Wiki de montajes

Build Wiki

Una serie de referencia sobre cómo construir, conectar en red, alimentar y operar computación de IA, pensada para compradores e integradores que están dimensionando su próxima caja de 4 GPU, su servidor de 8 GPU o su laboratorio de robótica.

Cada artículo está escrito a partir de equipos Kentino reales. Sin relleno. Con opinión allí donde la ingeniería lo exige. Honesto sobre los límites.

49artículos publicados 9líneas temáticas 2nuevos por semana · mar. + jue.

Servidor de IA: fundamentos serie W

Si está especificando una caja multi-GPU, lea estos primero. Memoria, PCIe, alimentación, térmica, almacenamiento y la lista corta de GPU.

W01RAM y VRAM: cómo se relacionan en un servidor de IAUna caja de 4 GPU con 192 GB de VRAM y 32 GB de RAM está mal planteada. La proporción correcta depende de lo que ejecute usted realmente.
W02Líneas PCIe y topología en un servidor de IA multi-GPU«PCIe x8 frente a x16 da igual para inferencia» es casi correcto, y quienes lo repiten no suelen saber por qué.
W03Risers de GPU: cuándo los necesita y qué se rompeDónde muere en silencio la integridad de señal, dónde los enlaces se renegocian sin avisar a Gen3 y dónde los bancos que pasan las pruebas empiezan a perder una GPU al día.
W04Dimensionado de la fuente de alimentación y configuraciones de doble fuenteLas cuentas, la realidad del factor de forma y el planteamiento honesto para entregar potencia a 4 y a 8 GPU.
W05Térmica y flujo de aire en servidores de IA multi-GPUCuatro GPU a 450 W cada una son 1.8 kW de calor dentro de una caja. Flujo frontal-trasero, presión estática y por qué «tiene ventiladores» no es un plan de refrigeración.
W06Niveles de almacenamiento en un servidor de IAModelo, conjunto de datos, scratch y checkpoint: cuatro cargas de trabajo con cuatro patrones de acceso. Un único nivel NVMe no sirve bien a ninguna.
W07Elección de GPU: 5090, 4090, RTX Pro 6000, L40, L4Comparativa honesta cara a cara con cifras reales de rendimiento, compromisos y el árbol de decisión que usamos de verdad en las llamadas con clientes.

Economía de los tokens serie T

Las cuentas del dinero. Tokens por euro, coste por millón de tokens en local frente a la nube y cuándo gana realmente cada modelo.

T01Tokens por segundo y por euroLa única métrica de valor de una GPU que importa en inferencia. Tokens/s por euro reales en la 5090, la 4090, la RTX Pro 6000, la L40 y la L4.
T02Coste por millón de tokens: local frente a nubeLocal frente a nube, calculado en euros. Dónde está el punto de cruce y por qué la factura de la nube gana hasta que, de pronto, deja de hacerlo.
T03Economía de la inferencia sostenida frente a la inferencia a ráfagasLa inferencia constante 24/7 y los trabajos por lotes irregulares tienen economías opuestas. Cuándo gana lo local y cuándo le salva la nube.

Linux / sistema operativo / software serie L

La pila de software bajo las GPU. Fijado de controladores, configuración de CUDA, ajuste del kernel, sistemas de archivos y monitorización.

L01Fijado de Ubuntu y gestión del controlador NVIDIAFije el kernel, fije el controlador o vea cómo una actualización de apt deja sus GPU fuera de juego. Gestión de controladores que sobrevive a los reinicios.
L02CUDA, cuDNN y el NVIDIA Container ToolkitLa ruta de instalación sensata. Versionado de CUDA, controlador y toolkit, y la vía de contenedores que acaba con el infierno de dependencias.
L03Ajuste del kernel de Linux para servidores de IALo que de verdad marca la diferencia en cargas de trabajo de IA —hugepages, NUMA, afinidad de IRQ— y lo que es puro culto a la carga.
L04Elección del sistema de archivos para servidores de IAXFS, ZFS, ext4 y por qué Btrfs no está en la lista para servidores de IA. Ajuste el sistema de archivos al patrón de acceso.
L05Pila de monitorización: Prometheus, Grafana, DCGM, LokiVea temperaturas de GPU, VRAM, errores ECC y fallos de trabajos antes de que le cuesten un entrenamiento entero.

