Por Canuto  

Nvidia presentó Vera Rubin, una plataforma diseñada para que los centros de datos produzcan más tokens con menos energía y trabajo manual. La compañía apuesta por agentes de IA capaces de sostener procesos de inferencia complejos, aunque el aumento de la oferta también podría presionar los precios.
***

  • La bandeja de cómputo Vera Rubin NVL72 puede ensamblarse en un minuto, frente a los 90 minutos del sistema GB200, según Nvidia.
  • La compañía afirma que Vera Rubin entrega 10 veces más tokens por watt que GB200 NVL72 en resultados iniciales de CoreWeave sobre DeepSeek-R1.
  • La estrategia busca optimizar agentes de IA, pero enfrenta dudas sobre la demanda de tokens, la rentabilidad y el impacto energético de los centros de datos.

 

Nvidia presentó Vera Rubin como una plataforma para impulsar las llamadas fábricas de IA, infraestructuras dedicadas a ejecutar cargas de trabajo de inteligencia artificial. La propuesta conecta rendimiento, consumo eléctrico y capacidad para generar tokens, la unidad básica de procesamiento de texto que utilizan muchos modelos.

La empresa invitó a periodistas a una presentación sobre la infraestructura física que sostiene la inteligencia simulada. Ian Buck, gerente general del negocio de computación de Nvidia para hiperescalabilidad y HPC, resumió la idea al señalar que la infraestructura es física, real y tangible.

El encuentro incluyó un recorrido por un laboratorio funcional de Nvidia en Sunnyvale, un suburbio de Silicon Valley. La compañía pidió a los asistentes que no revelaran la ubicación exacta, aunque el medio The Register indicó que se trata de una de cuatro instalaciones similares.

El laboratorio funciona como un minicentro de datos para mostrar la integración del hardware. La demostración buscó explicar que la expansión de la inteligencia artificial depende de equipos concretos, espacio físico, redes, almacenamiento, energía y sistemas de refrigeración, detalla un reporte publicado por The Register.

La plataforma responde a una lógica empresarial centrada en vender capacidad de cómputo y tokens. Nvidia sostiene que, mientras más tokens pueda generar un centro de datos con una cantidad fija de energía, mayores serán los ingresos potenciales de esa fábrica de IA.

Vera Rubin está compuesta por seis chips: la CPU Vera, la GPU Rubin, el conmutador NVLink 6, la interfaz de red ConnectX-9, la unidad de procesamiento de datos BlueField-4 y el conmutador Ethernet Spectrum-6.

Más velocidad y menos intervención manual

Durante la visita, Andrew Bell, vicepresidente senior de ingeniería de hardware de Nvidia, mostró la bandeja de cómputo Vera Rubin NVL72. La demostración destacó un proceso de instalación mucho más rápido que el utilizado con generaciones anteriores.

Según Bell, el ensamblaje automatizado permite montar la bandeja de cómputo de Vera Rubin NVL72 en un minuto. La bandeja del sistema GB200 tarda normalmente 90 minutos, lo que representa una mejora de 90 veces en ese proceso específico.

La diferencia puede reducir el trabajo manual requerido para desplegar grandes conjuntos de servidores. También apunta a una operación más estandarizada, un factor relevante cuando los operadores construyen centros de datos con miles de componentes interconectados.

La plataforma se distribuye en cinco sistemas montables en rack diseñados para centros de datos. Estos incluyen la bandeja de cómputo Vera Rubin NVL72, la bandeja de conmutador NVLink Vera Rubin NVL72 y la bandeja de acelerador de inferencia Groq 3 LPX.

La lista también contempla la bandeja de CPU Vera, la bandeja de almacenamiento BlueField-4 STX y la bandeja de conmutador Spectrum-6 SPX. En conjunto, los equipos buscan cubrir cómputo, conectividad, procesamiento de datos, almacenamiento e inferencia.

Nvidia afirma que Vera Rubin ofrece 10 veces más tokens por watt que GB200 NVL72 en resultados iniciales de CoreWeave sobre DeepSeek-R1. La cifra corresponde a una comparación temprana y refleja el énfasis de la compañía en el rendimiento energético.

Agentes de IA y el papel de las CPU

La compañía sostiene que los agentes de IA requieren una arquitectura distinta a la de otras cargas de trabajo. Estos sistemas pueden ejecutar tareas en varios pasos, revisar resultados, tomar decisiones intermedias y continuar la inferencia con poca latencia.

De acuerdo con Nvidia, los agentes funcionan mejor con inferencia sostenida y baja latencia durante múltiples etapas de razonamiento. También necesitan alto rendimiento en la decodificación y capacidad para procesar contextos largos de manera eficiente.

La propuesta incluye una amplia capacidad de caché clave-valor, además de la posibilidad de escalar modelos a través de dominios de GPU conectados. Esa combinación pretende mantener la continuidad de las operaciones mientras los agentes consultan información y producen respuestas.

