Compal y Verda impulsan centros de datos de IA con servidores GPU de alta densidad

El papel clave de los servidores GPU refrigerados por líquido

Compal aportará plataformas de servidores GPU de alta densidad con refrigeración líquida, una arquitectura cada vez más habitual en centros de datos de IA .

La razón es sencilla: los modelos modernos de inteligencia artificial requieren miles de GPU funcionando simultáneamente, lo que genera una enorme carga térmica y consumo energético. El diseño de alta densidad permite instalar más GPU en menos espacio físico, mientras que la refrigeración líquida mejora la disipación del calor y la eficiencia energética.

Este enfoque ayuda a mantener la estabilidad del sistema durante largas sesiones de entrenamiento de modelos, así como durante operaciones continuas de inferencia para servicios de IA en la nube.

Señales de una carrera global por la capacidad GPU

La alianza entre Compal y Verda coincide con un aumento notable de la demanda de hardware especializado para IA. Un ejemplo es el acuerdo paralelo de Datasection, empresa japonesa que decidió adquirir 635 servidores GPU equipados con Nvidia B300, equivalentes a 5.080 GPU, por aproximadamente 325 millones de dólares (unos 51.600 millones de yenes) .

La compañía indicó que estos sistemas constituirán la infraestructura central de su próximo proyecto de centro de datos de IA, destinado a ofrecer capacidad de cómputo masiva a grandes proveedores de servicios en la nube y a satisfacer la creciente demanda de inteligencia artificial .

Hardware como base del crecimiento de la IA

En conjunto, estos acuerdos muestran una tendencia clara: mientras empresas como Compal se posicionan como proveedores de los bloques fundamentales de hardware para centros de datos de IA, compañías como Verda o Datasection representan la creciente demanda de capacidad de cómputo.

El entrenamiento de modelos generativos, la inferencia a gran escala y las nuevas aplicaciones basadas en agentes están impulsando una carrera global por asegurar clústeres GPU cada vez más grandes y eficientes.

Aun así, muchos detalles de los proyectos —como cronogramas de despliegue, ubicaciones exactas de centros de datos o capacidad energética total— todavía no se han hecho públicos y provienen principalmente de anuncios corporativos y reportes iniciales .