general.

La idea es sencilla de explicar, aunque compleja de implementar bien: ciertas tareas que tradicionalmente se ejecutaban en la CPU pueden transformarse en problemas altamente paralelizables y lanzarse sobre la GPU, que es capaz de procesar miles de hilos ligeros de forma simultánea. En este grupo encajan simulaciones científicas, cálculo numérico intensivo, criptografía o algoritmos de minería de datos, entre otros.

Un ejemplo muy conocido es la minería de criptomonedas como Bitcoin (al menos en sus primeros años, antes de la llegada de ASIC específicos). El proceso de minado consiste básicamente en ejecutar de forma repetida un algoritmo criptográfico, como SHA-256, sobre muchas cadenas diferentes hasta encontrar una combinación cuyo resultado cumpla ciertas condiciones. Es un problema extremadamente paralelizable y basado en operaciones aritméticas simples, perfecto para la GPU.

De ahí que muchos equipos de «mining» se configuraran con CPUs muy modestas, poca RAM y almacenamiento mínimo, pero varias tarjetas gráficas potentes conectadas en paralelo mediante tecnologías como CrossFire o SLI. El cuello de botella no estaba en la lógica de propósito general, sino en la cantidad de «Stream Processors» capaces de ejecutar la misma función millones de veces por segundo.

Sin embargo, no todas las tareas salen ganando al trasladarse a la GPU. Solo aquellas que se puedan dividir en muchas subtareas independientes, que luego se recombinen fácilmente, encajan bien en el modelo GPGPU. Las partes de los programas que dependen de una secuencia estricta de pasos, con fuertes dependencias entre operaciones, siguen siendo terreno natural de la CPU.

Además, un factor clave que a veces se pasa por alto es el consumo energético. Montar un equipo con tres o cuatro GPU trabajando 24/7 puede acercarse fácilmente al kilovatio de potencia eléctrica, lo que, además de exigir una fuente de alimentación muy seria, dispara la factura de la luz. En escenarios como la minería, los beneficios dependen tanto del rendimiento bruto como del coste energético por unidad de trabajo completada.

La integración de GPU en CPU: IGP y cambio de paradigma en casa

Mientras en entornos profesionales la potencia gráfica dedicada seguía subiendo, el segmento doméstico empezó a vivir otro fenómeno: la llegada masiva de gráficos integrados en el propio procesador, conocidos como IGP (Integrated Graphics Processor). Tanto Intel como AMD han apostado por esta vía en casi todas sus gamas de producto.

La razón principal es que muchos usuarios no necesitan una GPU dedicada para su día a día. El sistema operativo, la navegación web, la ofimática y buena parte del ocio en streaming tienen requerimientos gráficos relativamente modestos. Una IGP integrada puede ofrecer una experiencia fluida sin consumir mucho más, ni ocupar espacio adicional en el equipo.

Comparativas realizadas en portátiles con GPU dedicada de gama media y gráficos integrados de última generación muestran diferencias abismales en juegos exigentes: una dedicada puede ofrecer varias veces más fotogramas por segundo, marcando la diferencia entre un título injugable y una experiencia aceptable. No obstante, en tareas de escritorio, la sensación de fluidez suele ser prácticamente la misma con uno y otro chip.

Las ventajas de esta integración son claras: equipos más compactos, menor consumo total, menos calor global en la carcasa y una simplificación de la construcción del sistema. La contrapartida es que la IGP está limitada por el espacio y la disipación disponibles dentro del propio procesador, y no puede crecer indefinidamente sin comprometer la temperatura o el tamaño del encapsulado.

Además, al ir soldada dentro del SoC, si el usuario quiere un salto gráfico importante no puede cambiar solo la GPU integrada: se ve obligado a renovar todo el conjunto CPU+GPU. Por eso las tarjetas dedicadas seguirán existiendo, centradas en público jugón, creadores de contenido profesional y usos como GPGPU, donde cada vatio extra se exprime al máximo.

La evolución de los procesos de fabricación (pasar de 22 nm a 14 nm, 10 nm, 7 nm, etc.) es crucial para que estas soluciones integradas puedan meter más GPU y CPU en el mismo tamaño de chip, manteniendo el consumo bajo control. Tecnologías como hUMA (memoria unificada para CPU y GPU) apuntan también a reducir la duplicación de datos y mejorar el rendimiento global del sistema.

Cómo se ha exprimido la arquitectura de CPU hasta casi el límite

Volviendo a la CPU, los fabricantes han seguido dos grandes estrategias para exprimir cada generación sin cambiar radicalmente el paradigma. Por un lado, seguir reduciendo el tamaño de los transistores para meter más en el mismo área; por otro, optimizar la arquitectura interna para sacar más rendimiento a cada ciclo.

En el primer frente, ya lo hemos comentado: el paso de tecnologías más grandes a nodos de 7 nm o 5 nm ha permitido incrementar el número de transistores por chip de forma descomunal. Eso se traduce en más núcleos, más caché, más unidades de ejecución y, en general, la posibilidad de subir prestaciones sin agrandar el encapsulado.