Las GPU concentran gran parte de la atención en los sistemas de IA, pero las CPU también cumplen funciones esenciales. Nvidia las vincula con el procesamiento de datos, las redes, la programación de tareas y el almacenamiento dentro de la fábrica de IA.

Vera representa una apuesta por acelerar el núcleo de procesamiento en lugar de limitarse a aumentar el número de núcleos. La compañía afirma que la CPU Vera Olympus Core puede acelerar los agentes 2 veces, ofrecer 3 veces más ancho de banda entre núcleos y reducir 40% la latencia mediante memoria LPDDR5X.

La economía de la eficiencia

Ian Buck explicó que cada fábrica de IA está limitada por la energía disponible. Desde esa perspectiva, la métrica central es el rendimiento entregado por watt en un centro de datos con una capacidad eléctrica fija.

El ejecutivo distinguió entre el costo de alquilar infraestructura y los ingresos generados por la producción de tokens. Según su planteamiento, una empresa puede pagar por infraestructura en dólares por hora, pero obtener ingresos mediante tokens rentables en cientos de dólares por hora.

La rentabilidad final depende de cuántos tokens pueda generar el centro de datos y del precio que el mercado esté dispuesto a pagar. Si la oferta crece gracias a nuevos equipos y a la competencia entre proveedores, el costo de los tokens podría disminuir.

Nvidia y los laboratorios de IA de frontera esperan que la demanda crezca más rápido que la caída de precios. Ese escenario permitiría conservar márgenes suficientes para recuperar los gastos de capital asociados con la construcción de centros de datos.

Sin embargo, algunos informes señalan que ciertas empresas están limitando los presupuestos de tokens para sus empleados. Esa situación plantea dudas sobre la velocidad con que las organizaciones están obteniendo los aumentos de productividad prometidos por Nvidia y otros proveedores.

Buck presentó además una estimación sobre el impacto de la IA en el desarrollo de software. Tomando como referencia el aumento de los commits en GitHub, planteó que existen entre 30 y 40 millones de desarrolladores de software activos en el mundo, con salarios combinados cercanos a USD $3 billones.

El ejecutivo sostuvo que una producción tres veces mayor equivaldría a USD $9 billones de productividad. La presentación no ofreció esa cifra como una medición independiente verificable, sino como un experimento mental para ilustrar el potencial económico de los agentes.

El costo ambiental y social de la expansión

La expansión de la infraestructura de IA también genera preocupación por el consumo de energía y agua. Nvidia preferiría evitar conflictos con comunidades cercanas a sus instalaciones, aunque Sunnyvale se encuentra en una región especialmente vinculada con la industria tecnológica.

La tensión apareció en la misma cobertura temporal del evento. Un día después de la presentación, activistas holandeses lanzaron globos llenos de productos químicos contra un centro de datos que presta servicio a cargas de trabajo de Microsoft.

La acción buscó protestar por problemas climáticos y políticos relacionados con la infraestructura tecnológica. El episodio muestra que la construcción de centros de datos ocurre dentro de un debate social más amplio sobre los beneficios y los daños potenciales de la inteligencia artificial.

La discusión ambiental no desaparece porque el hardware sea más eficiente. Una plataforma capaz de producir más tokens por watt puede reducir el consumo relativo de cada operación, pero la demanda total podría crecer si los servicios de IA se utilizan con mayor frecuencia.

Ese efecto plantea un desafío para la industria. La eficiencia técnica debe convivir con límites físicos, costos de infraestructura, disponibilidad de energía y aceptación social en las zonas donde se instalan los centros de datos.

IA para fabricar la propia IA

Nvidia asegura que utiliza agentes de IA en prácticamente todos sus procesos de desarrollo de software. La compañía también emplea estos sistemas para apoyar el desarrollo de chips.

Buck afirmó que la base de datos de errores de chips de Nvidia es vigilada y revisada por agentes. Esta aplicación muestra cómo la empresa intenta utilizar la misma tecnología que impulsa su negocio para mejorar sus procesos internos.

El ejecutivo añadió que el número de commits y la productividad de los desarrolladores se han triplicado en Nvidia como resultado de las herramientas de codificación con IA. La afirmación formó parte de la presentación de la compañía y no incluyó una auditoría externa en la información disponible.

La estrategia crea un circuito de retroalimentación: Nvidia fabrica hardware para agentes, usa agentes para crear software y chips, y luego presenta esos resultados como evidencia del potencial de la tecnología. Ese modelo refuerza la importancia de medir la productividad con criterios más amplios que el volumen de código.

Vera Rubin sintetiza esa visión industrial. Sus componentes buscan acelerar la inferencia, reducir el trabajo de instalación, mejorar la eficiencia energética y coordinar recursos de cómputo, red y almacenamiento dentro de una misma fábrica de IA.

El resultado dependerá de la demanda real por tokens y de la capacidad de los clientes para convertir esa producción en ingresos. Nvidia apuesta a que los agentes de IA expandirán el mercado, pero la presión sobre precios y recursos seguirá siendo un factor decisivo.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados