NVIDIA ha presentado en el GTC 2026 su nuevo Vera Rubin DSX AI Factory reference design junto con la disponibilidad general de Omniverse DSX Blueprint, una combinación con la que la compañía quiere dar a operadores cloud, hiperescalares, colocation providers e integradores una receta completa para diseñar, construir y operar grandes centros de datos de IA con una lógica mucho más industrializada. La propuesta no se limita al cómputo: abarca red, almacenamiento, energía, refrigeración, control y simulación previa mediante gemelos digitales físicamente precisos.

La pieza central es el reference design Vera Rubin DSX, que NVIDIA describe como una guía para desplegar infraestructura de IA “codesignada” y optimizada para maximizar los tokens por vatio y acelerar el paso desde la planificación hasta la primera puesta en producción. Según la compañía, este diseño de referencia cubre toda la pila de una fábrica de IA, desde el cómputo y la red Spectrum-X Ethernet hasta el almacenamiento, e incluye además buenas prácticas para sistemas de potencia, refrigeración y control, con la idea de que los socios puedan repetir despliegues a gran escala con menos fricción y menos riesgo de integración.

En paralelo, NVIDIA sitúa a Omniverse DSX Blueprint como la capa de simulación y validación previa. El blueprint, ahora disponible de forma general en build.nvidia.com, permite construir gemelos digitales de estas instalaciones para probar diseños, políticas operativas y cambios de hardware o de carga antes de llevarlos al mundo físico. En la práctica, el entorno permite comparar configuraciones de GPU, visualizar indicadores como consumo energético, eficiencia operativa y coste total de propiedad, y ejecutar simulaciones térmicas y eléctricas dentro de un mismo flujo de trabajo.

Ese blueprint no es solo una demo conceptual. La documentación pública de NVIDIA indica que el repositorio incluye la geometría digital de un emplazamiento de 50 acres, una aplicación front-end para interactuar con los gemelos digitales, activos SimReady para acelerar la creación del entorno y simulaciones tanto de carga eléctrica como de comportamiento térmico en pasillo caliente. También permite ejecutar escenarios de fallo eléctrico y rampas térmicas ligadas a la distribución de cargas, algo especialmente relevante en centros de datos donde cada megavatio y cada grado importan.

A nivel software, NVIDIA estructura DSX alrededor de cuatro bloques. DSX Max-Q busca maximizar el rendimiento computacional y los tokens por vatio dentro de un presupuesto eléctrico fijo; DSX Flex conecta las fábricas de IA con servicios de red eléctrica para modular consumo y coordinar generación local; DSX Exchange integra señales de TI y tecnología operacional entre cómputo, red, energía y refrigeración; y DSX Sim valida la instalación como gemelo digital de alta fidelidad mediante la plataforma DSX Air y activos SimReady. En la propia página del blueprint, NVIDIA llega a afirmar que el enfoque Max-Q podría aportar hasta un 30 % más de rendimiento GPU a escala de centro de datos, aunque esa cifra debe leerse como una estimación comercial de la propia compañía.

El alcance de la iniciativa también se mide por el ecosistema que se ha sumado. NVIDIA cita a Cadence, Dassault Systèmes, Eaton, Jacobs, Nscale, Phaidra, Procore, PTC, Schneider Electric, Siemens, Switch, Trane Technologies y Vertiv como contribuyentes al diseño de referencia y al blueprint, ya sea integrando plataformas, aportando activos SimReady o conectando software para diseño, construcción y operación. En otras palabras, NVIDIA intenta convertir su visión de la fábrica de IA en una especie de lenguaje común para infraestructura física, software industrial y operación del centro de datos.

Algunos socios ya han concretado cómo van a encajar en ese esquema. Schneider Electric ha anunciado que su validación incluye nuevos modelos de potencia y refrigeración para las arquitecturas rack-scale de NVIDIA, con soporte para 480 VAC, temperaturas de suministro más altas en el lazo de refrigeración y diseños de sala que separan mejor racks GPU, red, almacenamiento y CPU. Además, Schneider y AVEVA aseguran que integrarán sus capacidades de gemelo digital y simulación multidominio —distribución eléctrica, dinámica térmica, flujo de aire y controles— a lo largo del ecosistema Omniverse DSX.

Vertiv, por su parte, ha anunciado que aportará activos digitales de potencia y refrigeración listos para simulación, además de bloques de infraestructura repetibles y validados, con la idea de acelerar despliegues y reducir riesgo de ejecución. La compañía enmarca esta colaboración como una evolución de su enfoque de infraestructura convergente, donde potencia, refrigeración, control y servicios se diseñan como un sistema interdependiente y no como piezas separadas.

Hay otro elemento clave que explica el movimiento de NVIDIA: la energía. En su anuncio, la empresa sostiene que el mayor cuello de botella actual para nuevos despliegues de IA ya no está solo en los chips o en la obra civil, sino en el acceso a potencia, con más de 300.000 millones de dólares en retrasos de equipamiento y más de 200 GW de proyectos esperando interconexión en Estados Unidos. Para responder a ello, NVIDIA dice estar trabajando con Emerald AI, GE Vernova, Hitachi y Siemens Energy para acelerar el acceso a red y reforzar la estabilidad del sistema eléctrico mediante control dinámico de demanda, modelado conjunto de red y cómputo y plataformas de gemelo digital para monitorización y prevención de fallos.

Visto en conjunto, el anuncio deja una lectura bastante clara: NVIDIA ya no quiere limitarse a vender GPU, redes o DPUs por separado. Quiere codificar cómo debe construirse una fábrica de IA completa, desde el layout del recinto hasta la política de refrigeración, la simulación térmica, la relación con la red eléctrica y la orquestación entre TI y OT. Esa interpretación encaja tanto con la forma en que la compañía describe Vera Rubin DSX como con la evolución previa de Omniverse DSX, presentado en octubre de 2025 como un blueprint abierto para diseñar y operar fábricas de IA a escala gigavatio y validado en el AI Factory Research Center de Virginia.

Para el sector del centro de datos, esto puede tener una consecuencia importante: el valor diferencial ya no estará solo en conseguir más GPU antes que el competidor, sino en ponerlas antes en producción, con menos sobrecostes, menos sobredimensionamiento y menos errores de integración entre energía, refrigeración, red y cómputo. NVIDIA resume ese objetivo con expresiones como time to first production o time to revenue. Traducido a términos más terrenales, la compañía está intentando que el centro de datos de IA se parezca cada vez menos a una obra artesanal y cada vez más a un producto industrial simulable, repetible y optimizable antes de colocar el primer rack.