- El nuevo APU de GSI (chip de computación en memoria) igual a la GPU NVIDIA A6000 en rendimiento en tareas de IA a gran escala mientras utiliza “más del 98% menos de energía” globenewswire.com. También acelera tareas de recuperación ~5× más rápido que CPUs estándar (hasta un 80% menos de tiempo de procesamiento) globenewswire.com.
- Validación de Cornell: Los hallazgos provienen de un estudio liderado por Cornell (MICRO ’25) que evaluó rigurosamente el APU Gemini-I de GSI en cargas de trabajo de Recuperación Aumentada por Generación (RAG) globenewswire.com. El CEO de GSI, Lee-Lean Shu, celebró los resultados: esto “confirma… que la computación en memoria tiene el potencial de revolucionar el mercado de inferencia de IA de $100 mil millones,” ofreciendo “rendimiento de clase GPU a una fracción del costo energético” globenewswire.com.
- Eficiencia energética: Al integrar memoria y computación, el APU logra un consumo de energía 50–118× menor que una GPU (según la investigación) arxiv.org. Esto responde a una necesidad crítica: “el hardware que consume menos energía reducirá el apetito de la IA por energía,” señala Nature, destacando la urgencia de hardware de IA ecológico nature.com.
- Contexto industrial: El chip de GSI está dirigido a IA en el borde (defensa, drones, IoT) donde la energía es escasa. Analistas estiman que el mercado de IA en el borde alcanzará ~$57 mil millones para 2030 . Otras empresas avanzan en la misma dirección: por ejemplo, el nuevo CPU Dimensity de MediaTek incluye una NPU de computación en memoria que reduce el consumo de energía de IA siempre activa en ~42–56% .
- Reacción de la acción: Las acciones de NASDAQ:GSIT se dispararon aproximadamente un 200% el 20 de octubre de 2025, saltando de unos $5 a ~$15 durante el día (cotizando alrededor de $14.80 a media mañana) . Esto refleja el entusiasmo de los inversores por el avance en IA que ahorra energía.
- Advertencia de los analistas: A pesar del entusiasmo, los indicadores financieros siguen siendo inestables. Los ingresos de GSI son pequeños (≈$22.1M) y están cayendo (crecimiento a 3 años de −16.3%), con márgenes netos profundamente negativos (~−63%) . Algunas previsiones incluso predicen que la acción podría caer en picada tras este repunte (CoinCodex proyecta una caída a ~$5/acción pronto ). Los inversores señalan que, si bien los nuevos acuerdos de IA generan oportunidades, también conllevan un riesgo especulativo .
Rendimiento revolucionario confirmado por Cornell
El anuncio de GSI Technology del 20 de octubre presentó los resultados de un estudio de la Universidad de Cornell que comparó el Gemini-I APU de GSI con hardware convencional. El equipo de Cornell ejecutó cargas de trabajo de IA reales (RAG a gran escala) en el chip in-memory de GSI, una CPU multinúcleo estándar y una GPU Nvidia de alta gama (A6000). El resultado: el Gemini-I APU logró un rendimiento comparable al de la GPU Nvidia A6000 globenewswire.com. Lo más importante, lo hizo consumiendo “más de un 98% menos de energía” que la GPU en grandes conjuntos de datos globenewswire.com. En términos concretos, el estudio encontró que el APU usó aproximadamente entre el 1% y el 2% de la energía que requiere una GPU arxiv.org globenewswire.com. Esta enorme ganancia de eficiencia respalda la principal afirmación de GSI.
Por el contrario, en las CPU tradicionales, la APU fue mucho más rápida. GSI informa que la APU acortó el tiempo de procesamiento de recuperación hasta en un 80% en comparación con las CPU , lo que significa que las tareas se ejecutaron más de 5 veces más rápido. El CEO Lee-Lean Shu enfatizó estos hallazgos: “el cómputo en memoria tiene el potencial de revolucionar el mercado de inferencia de IA de $100 mil millones”, dijo . “La APU ofrece un rendimiento de clase GPU a una fracción del costo energético”, gracias a su arquitectura centrada en la memoria . Estas declaraciones, directamente del comunicado de prensa, indican la confianza de GSI en la tecnología. Los autores de Cornell también introdujeron nuevos métodos de optimización para aprovechar al máximo la integración memoria-cómputo, subrayando que esto no es una victoria aislada, sino una plataforma para mejoras futuras .Por qué importa el cómputo en memoria
Los chips de IA tradicionales (CPU/GPU) separan la memoria y el procesamiento, lo que provoca enormes transferencias de datos y un alto consumo de energía. El cómputo en memoria (CIM) ubica el procesamiento dentro de los arreglos de memoria para eliminar ese cuello de botella. Como señalan los editores de Nature, el hambre de energía de la IA es una crisis creciente, y “el hardware que consume menos energía reducirá el apetito energético de la IA” nature.com. El APU Gemini I ejemplifica este enfoque con “Unidades de Procesamiento Asociativo” basadas en SRAM. Esencialmente, realiza operaciones de producto punto y búsqueda directamente en la SRAM, usando mucha menos energía por operación.
