--- title: "Azure estrena el primer megaclúster con NVIDIA GB300 NVL72 para OpenAI: la nueva vara de medir en supercomputación de IA" description: "Microsoft ha puesto en producción el primer clúster a gran escala con NVIDIA GB300 NVL72 para cargas de trabajo de OpenAI. No se trata de un piloto ni de una prueba de concepto: la compañía confirma m..." url: https://revistacloud.com/azure-estrena-el-primer-megacluster-con-nvidia-gb300-nvl72-para-openai-la-nueva-vara-de-medir-en-supercomputacion-de-ia/ date: 2025-10-13 modified: 2025-10-13 author: "Noticias Cloud" image: https://revistacloud.com/wp-content/uploads/2025/10/nvidia-microsoft-gpu-server.jpeg categories: ["Inteligencia artificial", "Noticias"] tags: ["GB300", "GPU", "microsoft", "NVIDIA"] type: post lang: es --- # Azure estrena el primer megaclúster con NVIDIA GB300 NVL72 para OpenAI: la nueva vara de medir en supercomputación de IA Microsoft ha puesto en producción el **primer clúster a gran escala con[ NVIDIA GB300 NVL72](https://revistacloud.com/nvidia-gb300-blackwell-ultra/)** para cargas de trabajo de OpenAI. No se trata de un piloto ni de una prueba de concepto: la compañía confirma **más de 4.600 sistemas GB300 NVL72** desplegados, con **GPUs Blackwell Ultra** interconectadas por la **nueva red NVIDIA InfiniBand Quantum-X800**. El movimiento inaugura una generación de infraestructuras de IA que, según Redmond, **permitirá entrenar en semanas lo que antes requería meses**, y **abrirá la puerta a modelos con cientos de billones de parámetros** (en nomenclatura anglosajona, *trillions*). La ambición va más allá del primer hito. Microsoft subraya que este clúster es **el primero de muchos**: su hoja de ruta apunta a **cientos de miles de GPUs Blackwell Ultra** distribuidas por sus **centros de datos de IA** en todo el mundo. El objetivo es doble: acelerar el **entrenamiento de modelos frontera** y elevar el **rendimiento de inferencia** en producción con **ventanas de contexto más largas**, **agentes más responsivos** y **multimodalidad** a escala. > “Este sistema co-ingenierizado proporciona el primer clúster GB300 de producción a escala del mundo, el motor de supercomputación que OpenAI necesita para servir modelos multibillonarios en parámetros. Marca el nuevo estándar definitivo en computación acelerada”, destacó Ian Buck, vicepresidente de Hyperscale and High-performance Computing en NVIDIA. ## De GB200 a GB300: Azure sube el listón de la IA de propósito general A comienzos de año, Azure introdujo las **máquinas virtuales ND GB200 v6**, basadas en la arquitectura **NVIDIA Blackwell**. Esas VMs se convirtieron en la **columna vertebral** de algunas de las cargas más exigentes del sector; **OpenAI** y **Microsoft** ya venían utilizando **grandes clústeres de GB200 NVL2** en Azure para entrenar y desplegar modelos frontera. La **nueva generación ND GB300 v6** **eleva el listón** con un diseño orientado a **modelos de razonamiento**, **IA agéntica** y **generativa multimodal**. El enfoque es **rack-scale**: cada rack agrupa **18 VMs** con un total de **72 GPUs** y **36 CPUs Grace**: - **72 GPUs NVIDIA Blackwell Ultra** (con **36 CPUs NVIDIA Grace**). - **800 Gbit/s por GPU** de ancho de banda **inter-rack** a través de **NVIDIA Quantum-X800 InfiniBand** de próxima generación. - **130 TB/s** de **NVLink** dentro del rack. - **37 TB** de **memoria rápida** agregada por rack. - Hasta **1.440 PFLOPS** de rendimiento **FP4 Tensor Core** por rack. La arquitectura **NVLink + NVSwitch** atenúa los cuellos de botella de **memoria** y **ancho de banda** dentro del rack, posibilitando **transferencias internas de hasta 130 TB/s** sobre **37 TB** de memoria de alta velocidad. En la práctica, cada rack actúa como una **unidad fuertemente acoplada** que **aumenta el rendimiento de inferencia** y **reduce latencias** incluso en **modelos más grandes** y con **contextos extendidos**, clave para agentes conversacionales y sistemas multimodales. ## Escalar sin bloqueo: fat-tree completo con InfiniBand Quantum-X800 Más allá del rack, Azure despliega una **topología fat-tree no bloqueante** con **NVIDIA Quantum-X800 InfiniBand**, el tejido de red más rápido disponible en la actualidad. Este diseño persigue un efecto concreto: que los clientes puedan **escalar entrenamientos de modelos ultra-grandes** de forma **eficiente** a **decenas de miles de GPUs** con **mínima sobrecarga de comunicación**. Menos **sincronización** significa **mayor utilización efectiva** de las GPUs y, por tanto, **iteraciones más rápidas** y **costes inferiores** aun cuando el entrenamiento sea intensivo en cómputo. La pila co-diseñada de