Nvidia presenta un centro de datos de IA transportable que se instala en solo dos semanas

  • Fábrica preensambla equipos y sistemas de refrigeración en contenedores para centros de datos de IA

  • Transporte en camión reduce tiempo de construcción de 6 meses a 2 semanas

  • Nvidia expande su negocio más allá de GPU hacia infraestructura completa de IA

Jensen Huang, CEO de Nvidia, pronuncia un discurso el 21 de octubre (hora local) en la conferencia 'GTC Berlín 2026' celebrada en Berlín, Alemania. [Foto=AP/Yonhapnews]
Jensen Huang, CEO de Nvidia, pronuncia un discurso el 21 de octubre (hora local) en la conferencia 'GTC Berlín 2026' celebrada en Berlín, Alemania. [Foto=AP/Yonhapnews]

Nvidia ha presentado un nuevo sistema de diseño de centros de datos de inteligencia artificial (IA) de tipo contenedor que reduce el tiempo de construcción de 6 meses a 14 días. El método consiste en preensamblar equipos informáticos, cables y sistemas de refrigeración en la fábrica, luego transportarlos en contenedores hasta el sitio de instalación.

Según la cadena estadounidense CNBC, Nvidia anunció la nueva tecnología 'DSX Pod AI Factory' el 21 de octubre (hora local) durante la conferencia de desarrolladores 'GTC Berlín 2026' celebrada en Alemania.

El DSX Pod es un producto que integra siete servidores de la próxima generación de sistemas de IA llamados 'Vera Rubin' en un único contenedor. Con un tamaño similar al de un contenedor de carga estándar, pesa aproximadamente 28 toneladas. Fue diseñado para que las conexiones de cables y la instalación de refrigeración líquida se completen en la fábrica, permitiendo su transporte por carreteras convencionales en camiones.

Esto contrasta con el proceso tradicional de construcción de centros de datos, que requería tiempo considerable para instalar y conectar servidores y equipos de refrigeración en el sitio. Nvidia señaló que con el nuevo sistema es posible reducir el tiempo de instalación de un centro de datos de IA de 6 meses a 14 días.

Jensen Huang, director ejecutivo de Nvidia, enfatizó durante su discurso inaugural la importancia de reducir el tiempo de construcción de centros de datos de IA. Señaló que no es posible producir tokens hasta que la fábrica de IA esté operativa, y explicó que al completar el ensamblaje e inspección de equipos en la cadena de suministro, se puede reducir el tiempo desde la llegada al sitio hasta la producción de tokens. A través de esta estrategia, Nvidia tiene como objetivo permitir que los clientes pongan en marcha las instalaciones de producción de IA más rápidamente y generen ingresos con mayor celeridad.

El precio del producto no fue revelado en el evento. Nvidia planea producir el sistema en colaboración con socios fabricantes como Foxconn, Gigabyte, Lenovo, Hewlett Packard Enterprise (HPE), Quanta y Pegatron. Las entregas están programadas para comenzar a principios de 2027.

CNBC señaló que este anuncio demuestra que el alcance empresarial de Nvidia se está ampliando desde la venta de semiconductores individuales como unidades de procesamiento gráfico (GPU) hacia la provisión de sistemas completos que conforman centros de datos de IA.

Huang también reveló recientemente en un podcast que el valor de los productos que Nvidia suministra por gigavatio (GW) de capacidad en centros de datos ha aumentado de aproximadamente 18.000 millones de dólares en el pasado a 20.000 millones de dólares, y que actualmente ha superado los 40.000 millones de dólares. El ejecutivo proyecta que esta tendencia continuará en el futuro.

Por otra parte, Nvidia anunció planes para expandir la capacidad de producción en colaboración con seis socios de sustratos, empaque y pruebas, incluyendo a Samsung Electromechanics, con el objetivo de aliviar los cuellos de botella en el suministro de chips de IA. Ibiden, Samsung Electromechanics y Unimicron ayudarán a asegurar sustratos, mientras que Amkor Technology aumentará el volumen de suministro de empaque de chips en un factor de cuatro para finales de 2028. La capacidad de pruebas de semiconductores se duplicará el próximo año en comparación con este año.



* Este artículo ha sido traducido por IA.