Redes serie N

La realidad de NVLink, topologías de clúster (leaf-spine, fat-tree, dragonfly, sin conmutadores), disección de la latencia, enrutamiento y configuración de RDMA en la práctica.

N03NVLink y NVSwitch: cuándo importanEl marketing de DGX presume de terabytes por segundo de ancho de banda NVLink. Para la mayoría de cargas de trabajo de Kentino, no necesita usted nada de eso.
N04Topologías conmutadas: fat-tree, leaf-spine, Dragonfly, TesseractTodos los diagramas de clúster empiezan igual. La decisión real es qué topología, cuánta sobresuscripción y qué velocidad por puerto.
N05Topologías sin conmutador: malla, anillo y conexión directaUn conmutador de 32 puertos a 400 GbE cuesta entre 40k € y 80k € a mediados de 2026. Para 2 a 4 nodos, no necesita usted ninguno.
N06Disección de la latencia: adónde va cada microsegundoLa gente dimensiona redes con gráficas de ancho de banda. Luego su prueba de allreduce arroja un número que no se acerca ni de lejos a la velocidad de línea.
N07Enrutamiento: ECMP, enrutamiento adaptativo, DCQCNLo que ocurre por encima de cables, NIC y conmutadores: cómo encuentran camino los paquetes y qué impide que el tejido se desplome bajo un all-reduce.
N08RDMA en la práctica + diseño del enlace ascendente del clústerManos a la obra: instalar controladores, demostrar la ruta, activar GPUDirect, validar NCCL y después dar el salto a diseñar el enlace ascendente de todo el clúster.

Clústeres serie K

Cuando un nodo no basta. Decisión entre nodo único y multinodo, entrenamiento distribuido, clústeres de inferencia, almacenamiento compartido, planificación y gestión de fallos.

K01Nodo único multi-GPU frente a multinodo: cuándo escalar en horizontalEl error más caro es repartir un presupuesto de GPU entre dos nodos cuando un solo nodo mayor habría hecho el trabajo.
K02Entrenamiento distribuido en 2026: DDP, FSDP2, DeepSpeed, MegatronCuatro pilas de código abierto, cinco ejes de paralelismo y cuál elegir de verdad para cada tipo de trabajo.
K03Clústeres de inferencia: vLLM con paralelismo de tensores y de canalizaciónUn modelo de 70B no cabe en una sola GPU con una caché KV útil. Uno de 405B no cabe en un solo nodo. Cómo parta el modelo decide lo que cuesta.
K04Almacenamiento de clúster: NFS, BeeGFS, Lustre y almacenes de objetosEl almacenamiento compartido es la parte de un clúster distribuido en la que nadie piensa hasta que las GPU se quedan al 40 % de utilización por su culpa.
K05Planificación de trabajos: SLURM, Kubernetes, RaySLURM, Kubernetes, Ray, y saber cuándo no necesita ninguno. Ajuste el planificador al tamaño del equipo.
K06Gestión de fallos en clústeres de IAQué se rompe de verdad en un clúster de GPU y cómo recuperarse: checkpointing, comprobaciones de estado y vaciado de los nodos defectuosos.

Integración serie I

Juntarlo todo: puesta en marcha del servidor de inferencia, presupuestos de red y de potencia del laboratorio, un equipo de referencia y el despliegue de flotas.