Azure —con **protocolos a medida**, **librerías colectivas** e **in-network computing**— busca **exprimir la red** con **fiabilidad** y **aprovechamiento completos**. Tecnologías como **NVIDIA SHARP** aceleran las operaciones colectivas **ejecutando cómputo en el propio switch**, lo que en la práctica **duplica el ancho de banda efectivo** y hace que el entrenamiento y la inferencia **a gran escala** sean **más eficientes** y **predecibles**. ## Ingeniería de centro de datos: refrigeración, energía y software a la medida de la IA La llegada de GB300 NVL72 no es solo una actualización de tarjetas; implica **repensar cada capa del ‘stack’** —**cómputo, memoria, red, centro de datos, refrigeración y potencia**— como un **sistema unificado**. - **Refrigeración avanzada.** Azure emplea **unidades independientes de intercambiadores de calor** combinadas con refrigeración de la instalación para **minimizar el uso de agua** y **mantener estabilidad térmica** en clústeres densos y de alto rendimiento como **GB300 NVL72**. - **Distribución eléctrica evolucionada.** La compañía continúa desarrollando **nuevos modelos de distribución de energía** capaces de soportar **altas densidades** y **equilibrado dinámico** de carga, requisitos necesarios para la clase **ND GB300 v6**. - **Pilas software re-arquitecturadas.** Los **sistemas de almacenamiento**, **orquestación** y **planificación** se han **reingenierizado** para aprovechar al máximo computación, red y almacenamiento **a escala de supercomputación**, con **eficiencia alta y rendimiento sostenido**. El resultado es una plataforma que no solo acelera el entrenamiento, sino que **reduce latencias** y **aumenta el throughput** en inferencia, incluso cuando se trabaja con **contextos largos** y **múltiples modalidades** (texto, visión, audio). ## Qué cambia para OpenAI (y para el resto del ecosistema) Para **OpenAI**, la disponibilidad del **primer clúster GB300 a escala de producción** en Azure supone disponer de un **motor de supercomputación** preparado para **modelos multibillonarios en parámetros** y **ciclos de entrenamiento más cortos**. Formar y desplegar **modelos frontera** con **ventanas de contexto más extensas**, **razonamiento más profundo** y **capacidades agénticas** más sofisticadas exige **granjas de computación coordinadas** donde **NVLink/NVSwitch** y **InfiniBand** permitan mantener a raya la **sincronización** y el **tráfico colectivo**. Para el **resto de clientes** de Azure, **ND GB300 v6** se perfila como **nuevo estándar de infraestructura de IA**: donde antes un “*job*” duraba meses, ahora el **objetivo** es medir en **semanas**; donde inferir a gran escala implicaba **comprometer latencia** o **tamaño de modelo**, la promesa es **responder más rápido** y **con más contexto**. Esta combinación abre puertas a casos de uso que iban quedando en el terreno de lo teórico por **limitaciones físicas**: **asistentes multimodales de alto contexto**, **IA agéntica** con **memoria extendida**, **sistemas de recomendación** y **búsqueda generativa** con **frescura** y **recall** mejorados, o **simulaciones** que integran lenguaje, visión y señales estructuradas en un mismo lazo. ## La pieza de ingeniería: del rack a decenas de miles de GPUs El **rack** es el **módulo base**: **72 GPUs Blackwell Ultra** con **NVLink/NVSwitch** y **37 TB** de memoria rápida conectada con **130 TB/s** de ancho de banda. Este “bloque” se replica dentro del **tejido InfiniBand Quantum-X800**, que proporciona **800 Gbit/s por GPU** para escalar entre racks **sin bloqueos** (arquitectura **fat-tree**). Sobre esa base se montan las **librerías colectivas** y los **mecanismos de in-network computing** —como **NVIDIA SHARP**— que **aligeran** el tráfico de **reducciones** y **broadcasts** al **llevar las operaciones al switch**, **duplicando el ancho de banda efectivo** y **bajando la presión** sobre endpoints. La **suma** es un **clúster elástico** que mantiene **utilizaciones altas** de GPU, un factor clave cuando **cada punto porcentual** de eficiencia puede traducirse en **millones de euros** a lo largo de un entrenamiento de semanas. ## Un despliegue habilitado por años de inversión Microsoft recuerda que el anuncio no surge de la nada. La compañía ha invertido durante años en **infraestructura de IA**, lo que le permite **adoptar con rapidez** **GB300 NVL72** a **escala de producción** y **acelerar** su **despliegue mundial**. A medida que Azure **extienda** estos clústeres, los clientes podrán **entrenar y desplegar nuevos modelos** en **fracciones de tiempo** respecto a generaciones previas. El compromiso es **continuar publicando métricas y *benchmarks*** de rendimiento a medida que avance el **despliegue global** de **NVIDIA GB300 NVL72**. --- ## Por qué importa: cuatro lecturas clave 1. **Más rápido entrenando, más barato iterando.