La DPU Salina de AMD Pensando reduce hasta 22 núcleos de CPU por servidor en cargas de IA agéntica

Dentro de cada rack AMD Helios hay dos chips de red que rara vez se mencionan cuando se habla de exaflops y de memoria HBM4, pero que resultan igual de decisivos para que todo el sistema funcione. AMD acaba de detallarlos con motivo de Advancing AI 2026, en una presentación técnica del grupo de soluciones de red de la compañía y en el propio press deck de su unidad de negocio de redes. El primero de esos dos chips es la DPU Salina, la pieza que se encarga de todo el tráfico de entrada y salida del rack antes de que llegue a las GPU.

El contexto que da AMD para justificar esta pieza es sencillo: según la propia compañía, la red ha pasado de tener que sincronizar más de 100.000 GPU durante el entrenamiento a sostener servicios de inferencia siempre activos, y ahora a soportar una IA agéntica con más usuarios, contextos más largos e inferencia continua.

Esa evolución, resume AMD, obliga a repensar la parte de la red que antes se consideraba secundaria frente al cómputo puro. La propia compañía sitúa esta transición en tres momentos concretos: el Transformer de 2017, GPT-4 en 2023 y lo que llama modelos agénticos y de razonamiento en 2026, cada uno de ellos exigiendo un salto distinto en la cantidad de datos que la red tiene que mover.

Qué hace la DPU Salina dentro de cada rack Helios

La DPU Salina es la tercera generación de la familia Pensando y ocupa la posición de "front-end" dentro de la arquitectura de red de Helios, con una conectividad de 400G y rendimiento a velocidad de línea en múltiples servicios simultáneos. AMD la describe como totalmente programable, tanto en software como en hardware, y le asigna un buen puñado de funciones que normalmente recaerían en tarjetas o appliances separados: red definida por software, cortafuegos con estado, cifrado, balanceo de carga, traducción de direcciones de red y aceleración de almacenamiento, todo ello ejecutado directamente en la propia DPU.

AMD reclama dos saltos de rendimiento distintos para esta DPU. El primero es generacional: la compañía asegura que la Salina ofrece aproximadamente el doble de rendimiento que su predecesora, la DPU Elba de segunda generación, ya sea medido en red (ancho de banda y paquetes por segundo) o en tareas de descarga de cifrado, según qué faceta esté citando AMD en cada caso. El segundo es frente a la competencia: AMD sitúa a la Salina un 40 % por delante de la BlueField3 de NVIDIA en rendimiento de puerta de enlace de red, una cifra que la propia compañía presenta como comparativa propia y no como una validación independiente de ambos chips.

La caché KV, la pieza clave para la IA agéntica

Uno de los apartados más específicos de esta tanda de información es el motor de memoria de contexto que incorpora la DPU. AMD ha diseñado un dispositivo de caché KV emulado que simplifica el aprovisionamiento, descarga servicios de la GPU y acelera el flujo de datos, todo ello circulando a través de la DPU a velocidad de línea.

La utilidad práctica de esto para cargas de trabajo agénticas es doble: al liberar memoria de la GPU, se puede atender a más agentes de IA en paralelo, y el contexto previo de una conversación o tarea puede recuperarse desde el almacenamiento hacia la memoria HBM sin que la GPU tenga que recalcularlo desde cero.

Según AMD, esta arquitectura permite un almacenamiento de contexto extendido superior a un millón de unidades (la propia compañía no precisa si se refiere a tokens o a otra métrica de contexto) y, en un caso concreto medido en la infraestructura de Microsoft, ha permitido ahorrar hasta 22 núcleos de CPU al sustituir un appliance de balanceo de carga que antes corría sobre un servidor estándar.

En los diagramas técnicos de AMD, este almacenamiento inteligente se representa conectado mediante una topología de red en árbol (leaf-spine), en la que los nodos de almacenamiento y los nodos de cómputo de la GPU comparten la misma malla de conmutadores, de forma que el contexto guardado en caché puede viajar hacia y desde las GPU sin salir de esa red interna del rack.

Ya funciona en Microsoft, Oracle e IBM

La documentación técnica de AMD sitúa a Microsoft, Oracle e IBM entre los hyperscalers que ya tienen desplegada esta DPU. El propio press deck de la compañía va un paso más allá y asegura que la Salina es, a día de hoy, la única DPU del mercado desplegada en más de un hyperscaler de forma simultánea, citando específicamente a Oracle y Microsoft como ejemplo de ello.

Raj Subramaniyan, responsable de redes de Oracle Cloud Infrastructure, ha hablado del despliegue de varias generaciones de esta DPU en su infraestructura, de cómo diferencia su oferta de SmartNIC frente a la competencia y de cómo esta evolución de infraestructura se conecta con Stargate, el proyecto de centros de datos de OpenAI.

Con todo esto sobre la mesa, la Salina deja de ser una simple tarjeta de red para convertirse en una pieza que AMD sitúa al mismo nivel de importancia que la propia GPU a la hora de sostener economías de token favorables en cargas de trabajo de IA agéntica, un terreno en el que NVIDIA compite con su propia familia BlueField y en el que la batalla por el rendimiento por vatio y por dólar promete seguir siendo tan intensa como la de las GPU.

Fin del Artículo. ¡Cuéntanos algo en los Comentarios!