TL:DR
-
La infraestructura de IA requiere observabilidad tanto de los clústeres de cómputo como de los sistemas de las instalaciones, ya que la brecha entre estos entornos es donde suelen originarse las interrupciones.
-
La integración de la telemetría de las instalaciones de Equinix Smart View con la orquestación de cómputo de NVIDIA Mission Control crea una visión operativa unificada de los sistemas de energía, refrigeración y hardware.
-
La observabilidad compartida entre la infraestructura de cómputo y la de las instalaciones permite una recuperación más rápida, un uso más eficiente y una mayor resiliencia para las cargas de trabajo de IA a escala de producción.
Las cargas de trabajo modernas de IA son cada vez más potentes. Las empresas están adoptando agentes de IA capaces de integrarse entre sí y perseguir objetivos comunes sin intervención humana. Según una predicción de IDC, el gasto en IA agéntica alcanzará los 1,3 billones de dólares en 2029 y representará más del 26 % de los presupuestos totales de TI a nivel mundial.[1]
A medida que las empresas escalan la IA, también aumentan sus dependencias. Cuantas más capacidades y permisos conceden a los agentes, mayor es el riesgo cuando estos no pueden funcionar correctamente. Garantizar una infraestructura de IA resiliente se ha convertido en una prioridad para los líderes empresariales, porque cuando la infraestructura de IA deja de funcionar, también lo hacen procesos empresariales automatizados clave. Las organizaciones que logren escalar la IA con mayor eficacia serán aquellas capaces de detectar, aislar y recuperarse de las interrupciones antes de que afecten a las operaciones del negocio.
Afortunadamente, ya contamos con un modelo para lograr la resiliencia de la IA: detectar las interrupciones rápidamente y automatizar la recuperación para minimizar el tiempo de inactividad. Cuando Meta entrenó su modelo Llama 3 con GPU de NVIDIA, registró 419 interrupciones inesperadas en 54 días, pero aun así logró un 90 % de tiempo efectivo de entrenamiento gracias al mantenimiento automatizado del clúster.[2]
Este tipo de respuesta automatizada requiere observabilidad. El desafío es que la infraestructura de IA no funciona como un único sistema. Tanto los clústeres de cómputo como las operaciones de las instalaciones generan señales críticas, pero normalmente estas se gestionan por separado. A medida que las cargas de trabajo de IA se vuelven más distribuidas y consumen más energía, esa separación se convierte en un riesgo operativo.
Estas señales se encuentran en el software de orquestación que monitorea el clúster de cómputo de IA y en el software de gestión de infraestructura del centro de datos (DCIM), que monitorea los sistemas de energía y refrigeración. Tradicionalmente, estas soluciones no han podido integrarse entre sí. Esta brecha entre el hardware y el centro de datos es precisamente donde suelen originarse las interrupciones de la IA.
Para garantizar una infraestructura de IA confiable, los equipos necesitan una visión integrada que abarque tanto el cómputo como las instalaciones. Como nos gusta decir, necesitan observabilidad desde el clúster hasta el circuito. Este cambio representa mucho más que una mejor supervisión. Es un nuevo modelo operativo para la infraestructura de IA, en el que la orquestación del cómputo y las operaciones del centro de datos trabajan a partir de una misma visión, en lugar de responder de forma independiente ante el mismo evento.
La infraestructura de IA resiliente depende de la observabilidad del centro de datos
Las cargas de trabajo de IA son inherentemente más densas que las de TI convencional. Las GPU actuales pueden consumir hasta 200 kilovatios por rack, frente a los 10-20 kW que los centros de datos tradicionales fueron diseñados para suministrar. Este nivel de densidad exige refrigeración líquida, lo que introduce nuevos riesgos que no existen en los sistemas refrigerados por aire.
Por ejemplo, las organizaciones deben estar atentas a problemas relacionados con la temperatura, la presión y el flujo del líquido refrigerante, así como al riesgo de fugas. Y dado que una sola unidad de distribución de refrigerante (CDU) puede dar servicio a todo un clúster de cómputo, basta un pequeño problema para provocar una interrupción grave.