** Si el entrenamiento baja de meses a semanas, **aumenta el ritmo de hipótesis y mejoras**. En IA, el **tiempo de iteración** es el **multiplicador** que separa a quienes avanzan de quienes persiguen. 2. **Modelos más grandes y más útiles.** La combinación de **FP4**, **NVLink** y **InfiniBand** habilita **modelos con cientos de billones de parámetros** (escala *multitrillion*) y **contextos largos**; esto se traduce en **respuestas más precisas**, **menos fragmentadas** y **más contextuales**. 3. **Inferencia con menos compromisos.** La **inferencia** deja de ser el pariente pobre del entrenamiento: **racks fuertemente acoplados** y **librerías colectivas** optimizadas permiten **latencias bajas** incluso con **modelos grandes** y **contextos extensos**. 4. **Ecosistema y co-ingeniería.** Nada de esto ocurre sin **NVIDIA**: **Blackwell Ultra**, **Grace**, **NVLink/NVSwitch**, **Quantum-X800** y **SHARP** son los ladrillos; Azure aporta el **cemento** —**centros de datos**, **energía**, **refrigeración**, **planificación** y **software**— para que el **edificio** se sostenga **a escala**. --- ## Ficha técnica (por rack ND GB300 v6) - **72 GPUs NVIDIA Blackwell Ultra** + **36 CPUs Grace** - **800 Gbit/s por GPU** (escala entre racks) vía **InfiniBand Quantum-X800** - **130 TB/s** de **NVLink** (intra-rack) - **37 TB** de memoria rápida - Hasta **1.440 PFLOPS** **FP4 Tensor Core** --- ## Conclusión La puesta en producción del **primer clúster GB300 NVL72 a escala** convierte a **Azure** en **referente inmediato** de la **supercomputación de IA** para **modelos frontera**. Si el plan de **escalar a cientos de miles de GPUs** se ejecuta al ritmo anunciado, el sector podría **normalizar ciclos de entrenamiento** de **semanas** y **acelerar** una ola de **modelos más grandes, rápidos y útiles** en **agentes** y **multimodalidad**. La apuesta no es incremental; es **sistémica**: desde el **silicio** hasta el **centro de datos**, pasando por la **red** y las **pilas software**. La **colaboración estrecha** con **NVIDIA** actúa como factor de riesgo y de ventaja al mismo tiempo: concentra tecnología puntera en una **única senda de evolución** que, por ahora, **lidera el mercado**. En el corto plazo, para **OpenAI** y para clientes de **Azure**, el mensaje es claro: **más capacidad, más rápido y con menor fricción operativa** para entrenar e inferir **a muy gran escala**. --- ## Preguntas frecuentes (FAQ) **¿Qué es NVIDIA GB300 NVL72 y en qué se diferencia de GB200 NVL2 usado previamente en Azure?** **GB300 NVL72** es la **nueva generación Blackwell Ultra** que Azure ha llevado a producción **a gran escala**; **ND GB300 v6** se orienta a **razonamiento**, **IA agéntica** y **multimodal**. Azure ya operaba **GB200 NVL2**, pero **GB300** **eleva memoria, interconexión NVLink** y **red InfiniBand Quantum-X800**, habilitando **más rendimiento FP4**, **contextos más largos** y **mayor eficiencia** de entrenamiento e inferencia. **¿Qué cifras clave definen un rack ND GB300 v6 en Azure?** Por rack: **72 GPUs Blackwell Ultra** + **36 Grace**, **130 TB/s** de **NVLink** (intra-rack), **800 Gbit/s por GPU** (entre racks) con **InfiniBand Quantum-X800**, **37 TB** de memoria rápida y hasta **1.440 PFLOPS** **FP4**. Cada rack opera como **unidad fuertemente acoplada** con **baja latencia** y **alto throughput**. **¿Cómo reduce Azure los cuellos de botella de red a gran escala?** Con una **fat-tree no bloqueante** sobre **InfiniBand Quantum-X800** y **colectivas** optimizadas. **NVIDIA SHARP** ejecuta **operaciones colectivas en el switch**, lo que **dobla el ancho de banda efectivo** y **rebaja** la sobrecarga de **sincronización** en entrenamientos que escalan a **decenas de miles de GPUs**. **¿Qué impacto real tiene en plazos y tipos de modelos?** Microsoft afirma que los nuevos clústeres permiten **entrenar en semanas** lo que antes tomaba **meses**, al tiempo que **habilitan** modelos **más grandes** —**cientos de billones de parámetros**— y **contextos más extensos**, esenciales para **agentes** y **multimodalidad** con **respuesta más rápida** y **mayor capacidad de síntesis**. vía [azure.microsoft.com](https://azure.microsoft.com/en-us/blog/microsoft-azure-delivers-the-first-large-scale-cluster-with-nvidia-gb300-nvl72-for-openai-workloads/) y [blogs.nvidia.com](https://blogs.nvidia.com/blog/microsoft-azure-worlds-first-gb300-nvl72-supercomputing-cluster-openai/)