Vultr, HPE y NVIDIA: así es el centro de datos de IA de nueva generación presentado en HPE Discover 2026

• Rendimiento de IA: Hasta 1.440 PFLOPS de rendimiento FP4 para IA
• Memoria: 279 GB de memoria HBM3e por GPU (37 TB en total en el rack), con 8 TB/s de ancho de banda de memoria por GPU
• Arquitectura: Optimizada para el entrenamiento de grandes modelos de IA, ajuste fino e inferencia en tiempo real para modelos de más de 1 billón de parámetros
• Refrigeración: Diseño completamente refrigerado por líquido integrado en la arquitectura de fábrica de IA de HPE

El GB300 NVL72 se describe como el "nuevo caballo de batalla para inferencia/entrenamiento" con una narrativa explícita de coste por token, lo que refleja el giro de la industria hacia la operacionalización de modelos de IA a escala para aplicaciones en tiempo real . Según la página de producto de NVIDIA, ofrece 1,5 veces más FLOPS Tensor Core FP4 densos y 2 veces más rendimiento de atención en comparación con las GPU NVIDIA Blackwell .

Redes de alta velocidad: la columna vertebral de la inferencia de IA

Las redes de alta velocidad son un pilar fundamental del despliegue. Los sistemas NVIDIA GB300 NVL72 están interconectados mediante redes Ethernet NVIDIA Spectrum-X, una estructura Ethernet de alto rendimiento y sin pérdidas diseñada para eliminar cuellos de botella en cargas de trabajo de IA multinodo .

El despliegue incluye interconexiones de 400GbE y 800GbE, transceptores ópticos, switches Ethernet NVIDIA Spectrum-X y SuperNICs . Sin esta estructura, escalar la inferencia a un rendimiento de nivel empresarial crearía latencia y cuellos de botella de ancho de banda paralizantes. La Arquitectura de Referencia Empresarial de NVIDIA para la Fábrica de IA NVL72 confirma que esta arquitectura de red de doble plano está diseñada para alimentar centros de datos empresariales para entrenamiento e inferencia de IA a escala masiva, permitiendo aplicaciones en tiempo real y modelos de billones de parámetros .

Cambio estratégico: del entrenamiento a la inferencia

Si bien la infraestructura es compatible tanto con entrenamiento como con inferencia , el anuncio enfatiza un creciente enfoque empresarial en la inferencia de IA (despliegue en producción) junto con el entrenamiento. Varias señales apuntan a este cambio:

• El GB300 NVL72 está diseñado específicamente para "inferencia de escalado en tiempo de prueba y tareas de razonamiento de IA"
• Se posiciona explícitamente con una narrativa de coste por token, midiendo el valor en la salida de inferencia en lugar del rendimiento bruto de entrenamiento
• Los mensajes más amplios de HPE en el evento se centraron en llevar la IA a producción con seguridad, gobierno, escala y soberanía

La implicación es clara: las empresas han superado la fase de experimentación y ahora buscan infraestructura optimizada para desplegar modelos de IA a escala en entornos de producción.

Otros anuncios en HPE Discover Las Vegas 2026

Más allá de la alianza con Vultr, HPE destacó varias iniciativas relacionadas:

• Impulso a la IA agéntica: HPE anunció una iniciativa más amplia para llevar la IA agéntica a producción con NVIDIA, enfatizando seguridad, gobierno, escala y soberanía
• Despliegues de clientes: S k y Co., Ltd. implementó HPE Private Cloud AI como parte del portafolio NVIDIA AI Computing by HPE
• Nubax en Argentina: La empresa lanzó un modelo de IA como servicio basado en consumo, logrando una mejora del 62,5% en la previsión de la cadena de suministro, un 35% menos de tiempos de espera y un 40% de ahorro de costes, impulsado por NVIDIA AI Computing by HPE

Lo que esto significa para la IA empresarial

La elección de Vultr por HPE y NVIDIA señala un punto de inflexión importante. Como el hyperscaler privado más grande, Vultr apuesta a que los clientes empresariales necesitan una infraestructura que pueda manejar tanto el entrenamiento como la inferencia en tiempo real a escala de nube. Al combinar la informática a escala de rack de NVIDIA con la arquitectura de fábrica, la refrigeración líquida y los servicios de HPE, Vultr se posiciona para servir a la próxima ola de cargas de trabajo de IA empresarial, desde el entrenamiento de modelos hasta la inferencia en producción en modelos de billones de parámetros.