NVIDIA abrió su semana en SC26, la conferencia de supercomputación celebrada en Chicago, con un anuncio que mezcla hardware y software: Nemotron for Science, la GPU Rubin HPC y una plataforma Vera CPU ampliada para computación de alto rendimiento. Ian Buck, responsable de la división que impulsó CUDA hace dos décadas, presentó herramientas para que agentes de IA planifiquen experimentos, ejecuten código y verifiquen resultados sobre los sistemas de los propios investigadores. La propuesta de Rubin HPC no llega sola: se acompaña de librerías CUDA-X ampliadas, como cuPhoton, cuPotential y cuSpa, orientadas a astrofísica, ciencia de materiales y biología de célula única.

Rubin HPC y el salto del hardware científico

Código fuente
Foto: Sai Kiran Anagani _imkiran / Wikimedia Commons (CC0).

La conferencia SC26 sirve a NVIDIA como escaparate de una transición que lleva años cocinándose. Durante dos décadas, CUDA ha sido la base sobre la que se ha construido buena parte de la computación acelerada en ciencia e inteligencia artificial. La compañía aprovechó el aniversario para reconocer a investigadores e ingenieros que escribieron los primeros programas y para subrayar que ese sustrato sigue creciendo. El anuncio de Rubin HPC encaja en esa línea: no se trata solo de una GPU más rápida, sino de una arquitectura pensada para cargas científicas que ahora conviven con agentes de software capaces de orquestar tareas. La plataforma Vera CPU ampliada apunta en la misma dirección, al ofrecer un entorno de cómputo donde la CPU y la GPU reparten responsabilidades dentro de flujos de trabajo cada vez más automatizados. Nemotron for Science, por su parte, se presenta como un conjunto de modelos y herramientas para que esos agentes operen con criterio sobre datos y simulaciones. La expansión de CUDA-X añade piezas concretas: cuPhoton para fotónica, cuPotential para potenciales moleculares y cuSpa para análisis de célula única, entre otras. NVIDIA sostiene que estas librerías permiten analizar conjuntos de datos mayores y modelar sistemas más complejos, aunque la compañía no detalla cifras de rendimiento comparadas en el material difundido. En paralelo, el proveedor cloud Lambda anunció el uso de conmutadores de óptica coempaquetada (CPO) de NVIDIA Photonics para conectar racks GB300 NVL72 con más de 10.000 GPUs, un dato relevante porque muestra cómo la red se convierte en cuello de botella cuando se entrenan modelos a gran escala. La resiliencia y la eficiencia de esa interconexión son parte del mismo relato: sin una red rápida y estable, miles de aceleradores no rinden como un solo sistema. El contexto geográfico también importa. En AI Day Seoul, celebrado en COEX con más de 2.000 asistentes, Deepu Talla, vicepresidente de robótica y edge AI de NVIDIA, afirmó que Corea está rindiendo por encima de su peso, con empresas como Doosan Robotics e Hyundai entre los actores que avanzan en IA física y agentes. Esa mención conecta la computación científica con la robótica y los dispositivos con IA integrada, el territorio que interesa a esta mesa editorial.

El movimiento de NVIDIA tiene varias lecturas para el ecosistema de hardware y chips. La primera es que la compañía quiere que los agentes de IA dejen de ser una capa experimental y se integren en el flujo de trabajo científico real, con acceso a los sistemas locales de los investigadores. Eso implica interfaces, permisos y verificación de resultados, un terreno donde la fiabilidad pesa más que la novedad. La segunda es que Rubin HPC y la plataforma Vera ampliada refuerzan la apuesta por vender sistemas completos, no solo aceleradores sueltos. Para laboratorios y centros de supercomputación, la decisión de compra se vuelve más compleja: no basta con comparar GPUs, hay que evaluar el software, las librerías y la capacidad de orquestación. La tercera lectura llega desde la red. El uso de óptica coempaquetada por parte de Lambda para unir más de 10.000 GPUs en racks GB300 NVL72 sugiere que la interconexión fotónica deja de ser un experimento de laboratorio y pasa a formar parte de la infraestructura de entrenamiento. Si esa tendencia se consolida, los proveedores de switches y componentes ópticos ganarán peso en la cadena de valor de las fábricas de IA. En robótica, la referencia a Corea y a empresas como Doosan Robotics e Hyundai indica que la IA física avanza con casos industriales concretos, aunque NVIDIA no ofrece cifras de despliegue. Conviene tratar con cautela cualquier promesa de autonomía total: los agentes científicos anunciados se presentan como asistentes que planifican y comprueban, no como sustitutos del criterio humano. La expansión de CUDA-X, con nombres como cuPhoton, cuPotential y cuSpa, es una señal de especialización vertical: en lugar de una librería genérica, NVIDIA fragmenta su oferta por dominios científicos. Eso puede acelerar la adopción en nichos, pero también ata a los investigadores a un ecosistema concreto. La pregunta abierta es cuánto de ese software funcionará fuera de las GPUs de la compañía y qué margen queda para alternativas.

Agentes de IA sobre CUDA-X

Tres frentes merecen seguimiento. El primero es la disponibilidad real de Rubin HPC y de la plataforma Vera ampliada: NVIDIA anunció la arquitectura, pero los plazos de entrega y los precios para centros de investigación no se detallaron en el material difundido. El segundo es la adopción de Nemotron for Science por parte de la comunidad científica. Que un agente planifique experimentos y ejecute código en sistemas propios plantea preguntas sobre reproducibilidad, trazabilidad y seguridad, y aún no hay evidencia pública de resultados revisados por pares. El tercero es la red fotónica. Lambda es un cliente inicial, y su uso de conmutadores CPO con más de 10.000 GPUs marca un precedente, pero habrá que ver si otros proveedores cloud siguen el mismo camino y cómo evoluciona la fiabilidad de la óptica coempaquetada en producción. En el plano geográfico, la actividad en Seúl y la mención a Doosan Robotics e Hyundai anticipan una competencia asiática en IA física que conviene observar con datos, no solo con declaraciones. La confluencia de agentes, GPUs especializadas y redes ópticas dibuja un hardware científico distinto, pero su impacto dependerá de métricas verificables que todavía no están sobre la mesa.

Fuentes consultadas: NVIDIA Blog (Ian Buck Kicks Off NVIDIA’s Week at SC26 as Science Enters the Age of Agents; Lambda Boosts AI Factory Resiliency and Efficiency With NVIDIA Photonics; AI Day Seoul Brings Together Korea’s Industry Leaders, Startups and Developer Communities; CUDA at 20: How the Platform Transformed Scientific Computing; NVIDIA CUDA-X Libraries Give Agents the Tools to Accelerate Scientific Discovery).


Mesa editorial: Infra Pulse

Fuentes consultadas

Jensen Huang
Jensen Huang. Foto: Anderseidesvik / Wikimedia Commons (CC BY-SA 4.0).