Los resultados detallados del estudio de Cornell confirman la promesa del hardware CIM. Informan que el dispositivo CIM de GSI “igualó el rendimiento de una GPU NVIDIA A6000 para RAG siendo significativamente más eficiente energéticamente (reducción de 54.4×–117.9×)” arxiv.org. En términos prácticos, la APU podría manejar tareas de inferencia de IA con aproximadamente el 2% del consumo energético de la GPU. Tal eficiencia podría ser transformadora: los centros de datos y sistemas de borde que ejecutan cientos de GPU podrían reducir sus necesidades energéticas en órdenes de magnitud.
Este concepto está ganando terreno más allá de GSI. Por ejemplo, el chip móvil Dimensity 9500 de MediaTek, anunciado recientemente, incluye una NPU “Súper Eficiente” que utiliza técnicas CIM. MediaTek afirma que este núcleo ejecuta IA siempre activa (por ejemplo, cancelación de ruido, procesamiento de sensores) con aproximadamente un 42–56% menos de consumo de energía que antes ts2.tech. La visión es la misma: descargar pequeñas tareas de IA en hardware de ultra bajo consumo. En el ámbito de los smartphones, estas NPUs CIM permiten que los teléfonos mantengan asistentes de IA y funciones de visión funcionando 24/7 sin agotar la batería.
Impacto en el mercado y opiniones de expertos
GSI es un actor muy pequeño en semiconductores (capitalización de mercado de aproximadamente $148M ), por lo que se necesitan grandes avances para lograr un impacto. Sin embargo, la empresa está estratégicamente enfocada en defensa y aeroespacial (mercados de alto margen y restricciones de energía). Analistas de la industria señalan que el mercado de chips de IA en el Edge podría alcanzar los $56–57 mil millones para 2030 , impulsado por el crecimiento de 5G/IoT y el gasto gubernamental. El último APU Gemini-II de GSI (ya fabricado) está explícitamente dirigido a casos de uso de IA embebida y de baja latencia como drones autónomos y satélites . AInvest señala que los socios de GSI incluyen contratistas de defensa para imágenes satelitales/drones, lo que se alinea con este nicho de IA en el edge .
En el lado de la inversión, las acciones de GSI (NASDAQ:GSIT) se dispararon con la noticia. Los datos de mercado mostraron a GSIT subiendo ~191% a media sesión el 20 de octubre (cotizando alrededor de $14.80 a las 10:02 a.m.) . Los operadores citaron la sorpresa por tales afirmaciones de eficiencia. Sin embargo, los expertos piden cautela. Las finanzas de GSI son débiles: ingresos anuales ≈$22.1 millones (una caída de más del 16% en 3 años) y pérdidas netas con márgenes de alrededor de –63% . CoinCodex, un sitio de pronóstico técnico, incluso proyecta que la acción podría retroceder rápidamente – prediciendo una caída a cerca de $5.08 en pocos días . De hecho, las microcaps con poco volumen de negociación suelen experimentar oscilaciones dramáticas ante noticias.
Además, algunos analistas establecen paralelismos con otras acciones de defensa e IA. Medios tecnológicos señalan que los repuntes en defensa e IA (por ejemplo, las recientes ganancias del 22% de BigBear.ai por acuerdos con el Pentágono) son un arma de doble filo ainvest.com. “La cobertura de los crecientes acuerdos de IA en defensa destaca tanto la oportunidad como la especulación exagerada”, advierte un informe ainvest.com. En otras palabras, aunque la tecnología es emocionante, la conversión en beneficios y adopción lleva tiempo. El CEO de GSI reflejó esta visión equilibrada al presentar una hoja de ruta (Gemini-II y un futuro chip “Plato”) orientada a menor consumo y mayor rendimiento stocktitan.net globenewswire.com, lo que indica que la empresa piensa más allá del comunicado de prensa de hoy.
Perspectivas y pronósticos de analistas
De cara al futuro, GSI presentará los resultados del segundo trimestre del año fiscal 2026 el 30 de octubre, lo que arrojará luz sobre la demanda real de sus chips. El comunicado de prensa y el estudio son señales positivas, pero mucho depende de la ejecución. Por ahora, los indicadores técnicos son mixtos: el sentimiento sobre la acción es alcista, pero la volatilidad es extrema. El modelo de CoinCodex calificó a GSIT como de “volatilidad muy alta” y recomendó una posición corta porque el aumento de precio era insostenible coincodex.com.
Aun así, el logro principal es claro: la APU de computación en memoria de GSI rompe demostrablemente la barrera de consumo de las GPU. Si la tecnología escala, podría obligar a los competidores a replantear el diseño de chips de IA. Como dijo un analista del sector sobre esfuerzos similares, gestionar el consumo suele importar más que las puntuaciones brutas de referencia. La pregunta es si GSI puede convertir esta innovación en ventas a gran escala. Para inversores e ingenieros por igual, esta noticia marca un hito: un chip de IA de memoria asociativa ha superado una prueba en el mundo real y, por primera vez, el rendimiento de IA de clase GPU podría estar disponible a vatios de centro de datos.
Fuentes: GSI Technology comunicado de prensa (20 de octubre de 2025) ; estudio APU de Cornell (Micro ’25) ; datos de mercado de GuruFocus, StockAnalysis, CoinCodex ; análisis de chips de TechStock² (TS2.tech) ; Nature (artículo sobre energía en IA) .
