Madrid. — En el congreso Hot Chips 2025, NVIDIA dio más detalles del SoC GB10 Grace Blackwell y del sistema DGX Spark, marcando lo que muchos analistas denominan una nueva fase en su estrategia de inteligencia artificial centrada en acercar potencia de data center a espacios de trabajo personales.
Estos productos prometen ofrecer rendimiento de alto calibre en formatos más compactos, permitiendo prototipado, ajuste (fine-tuning) y ejecución de modelos de IA con capacidades que hasta ahora estaban reservadas para servidores grandes.
A continuación se recogen las especificaciones conocidas, lo que implican estos dispositivos, sus ventajas, limitaciones y cómo encajan en el panorama tecnológico actual.
Principales características técnicas del GB10 SoC y DGX Spark
Basado en las especificaciones divulgadas:
- El GB10 es un SoC multi-dielet (dielets) que combina CPU Arm con GPU basada en la arquitectura Blackwell de NVIDIA.
- Fabricación: ambos dies (CPU y GPU) se construyen en proceso de 3 nm de TSMC, con empaquetado mediante interposer 2,5D para conectar los componentes.
- CPU: 20 núcleos Arm v9.2, en dos clústeres de 10 núcleos cada uno.
- GPU: todas las funciones destacadas de Blackwell, incluyendo soporte para FP4 (precisión baja que permite más operaciones por vatio).
- Memoria unificada coherente: se ofrecen 128 GB de memoria del sistema (LPDDR5X) con un ancho de banda considerable (≈ 301 GB/s) y hasta 4 TB de almacenamiento NVMe en algunos sistemas.
- Rendimiento teórico: hasta 1 petaFLOP en FP4. En FP32 (precisión más tradicional) ofrece aproximadamente 31 teraflops.
- Consumo (TDP): alrededor de 140 vatios para todo el chip en condiciones operativas normales.
El DGX Spark es el equipo que montará este GB10 y lo ofrecerá como un “superordenador personal” (desktop AI supercomputer). Se ha anunciado colaboración con OEMs como ASUS, Dell, Lenovo, HP, entre otros, para que fabriquen variantes dentro de este formato.
Lo que permite hacer DGX Spark con GB10
Estos son algunos usos reales y ventajas claras:
- Prototipado y ajuste de modelos grandes localmente: con 128 GB de memoria coherente, es viable trabajar modelos de decenas de miles de millones de parámetros para entrenamientos ligeros o fine-tuning antes de llevar al entorno de producción.
- Inferencia con eficiencia energética: gracias a la arquitectura Blackwell y al soporte FP4, se puede ejecutar inferencias con menos consumo, lo que lo hace útil para investigadores, desarrolladores y pequeños equipos que no pueden depender de un centro de datos grande.
- Desarrollo local con despliegue flexible: los modelos desarrollados en DGX Spark se pueden desplegar después en DGX Cloud u otras infraestructuras aceleradas de NVIDIA sin cambios de código significativos. Esto facilita testear localmente y escalar luego.
- Conectividad y expansión: con redes como ConnectX-7/-C2C (chip-to-chip) es posible conectar múltiples unidades juntos para trabajar con modelos aún más grandes.
Limitaciones y preguntas abiertas
Aunque promete mucho, también hay aspectos a tener en cuenta:
- Precio y disponibilidad: aunque DGX Spark ya está en fase de reservas, los precios iniciales no siempre se han confirmado de forma pública para todos los mercados, y pueden variar bastante.
- Calor y ruido: 140 W no es poco para un escritorio. Para mantener ese nivel de rendimiento, será necesario un buen sistema de refrigeración, lo que podría elevar el ruido o requerir entornos con ventilación adecuada.
- Tamaño de modelos reales vs teóricos: aunque se habla de modelos de decenas o cientos de miles de millones de parámetros, en muchos casos eso requiere cuantizaciones o ajustes que reduzcan la precisión para que el hardware lo maneje eficientemente.
- Competencia con alternativas cloud: para quienes ya usan infraestructuras en la nube, puede que el beneficio de un dispositivo local dependiente del espacio, electricidad y soporte local no compense frente a instancias remotas si escalas mucho.
- Ecosistema de software y compatibilidad: aunque NVIDIA tiene una buena plataforma (DGX OS, librerías CUDA, etc.), siempre hay retos en adaptar librerías de IA nuevas o modelos muy recientes, versiones de frameworks, compatibilidad con drivers, etc.
Implicaciones estratégicas
La presentación de GB10 y DGX Spark indica varios movimientos interesantes de estrategia por parte de NVIDIA:
- Diversificación del hardware: no todo gira alrededor de los grandes data centers; llevar algo de esa potencia al escritorio, al laboratorio, a la universidad, amplía la base de desarrolladores de IA.
- Ecosistema Blackwell más amplio: Blackwell ya no es solo para servidores mega-GPU, sino una familia escalable que va desde SoCs como GB10 hasta chips para centros de datos completos.
- Democratización del acceso a IA potente: permitir que investigadores, startups, instituciones académicas o empresas medianas tengan acceso local a hardware potente reduce la dependencia del cloud, mejora la latencia, la privacidad y los costes operativos.
- Presión competitiva: otros fabricantes (AMD, Intel, etc.) deberán responder con sus propias alternativas SoC/mini servidores/local AI PCs si quieren mantenerse relevantes en el mercado investigativo o de edge/desktop IA.
Conclusión
El GB10 superchip y el sistema DGX Spark representan un paso significativo en cómo NVIDIA quiere que la IA no solo viva en los data centers, sino también en escritorios, laboratorios y estudios de desarrollo. Con capacidades de Blackwell, una CPU de alto rendimiento de MediaTek, memoria unificada, soporte FP4 y networking para escalar, se sitúan entre lo que alguna vez se pensó como “infraestructura” y lo que ahora podría ser hardware cotidiano para desarrolladores de IA.
Para quienes trabajan en modelos de IA, desarrolladores científicos y organizaciones que necesitan prototipar localmente, esto abre posibilidades reales. Pero habrá que ver cuándo baja el precio, mejora la disponibilidad y se pulen los detalles de soporte.
Preguntas frecuentes
¿Qué es el GB10 SoC de NVIDIA?
Es un superchip que combina CPU basada en Arm (20 núcleos) y GPU Blackwell, fabricado en proceso de 3 nm de TSMC, pensado para ofrecer potencia de data center en forma de escritorio o workstation.
¿Qué es DGX Spark y para qué sirve?
DGX Spark es un sistema de NVIDIA que monta el GB10, diseñado como “AI supercomputador personal” para investigadores, desarrolladores y prototipado local de modelos de IA, con 128 GB de memoria unificada.
¿Cuántos parámetros de modelos de IA puede manejar localmente?
Con los 128 GB unificados, se estima que DGX Spark pueda ajustar (fine-tune) modelos de hasta unos 70 mil millones de parámetros, y realizar inferencia con modelos aún mayores, especialmente con uso de precisión reducida como FP4.
¿Cómo se compara su rendimiento FP4 con alternativas?
El rendimiento anunciado: hasta 1 petaFLOP en FP4 lo coloca en un umbral muy alto para equipos de escritorio, cercano al rendimiento de GPUs discretas de gama alta, aunque el desempeño real dependerá de factores como refrigeración, software y cargas de trabajo específicas.
vía: Server The Home