Los sistemas eléctricos son otra fuente habitual de fallos en la infraestructura de IA. De hecho, el informe anual más reciente del Uptime Institute sobre interrupciones reveló que los problemas de energía volvieron a ser la principal causa de interrupciones significativas en los centros de datos.[3] Estos problemas pueden incluir tanto limitaciones de la red eléctrica a nivel de la empresa de servicios públicos como fallos en los sistemas UPS, los interruptores de transferencia y los generadores a nivel de las instalaciones.
La creciente densidad de las cargas de trabajo de IA actuales no hará más que agravar estos problemas de energía. Y, al igual que ocurre con la refrigeración, incluso problemas relativamente pequeños en los sistemas eléctricos pueden tener un impacto considerable. Esto es especialmente cierto en los trabajos de entrenamiento síncrono de IA. Cuando un solo nodo queda fuera de servicio, miles de otros permanecen inactivos mientras el trabajo se recupera.
Los operadores de centros de datos deben proporcionar redundancia para los sistemas de refrigeración y energía, pero esto solo resulta útil si el entorno de cómputo está diseñado para aprovecharla.
Muchas de las señales de alerta que indican una posible interrupción proceden de los sistemas de energía y refrigeración. Por eso resulta problemático que los equipos de TI que gestionan los clústeres de IA no puedan acceder a la telemetría de las instalaciones. Cuando surge un problema, como un circuito eléctrico que se acerca a su límite o un líquido refrigerante cuya temperatura se desvía del rango estándar, no lo sabrán hasta que el equipo de las instalaciones se lo comunique manualmente.
Este retraso lleva inevitablemente a que las GPU permanezcan inactivas. En cambio, cuando el equipo de las instalaciones y el equipo de TI comparten la misma observabilidad, ambos conocen el problema al mismo tiempo y el retraso desaparece.
Equinix Smart View y NVIDIA Mission Control cierran la brecha de observabilidad
NVIDIA Mission Control es la solución de inteligencia de software que opera un NVIDIA DGX SuperPOD. Se encarga de programar trabajos, monitorear las GPU, las redes y el almacenamiento, y automatizar la recuperación.
Equinix Smart View es nuestra solución DCIM. Recopila datos operativos de los centros de datos, entre ellos:
- Consumo eléctrico a nivel de circuito
- Temperatura y humedad en gabinetes, jaulas y sensores
- Estado de los activos mecánicos y eléctricos
Estas dos soluciones están integradas para ofrecer una visión completa de ambos lados de la ecuación: el hardware y los sistemas de energía y refrigeración que lo mantienen en funcionamiento.
La telemetría de las instalaciones de Smart View llega a Mission Control a través de las capacidades de integración de NVIDIA con los sistemas de gestión de edificios (BMS).[4] Esto significa que los equipos de TI ahora pueden acceder a información sobre los sistemas de energía y refrigeración en el mismo lugar donde ya consultan datos sobre cómputo, redes y almacenamiento.
Equinix Smart View lleva la telemetría de las instalaciones a NVIDIA Mission Control
La observabilidad integrada permite actuar, no solo ver
El valor de la observabilidad integrada no consiste simplemente en ver más datos, sino en permitir el mantenimiento predictivo de la infraestructura. Cuando la orquestación del cómputo y las operaciones de las instalaciones comparten el mismo contexto operativo, las organizaciones pueden detectar problemas antes, automatizar respuestas y reducir los fallos en cascada que pueden interrumpir cargas de trabajo de IA a gran escala.
La integración entre Smart View y Mission Control permite tanto capacidades de automatización para la recuperación del cómputo como la intervención manual de profesionales de operaciones especializados.
En el ámbito del cómputo, el Autonomous Recovery Engine de Mission Control puede reiniciar trabajos fallidos desde el punto de control más reciente, sin necesidad de intervención humana. Según NVIDIA, este proceso puede ser hasta 10 veces más rápido que la recuperación manual de los trabajos.[5]
Mission Control también incluye capacidades avanzadas de optimización de energía. Cuando se combina con la telemetría de las instalaciones de Smart View, puede ajustar el consumo eléctrico de las GPU a la cantidad real de energía que el circuito puede suministrar. Esto permite a las organizaciones aprovechar al máximo la capacidad por la que ya están pagando. En cambio, establecer un límite estático en función de lo que el circuito podría llegar a suministrar puede generar infrautilización e ineficiencia.
