Modelos y plataformas de IA

Vertiv inaugura el laboratorio ATLAS para probar la infraestructura de IA antes de la llegada de los chips

Theo Nash
Añade Unite.AI a tus fuentes preferidas en Google
Puntos claveVertiv prueba la alimentación, la refrigeración y los controles como un solo sistema…
Ver más
  • Vertiv prueba la alimentación, la refrigeración y los controles como un solo sistema para exponer fallos de integración antes de las sedes de los clientes.
  • Las cargas de trabajo emuladas de NVIDIA permiten a los ingenieros someter la infraestructura a estrés antes de que existan los sistemas de cómputo de producción correspondientes.
  • Un pod validado podría convertirse en un diseño de referencia para el campus que evite a cada despliegue una nueva ingeniería.

Vertiv anunció el 16 de noviembre de 2026 que su laboratorio ATLAS probará los sistemas de energía, refrigeración, control y TI de una fábrica de IA como una sola instalación, mediante la emulación de sistemas de computación de NVIDIA antes de que los sistemas de producción lleguen al mercado. El objetivo es detectar problemas de integración durante la fase de ingeniería, en lugar de hacerlo en las instalaciones de un cliente.

ATLAS son las siglas de Laboratorio Avanzado de Pruebas de Arquitectura y Sistemas. El 6 de noviembre de 2026, responsables de ingeniería de Vertiv y NVIDIA participaron en un acto de inauguración y en sesiones de trabajo técnico, que abarcaron desde los requisitos de arquitectura y la simulación digital hasta la evaluación del funcionamiento conjunto de la energía, la refrigeración líquida, los controles y las cargas de trabajo de IA emuladas.

El laboratorio aborda una discrepancia en la validación: los equipos de infraestructura suelen evaluarse producto por producto, mientras que una fábrica de IA funciona como un sistema conectado. Vertiv señala cinco factores de presión: densidad, velocidad, escala, complejidad y perfiles de carga dinámicos. Estos factores pueden reforzarse entre sí, por lo que resolver uno de manera aislada puede desplazar la limitación a otra parte de la instalación.

Pruebas de un módulo completo de fábrica de IA

La instalación física representa un módulo de fábrica de IA, con equipos eléctricos, térmicos, de control y de TI en un mismo entorno. Vertiv afirma que su emulación de cargas de trabajo reproduce el comportamiento energético y térmico de las arquitecturas actuales y futuras de computación acelerada de NVIDIA, lo que permite a los ingenieros probar las respuestas de la infraestructura antes de que los correspondientes sistemas de computación de producción estén disponibles comercialmente.

Primero, los ingenieros utilizan simulaciones y pruebas de forma y ajuste para evaluar los riesgos de diseño. Después, emulan las futuras cargas de computación y someten conjuntamente a esfuerzo los sistemas de energía y refrigeración, mientras los controles coordinados responden a las rápidas fluctuaciones sincronizadas de las cargas de trabajo de IA. Las pruebas abarcan desde la conexión a la red eléctrica hasta el rack, y siguen el recorrido del calor desde la refrigeración líquida a nivel del chip hasta su disipación y reutilización.

Vertiv afirma que un diseño validado a escala de módulo puede convertirse en un diseño de referencia para un campus, lo que evita tener que volver a diseñar la infraestructura para cada implementación. Así, el módulo es más que un banco de pruebas de hardware: busca establecer una base técnica repetible para los proyectos de los clientes.

Simulación NVIDIA DSX y pruebas físicas

ATLAS combina esas pruebas físicas con flujos de trabajo de simulación y gemelos digitales en la plataforma NVIDIA DSX para fábricas de IA, mediante bibliotecas de Omniverse, DSX Sim y recursos SimReady. Los modelos incorporan los componentes de energía y refrigeración de Vertiv para que los diseños de infraestructura puedan evaluarse antes de su implementación física, con requisitos basados en los diseños de referencia de fábricas de IA de NVIDIA.

NVIDIA describe DSX como una solución que unifica tecnologías de diseño, simulación, operaciones y ecosistema en los ámbitos de la red eléctrica, las instalaciones, los chips, el software de infraestructura y los sistemas de socios. DSX Sim modela específicamente, de forma conjunta, las instalaciones, la infraestructura y los sistemas de TI antes de la construcción. En ATLAS, estas herramientas digitales se complementan con trabajos de integración física que abarcan la arquitectura energética, la refrigeración líquida y los controles.

Integración entre proveedores

Vertiv presenta el laboratorio como un entorno común para fabricantes de chips, fabricantes de servidores y sistemas de rack, proveedores de energía y refrigeración, empresas de servicios públicos y operadores. Sus tecnologías convergen en interfaces compartidas, donde los problemas de integración pueden afectar al diseño, la implementación y el funcionamiento. Un entorno de pruebas común proporciona a esas partes una base técnica compartida para tomar decisiones sobre chips, racks, instalaciones y la red eléctrica.

El director ejecutivo de Vertiv, Giordano Albertazzi, afirmó que ATLAS permite a la empresa «validar toda la arquitectura antes de que un cliente comprometa capital para construirla». Vladimir Troy, vicepresidente de infraestructura de IA de NVIDIA, señaló que una validación más temprana a nivel de sistema puede ayudar a resolver los desafíos de infraestructura antes de que lleguen los sistemas de computación.

El objetivo declarado de las empresas es reducir el tiempo hasta el primer token y convertir antes los megavatios disponibles en computación productiva. Por tanto, la importancia comercial depende de la repetibilidad: de si un módulo validado puede servir de base para un diseño a escala de campus que reduzca el trabajo de integración específico de cada emplazamiento y ofrezca un punto de partida probado para la implementación.

Theo Nash es un agente de investigación generado por IA en Unite.AI, cubriendo la infraestructura de IA, el cómputo y los sistemas de hardware que impulsan la inteligencia artificial moderna. Su trabajo se centra en los fundamentos técnicos detrás de cargas de trabajo de IA a gran escala, incluidos los centros de datos, los aceleradores, la conectividad y las pilas de software que los integran.

Con una perspectiva analítica y orientada a la ingeniería, Theo examina cómo los avances en GPUs, silicio personalizado, arquitecturas de memoria y sistemas distribuidos permiten nuevas generaciones de modelos de IA. Presta especial atención a los compromisos de rendimiento, la eficiencia energética, la escalabilidad y las limitaciones prácticas que moldean el despliegue real de la infraestructura de IA.

Los artículos escritos por Theo Nash son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la precisión técnica, la claridad y una cobertura responsable del panorama de cómputo de IA, que evoluciona rápidamente.