Ir al contenido
IA para hoy
Inversión y mercado Inversión

NVIDIA y Thinking Machines Lab firman alianza para desplegar un gigavatio de sistemas Vera Rubin

NVIDIA y Thinking Machines Lab firman alianza para desplegar un gigavatio de sistemas Vera Rubin
Foto: Jacek Halicki · CC BY-SA 4.0 · Wikimedia Commons

Hecho Qué ha ocurrido

NVIDIA y Thinking Machines Lab anunciaron hoy una alianza estratégica multiyear para desplegar al menos un gigavatio de sistemas NVIDIA Vera Rubin de próxima generación destinados al entrenamiento de modelos frontera. El despliegue en la plataforma Vera Rubin está previsto para principios del próximo año. NVIDIA ha realizado además una inversión significativa en Thinking Machines Lab para respaldar el crecimiento a largo plazo de la empresa.

Resumen generado mediante IA a partir de NVIDIA Blog (original en inglés). Naturaleza de la información: declaración de parte interesada.

Análisis Por qué importa

Esta alianza representa un compromiso de inversión y capacidad computacional masiva para entrenar modelos de IA personalizables y de código abierto a escala, lo que puede influir en la disponibilidad y accesibilidad de modelos frontera para empresas e instituciones de investigación más allá de los actores dominantes actuales.

Quién se ve afectado
Desarrolladores de IA, investigadores académicos, empresas que buscan modelos personalizables, y proveedores de infraestructura de GPU que compiten con NVIDIA en capacidad de cómputo.
Qué puede cambiar
Si se materializa el despliegue anunciado, aumentaría significativamente la capacidad global de entrenamiento disponible fuera de los centros de datos tradicionales, potencialmente diversificando quién puede desarrollar y ajustar modelos frontera. La énfasis en modelos abiertos y personalizables podría acelerar la fragmentación del mercado de modelos grandes hacia soluciones más especializadas.

Análisis generado a partir de la información disponible; no procede de la fuente.

Predicción Qué observar a continuación

Confirmación del despliegue real de Vera Rubin en 'principios del próximo año'; disponibilidad y rendimiento de los modelos de Thinking Machines que resulten del entrenamiento; reacción de competidores como AMD, Intel y proveedores de servicios en la nube; adopción empresarial de modelos abiertos entrenados en esta infraestructura.

Recomendación Qué debería hacer una empresa

Empresas con cargas de trabajo de IA deben evaluar durante los próximos 6-12 meses si los modelos personalizables de Thinking Machines disponibles tras este despliegue ofrecen ventajas de rendimiento, costo o privacidad respecto a alternativas propietarias.

Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.

Compartir WhatsApp LinkedIn X Bluesky Telegram
Enviar esta noticia por correo

Se envía esta noticia con su análisis. La dirección se usa solo para ese envío y no se guarda.

Fuente original: NVIDIA Blog (fuente primaria). La referencia es siempre el artículo original.

Ver fuente original ↗

Vera RubinLLMinfraestructura GPUmodelos abiertos NVIDIAThinking Machines Lab gigavatioinfraestructuramodelos abiertosNvidiaThinking Machines Lab

Fuentes de esta historia

Esta noticia forma parte de una historia cubierta por 2 publicaciones. La fiabilidad sube cuando varias fuentes independientes la confirman.

  1. NVIDIA Blog estás leyendo esta
    · declaración interesada · artículo original ↗
  2. NVIDIA Blog
    · confirmado por varias fuentes · artículo original ↗

Ver la historia completa con su línea temporal →

Tu opinión

0 comentarios

Sin registro. La primera vez te pediremos confirmar el correo y el comentario pasará por moderación; después se publican al momento si cumplen las normas. Se guarda un resumen de tu IP para evitar abusos.

Relacionadas

Herramientas y productos 2 fuentes

NVIDIA presenta Vera Rubin y Feynman: nuevas arquitecturas para IA agentic

En su keynote en GTC 2026, el CEO Jensen Huang anunció NVIDIA Vera Rubin, una plataforma completa de siete chips, cinco sistemas a escala de rack y un…

Por qué importaLas nuevas arquitecturas representan el siguiente salto en infraestructura de IA, optimizando el costo por token y la escalabilidad de sistemas…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 7/10 NVIDIA Blog
Inversión y mercado

Listen Labs abandona ronda de 1.500M$ ante posible adquisición por Salesforce de 2.000M$

Listen Labs, startup de investigación de mercado con IA de voz, firmó un term sheet por 125 millones de dólares con Menlo Ventures a una valoración de 1.500…

Por qué importaIlustra la valoración vertiginosa y volátil de startups de IA aplicada a investigación de mercado, y cómo las grandes tecnológicas como Salesforce…

Impacto bajo Fiabilidad rumor, sin confirmar TechCrunch AI

Kepler Computing propone nueva arquitectura de memoria HBM sin litografía EUV

Kepler Computing, startup de San José con 468 millones de dólares recaudados y hasta 245 millones comprometidos por el Departamento de Comercio de EE UU…

Por qué importaSi la tecnología escala, podría reducir cuellos de botella y costes en el suministro de memoria HBM, un componente crítico y caro para el hardware de…

Impacto medio Fiabilidad una fuente fiable Relevancia 7/10 Wired en Español

Datos de Ramp muestran freno en el gasto en IA por empleado durante agosto

Según datos de Ramp sobre 70.000 empresas, el 56% de sus clientes pagó por productos de IA en agosto, un crecimiento de solo 0,4% respecto al mes anterior. El…

Por qué importaLa desaceleración en el gasto empresarial, junto con la caída de precios de tokens, pone en duda si los laboratorios de IA podrán recuperar sus…

Impacto medio Fiabilidad una fuente fiable Relevancia 7/10 TechCrunch AI