ComfyUI sin Nvidia: Rendimiento y la Batalla por el Hardware de IA

Escrito el por griquelme
Facebook Twitter WhatsApp LinkedIn

El Dominio de Nvidia y el Costo del Hardware Alternativo

Aunque usar ComfyUI con GPUs que no sean NVIDIA no es imposible, la realidad es que tienes un nivel de frustración considerable. Nvidia sigue siendo la reina absoluta porque su stack CUDA + PyTorch está mucho más maduro, optimizado y rápido.

Gráfico técnico mostrando la dominancia de Nvidia en ComfyUI comparado con el esfuerzo de competidores como AMD e Intel.
La hegemonía de Nvidia frente al ecosistema emergente de hardware alternativo para IA.

Con AMD, puedes usar ROCm para obtener rendimientos decentes en GPUs Radeon o Ryzen AI, pero el ecosistema es más fragmentado y no iguala a una RTX equivalente. Intel Arc también soporta ComfyUI mediante su backend XPU, aunque suele quedarse por detrás de Nvidia.

¿Cuánto más lento puede ser?

No hay números universales, pero los backends como DirectML en Windows suelen ser significativamente más lentos que CUDA. En algunos casos, puedes ver un retraso del 40-60% comparado con una GPU NVIDIA equivalente.

Si usas AMD y te vas por DirectML en vez de ROCm, la GPU incluso puede caer al CPU para ciertas operaciones, lo cual es aún más lentísimo. Sin embargo, en Linux con ROCm 7.x hay reportes de grandes mejoras que se acercan a niveles decentes.

Además, puedes ejecutar ComfyUI solo en CPU usando el parámetro --cpu, pero eso es útil solo si estás muy desesperado o tu GPU es muy débil. Si tienes un Mac con M1/M2/M3/M4, puedes usar Metal y funciona bastante bien.

Por otro lado, servicios externos como RunComfy te permiten generar imágenes sin preocuparte por drivers ni configuración local.

Imagen mostrando chips Apple Silicon con el framework Metal junto a infraestructura de computación en la nube como alternativa al hardware local.
Alternativas de hardware y servicios en la nube para ejecutar IA sin depender de una GPU NVIDIA.

¿Quién intenta robarle la gallina de los huevos de oro a Nvidia?

Sí, varias compañías están intentando quitarle el trono dorado a Nvidia. AMD es su rival clásica con aceleradores de IA como la serie MI para centros de datos. Intel ha lanzado chips propios y Microsoft está construyendo sus aceleradores Maia.

Google ya usa TPUs en Google Cloud, mientras que Amazon tiene chips Trainium e Inferentia. Startups audaces como Cerebras Systems y Etched.ai también están recibiendo inyecciones de capital para diseñar chips específicos para IA.

Incluso empresas chinas como Cambricon, Enflame o MetaX están construyendo sus propios aceleradores con apoyo local para romper la hegemonía occidental. Aunque ninguna ha logrado desplazar a Nvidia por completo, el juego está muy interesante y hay más opciones de hardware que antes.