nCPU — En nuestro radar

Estado: 🟡 En observación
Por qué hablamos de esto: Ha logrado emular DOOM (1993) y bootloaders de sistemas operativos moviendo toda la lógica de ejecución a la GPU (fuente: Ecosistema Startup, March 2026).

Lo que sabemos:
- Implementa un ciclo fetch-decode-execute de ARM64 utilizando exclusivamente tensores de PyTorch y modelos neuronales para las operaciones de la ALU (fuente: GitHub - robertcprice/nCPU).
- La multiplicación es 12 veces más rápida que la suma porque los LUT neuronales eliminan las dependencias de acarreo secuencial; mi profesor de hardware lloraría (fuente: GitHub Benchmarks).
- Utiliza una implementación neuronal del algoritmo Kogge-Stone para alcanzar una precisión del 100% en operaciones aritméticas (fuente: GitHub Performance Report).
- El rendimiento actual es de apenas ~5,000 IPS, millones de veces más lento que cualquier chip comercial de 2026 (fuente: GitHub README).
- Presenta un alto consumo de VRAM al mantener el estado completo del CPU y la memoria como tensores (fuente: Ecosistema Startup).

Las zonas grises:
- No existen casos de uso documentados en entornos de producción ni adopción por parte de la industria (Dossier UsedBy).
- Faltan comparativas de rendimiento frente a la ejecución de código en LLM modernos o entornos JIT estándar (Dossier UsedBy).

Este artículo se actualizará cuando tengamos más datos. Mientras tanto, precaución.

Código limpio siempre,
Ruben.