
La carrera por el silicio se está corriendo también en el cableado. CoreWeave anunció este martes el bring-up de racks NVIDIA Vera Rubin NVL72 en su cloud, uniendo cientos de GPUs Rubin en un solo clúster scale-out pensado para cargas de IA agéntica. La compañía asegura ser el primer proveedor de AI cloud en validar y levantar un Vera Rubin NVL72 como servicio confiable.
La arquitectura, en números
Un solo rack NVL72 empareja 72 GPUs Rubin con 36 CPUs Vera, más NVIDIA NVLink 6, ConnectX-9 SuperNICs y BlueField-4 DPUs. Con la versión multi-rack, CoreWeave unifica varios racks de cientos de aceleradores usando networking Spectrum-X Ethernet en un único clúster escalable.
Del lado de red, cada GPU lleva dos ConnectX-9 SuperNICs, lo que da 1.6 Tb/s de conectividad scale-out por GPU sobre caminos multi-plano y multi-rail. La topología soporta alrededor de 128.000 GPUs por rail en un fabric sin bloqueo, y permite agregar racks sin rediseñar la red en cada expansión.
Por qué le importa a la IA agéntica
El argumento de CoreWeave es que entrenar e inferir sobre cientos de Rubins es clave para workloads agénticos de múltiples pasos, que son muy sensibles a la latencia de acceso a datos: los retrasos se van acumulando entre llamadas al modelo y uso de herramientas. En paralelo, la compañía sumó dos capacidades a su AI Object Storage: aceleración de escritura cross-region y un nuevo tier Archive, acercando los datos a los workloads.
La jugada de fondo: mientras los hyperscalers pelean por el suministro de silicio, los neoclouds como CoreWeave se están diferenciando en qué tan rápido pueden convertir racks enteros en un servicio usable. Y en eso, ser el primero en validar Vera Rubin NVL72 es una señal concreta.
Update: 2026-09-16
En paralelo, NVIDIA publicó los primeros números de eficiencia del Vera Rubin NVL72 en su benchmark AgentX (resultados ya visibles en el dashboard de SemiAnalysis). Sobre DeepSeek V4 Pro — un MoE de 1.6 billones de parámetros —, el rack entrega hasta 30x más throughput por megavatio que el GB300 NVL72, y hasta 45x menor costo por millón de tokens bajo condiciones agénticas. El giro narrativo de Jensen Huang es claro: la carrera dejó de medirse solo en velocidad de chip y ahora se mide en tokens por vatio, justo la métrica que sostiene el argumento de los neoclouds como CoreWeave para justificar racks enteros de Rubin.
Fuentes del update: NVIDIA Blog, TechTimes.