En el segundo frente, vemos mejoras más «sutiles»: se aumenta la cantidad de núcleos físicos, se ajustan las frecuencias base y turbo, se amplía la memoria caché de distintos niveles y se introducen tecnologías como Hyper-Threading o SMT, que permiten que un mismo núcleo físico gestione varios hilos lógicos para mejorar la utilización de los recursos internos.

Ejemplos concretos los encontramos en generaciones cercanas entre sí donde la arquitectura base es muy parecida, pero el modelo más nuevo incorpora dos núcleos extra, más caché y un turbo algo más agresivo. La diferencia no es tan espectacular como la que hubo entre el 4004 y los primeros Pentium, pero sigue siendo relevante para cargas modernas de trabajo, especialmente en multitarea y creación de contenido.

El problema es que este enfoque incremental tiene fecha de caducidad. Reducir el tamaño de los transistores cada vez cuesta más, tanto técnica como económicamente, y no se puede aumentar de forma ilimitada el tamaño físico del chip sin topar con serios problemas de disipación de calor, fiabilidad y encaje en dispositivos compactos.

En el horizonte lejano asoma la computación cuántica como posible salto disruptivo, pero su estado actual y sus costes la mantienen, por ahora, muy lejos del entorno doméstico y de la mayor parte del mercado profesional tradicional. Mientras tanto, la industria estira al máximo el diseño de los procesadores clásicos, aplazando todo lo posible el momento de romper con el modelo actual.

Tendencias de futuro: heterogeneidad, aceleradores y flexibilidad

Ante estas limitaciones físicas, la evolución de las CPU está virando hacia caminos distintos al de simplemente subir MHz y meter más núcleos idénticos. Una de las grandes tendencias es la heterogeneidad dentro del propio procesador, es decir, combinar núcleos de diferentes tipos y capacidades en un mismo chip.

Los Intel Core de 12ª generación introdujeron explícitamente esta idea al mezclar «P-Cores» (núcleos de alto rendimiento) con «E-Cores» (núcleos eficientes) dentro del mismo procesador. Ambos son compatibles a nivel binario, ejecutan los mismos programas, pero están optimizados para tareas diferentes: los primeros para cargas pesadas en primer plano, los segundos para procesos en segundo plano y trabajos menos exigentes energéticamente.

Lo siguiente en esta línea podrían ser los llamados «supernúcleos» especializados, todavía más potentes que los núcleos estándar, para manejar las partes secuenciales más críticas de los programas sin necesidad de disparar la frecuencia de reloj a niveles que harían saltar por los aires el consumo. En lugar de un «boost» extremo en MHz, se recurriría a un núcleo de arquitectura reforzada para esos tramos concretos.

Otra tendencia clara es la incorporación de aceleradores de hardware dedicados a tareas comunes. Ya lo vemos en procesadores de servidor, donde se integran bloques para cifrado, compresión, virtualización o manejo de memoria avanzada que alivian a la CPU de parte del trabajo. Con el tiempo, estos aceleradores acabarán filtrándose también a procesadores de escritorio y portátiles.

Operaciones como comprimir o descomprimir archivos, convertir formatos de vídeo y audio, mover grandes volúmenes de datos entre memorias o dentro de bases de datos en memoria pueden ejecutarse mucho más rápido y con menor consumo si se dejan en manos de bloques hardware especializados. Los sistemas operativos, como distintas versiones de Windows y Linux para servidor, ya empiezan a ofrecer APIs para aprovechar estas unidades de función fija integradas.

Por último, se vislumbra un futuro con conexiones de periféricos mucho más configurables gracias a la inclusión de lógica reconfigurable tipo FPGA dentro del propio procesador o chipset. En lugar de llegar al mercado con una disposición rígida de puertos USB, PCIe u otras interfaces, los fabricantes de placas podrían ajustar dinámicamente qué combinación de puertos ofrecen según el target del producto.

Esto permitiría, por ejemplo, que un fabricante oriente una misma base de hardware a estaciones de trabajo, servidores ligeros o equipos gaming simplemente cambiando la «programación» de esas unidades reconfigurables, sin tener que esperar a una nueva generación completa de chipsets. También facilitaría la adopción rápida de nuevos estándares de conexión sin rehacer todo el silicio.

En paralelo a estas tendencias, el sector vive un terremoto empresarial. Intel, por ejemplo, está en plena reestructuración: salidas de figuras históricas ligadas a la arquitectura Xeon, retrasos en proyectos de fabricación como la planta de Ohio, cuestionamientos sobre su negocio de fundición (IFS) y una competencia cada vez más dura por parte de AMD y de las soluciones basadas en ARM en centros de datos. Esta tormenta interna influye inevitablemente en cómo y cuándo se materializan muchas de estas ideas de futuro.

Mirando todo este recorrido, desde los microprocesadores primitivos hasta las arquitecturas heterogéneas con aceleradores y lógica reconfigurable, se entiende mejor por qué el debate sobre el pasado, presente y futuro de las CPU y las GPU está tan vivo. La combinación de límites físicos, necesidades de rendimiento, presión energética y movimientos empresariales hace que el próximo gran salto no pase solo por subir gigahertz, sino por repensar qué hace cada unidad de cómputo, cómo se reparten las tareas y cómo se integran CPU, GPU y aceleradores en un ecosistema cada vez más especializado.