La telemetría de las instalaciones también ayuda a identificar los circuitos más adecuados para ejecutar trabajos de recuperación. De lo contrario, el sistema podría trasladar una carga de trabajo de recuperación a un circuito que ya está en riesgo, creando las condiciones para que se repita el mismo problema que causó el fallo inicialmente.
La automatización acelera la recuperación, pero las operaciones de IA resilientes siguen dependiendo de una acción coordinada entre el software y la infraestructura física. Esto se debe a que la automatización contiene el problema y protege temporalmente la carga de trabajo, pero no aborda la causa raíz. Eso solo puede resolverse desde el lado de las instalaciones. Ya se trate de un circuito sobrecargado o de una fuga de refrigerante, los eventos físicos en el centro de datos requieren una respuesta humana.
El equipo de operaciones del centro de datos responde a las señales de las instalaciones enviando a un técnico para reparar o sustituir el sistema afectado. La integración con la observabilidad del cómputo les permite responder a los problemas con mayor rapidez. Ya saben exactamente qué circuito o circuito de refrigeración causó el problema, porque pudieron ver cómo reaccionaba el clúster prácticamente en tiempo real.
Cuando las capacidades de automatización del lado del cómputo y el equipo de operaciones del lado de las instalaciones comparten la misma visión, desde el clúster hasta el circuito, pueden trabajar juntos para mantener una fábrica de IA funcionando a pleno potencial a largo plazo.
Qué significa la observabilidad integrada para los líderes empresariales
El futuro de las operaciones de IA depende de tratar la infraestructura de cómputo y la infraestructura de las instalaciones como un único sistema operativo integrado. A medida que las cargas de trabajo de IA se vuelven más densas, más autónomas y más críticas para el negocio, las organizaciones que se anticipen a los fallos, en lugar de limitarse a responder a ellos, lograrán una mayor utilización, más resiliencia y mejores retornos de sus inversiones en IA.
Con la integración entre Equinix Smart View y NVIDIA Mission Control, las organizaciones obtienen una visión operativa unificada de los sistemas de cómputo y de las instalaciones. Los equipos de TI ya no tienen que reaccionar ante los fallos de hardware después de que ocurran. Ahora saben cuándo es probable que se produzca un fallo y, aún más importante, saben por qué. El resultado es una recuperación más rápida, una utilización más eficiente de la infraestructura y una mayor confianza para ejecutar cargas de trabajo de IA a escala de producción.
Esta integración es el desarrollo más reciente de Equinix AI Factory accelerated by NVIDIA. Con esta solución lista para usar, las organizaciones pueden implementar una infraestructura de IA de NVIDIA de propiedad privada, instalada, monitoreada y mantenida por nuestros equipos de servicios gestionados. Gracias a nuestro portafolio de más de 280 centros de datos de colocación distribuidos en 77 áreas metropolitanas de todo el mundo, pueden implementar esa infraestructura allí donde genere mayor valor para el negocio y mantener la resiliencia operativa.
En el futuro, la observabilidad integrada será una capacidad fundamental para una IA resiliente y a escala de producción. Al conectar la visibilidad desde el clúster hasta el circuito, Equinix ayuda a las empresas a crear una infraestructura de IA diseñada para escalar con confianza.
Obtén más información sobre las soluciones conjuntas de Equinix y NVIDIA para la IA empresarial: lee nuestro informe de soluciones.
[1] IDC Blog, Agentic AI to Dominate IT Budget Expansion Over Next Five Years, Exceeding 26% of Worldwide IT Spending, and $1.3 Trillion in 2029, According to IDC, August 26, 2025.
[2] Llama Team, AI @ Meta, The Llama 3 Herd of Models, July 23, 2024.
[3] Douglas Donnellan, Andy Lawrence, Rose Weinschenk, Annual outage analysis 2026, Uptime Intelligence, May 11, 2026.
[4] NVIDIA Mission Control Integration with Building Management System
Subscribe to the Equinix Blog