NVIDIA asegura que Vera Rubin permitirá instalar hasta un 40 % más de GPU con el mismo presupuesto energético

Además de los detalles técnicos que ha publicado sobre la GPU Vera Rubin y la CPU Vera, NVIDIA también ha explicado cómo pretende reducir uno de los principales límites de los centros de datos de la IA, a saber, la energía disponible. La plataforma Vera Rubin combinará refrigeración líquida, gestión dinámica de potencia y almacenamiento temporal de energía para permitir, según la compañía, hasta un 40 % más de GPU dentro del mismo presupuesto eléctrico sin una pérdida importante de rendimiento.

El planteamiento parte de que las cargas de inteligencia artificial no consumen energía de forma uniforme. Durante la ejecución aparecen picos breves que obligan a sobredimensionar la instalación eléctrica, aunque esa capacidad máxima no se utilice de manera continua. Como resultado, parte de la potencia contratada queda reservada para momentos puntuales y no puede destinarse a mantener más aceleradores en funcionamiento.

Vera Rubin NVL72 utilizará Intelligent Power Smoothing para absorber esas variaciones y ofrecer un perfil de consumo más estable. NVIDIA afirma que este sistema reduce alrededor de un 10 % el consumo medio frente a técnicas anteriores de suavizado y recorta aproximadamente un 20 % los picos medidos durante intervalos de 50 milisegundos. La idea es evitar que fluctuaciones breves condicionen todo el diseño eléctrico.

DSX MaxLPS coordinará GPU, racks, refrigeración y cargas de trabajo

La gestión no se limitará al interior de cada GPU. DSX MaxLPS actuará a escala de factoría de inteligencia artificial, coordinando aceleradores, racks, refrigeración líquida y distribución de las tareas. NVIDIA sostiene que esta capa permite recuperar capacidad eléctrica que normalmente quedaría sin aprovechar y operar los chips en puntos de mayor eficiencia. Por lo tanto, el objetivo no es solo consumir menos, sino usar mejor cada megavatio.

La plataforma trabajará con refrigeración líquida a 45 grados y con un sistema de dirección dinámica de potencia entre distintos componentes. DSX OS añadirá la capa de software para programar cargas, automatizar mantenimiento y supervisar el estado del sistema. Al combinar ambos elementos, los operadores podrían instalar más aceleradores sin modificar la potencia total disponible, algo especialmente relevante en centros de datos donde la conexión eléctrica tarda años en ampliarse.

El rack Vera Rubin NVL72 también adopta una tercera generación de la arquitectura MGX. NVIDIA ha diseñado bandejas de cómputo y switches sin cableado interno convencional, con refrigeración integrada y elementos intercambiables en caliente. Esta disposición busca reducir tiempos de mantenimiento y facilitar la sustitución de módulos, además de mejorar la densidad. En la práctica, el rack se trata como una única unidad de cálculo y no como una colección de servidores separados.

La compañía relaciona estas mejoras con un aumento de hasta 10 veces en rendimiento agéntico por vatio frente a Blackwell, medido en una carga interna con un modelo MoE de dos billones de parámetros. Esa cifra depende tanto de la GPU Rubin como de la CPU Vera, la memoria HBM4, NVLink 6 y el resto de la infraestructura. Por lo tanto, no describe únicamente una mejora de eficiencia del chip.

Esta orientación ya estaba presente en la plataforma Vera Rubin, presentada como un sistema modular capaz de duplicar la eficiencia de generaciones anteriores. La nueva información concreta ahora cómo NVIDIA quiere estabilizar el consumo y aprovechar la potencia que suele quedar bloqueada por los picos. El reto será demostrar que esas mejoras se mantienen en instalaciones reales.

La energía se convierte en una parte más de la arquitectura

La disponibilidad eléctrica se ha convertido en uno de los factores que más condicionan la expansión de la inteligencia artificial. Añadir GPU ya no depende únicamente de comprar hardware, sino también de disponer de transformadores, refrigeración, redes y suministro suficiente. NVIDIA intenta responder integrando la gestión energética dentro de la propia plataforma, de modo que el rendimiento se mida también por trabajo útil por megavatio.

Los datos publicados proceden de mediciones y estimaciones de la compañía, por lo que habrá que esperar a los despliegues comerciales para conocer su efectividad real. Es evidente que la eficiencia final dependerá de la carga, la configuración y la infraestructura de cada operador. Aun así, el enfoque muestra que la competencia ya no se concentra solo en los FLOPS, sino en cuántas GPU pueden mantenerse activas dentro de límites físicos concretos.

Fin del Artículo. ¡Cuéntanos algo en los Comentarios!