I01Arquitectura de IA en el borde: robot ↔ servidor de inferencia localEl artículo de referencia absoluta. El humanoide que ha comprado es solo la mitad del sistema; esta es la otra mitad y cómo se conectan ambas.
I02Montar un servidor de inferencia: vLLM, llama.cpp, SGLangInstalar, servir y medir. Qué motor para qué modelo y qué objetivo de latencia.
I03Topología de red para un laboratorio de robótica y computación de IACableado de un laboratorio de robótica e IA: enlaces de los robots, enlaces ascendentes del servidor de inferencia y dónde se esconde la latencia.
I04Presupuesto de potencia y refrigeración para un laboratorio de robótica e IADimensionar potencia y refrigeración para un laboratorio mixto de robótica e IA antes de firmar el alquiler.
I05Equipo de referencia: un laboratorio de robótica e IA en un solo rackUn laboratorio completo de robótica e IA en un rack: la lista de materiales, la distribución y los compromisos que de verdad asumiríamos.
I06Despliegue de flotas: varios robots, computación compartidaVarios robots, computación compartida. Cómo dimensionar y planificar la inferencia para una flota, no para una demo.

Entrega de energía serie P

Llevar energía limpia al rack. Fases, PDU, equilibrado, magnetotérmicos, SAI y generadores para computación de IA.

P01Alimentación monofásica frente a trifásicaCuándo una caja de 4 GPU se le queda grande a un único circuito de 16 A y qué le aporta realmente el trifásico en un rack de IA.
P02Tipos de PDU: básica, medida, conmutada, ATSQué hace cada una y cuál necesita usted realmente en un rack de GPU.
P03Equilibrado de fases entre racks de IACargue las tres fases de forma pareja o haga saltar un magnetotérmico en el peor momento. Cómo funciona el equilibrado entre racks de IA.
P04Dimensionado de magnetotérmicos y corriente de arranqueCarga continua, corriente de arranque y la regla del 80 %. Dimensione magnetotérmicos para servidores de GPU que no salten sin motivo.
P05Dimensionado del SAI para computación de IATopología, química de la batería, autonomía y la trampa kVA frente a kW que deja cortas la mitad de las compras de SAI en laboratorios de IA.
P06Generador y conmutador de transferenciaCuando la autonomía de las baterías no basta. Dimensionado del generador y nociones de conmutación de transferencia para laboratorios de IA.

Robótica serie R · blog

Un humanoide moderno son seis o siete disciplinas de ingeniería atornilladas entre sí. Anatomía, sensores, ubicación de la computación, SDK, redes, compra y la pila punta de lanza de modelos del mundo con VLM.

R01Anatomía de un humanoide modernoSeis o siete disciplinas de ingeniería atornilladas entre sí. Qué hay realmente dentro de un humanoide moderno.
R02Anatomía de un robot cuadrúpedoLos cuadrúpedos cambian alcance por estabilidad y autonomía. La anatomía mecánica y de computación del factor de forma más trabajador.
R03La pila de sensores del robotCámaras, profundidad, LiDAR, IMU, fuerza-par: qué aporta cada sensor y cuánto cuesta en computación.
R04Computación a bordo frente a computación externa en robotsQué se ejecuta en el robot y qué en el servidor. El compromiso entre latencia y capacidad que todo despliegue tiene que asumir.
R05SDK de robots, ROS 2 y simulaciónROS 2, los SDK de los fabricantes y los entornos de simulación: el software con el que desarrollar antes de que llegue el hardware.
R06Redes para robots: Wi-Fi, cable umbilical, 5GWi-Fi, cable umbilical y 5G, y por qué es la latencia, no el ancho de banda, la que decide qué puede descargar fuera del robot.
R07Comprar un robot: plazos, aduanas y soporteComprar hardware de robótica para la UE no se parece a comprar una estación de trabajo. Cómo son de verdad los plazos, las aduanas y el soporte posventa.
R08Por qué los robots necesitan computación dedicada en el bordeEl argumento de la latencia. Por qué poner su modelo detrás de una API en la nube rompe justo el caso de uso que quiere el cliente.
R09Autoetiquetado con modelos del mundo basados en VLMLa pila de percepción más puntera —Qwen2.5-VL, Grounded-SAM 2, Florence-2, NVIDIA Cosmos— aplicada a la verdad de referencia en robótica.

Casos de estudio serie C · blog

Equipos Kentino reales con cifras reales medidas. Fotografías, listas de materiales, pruebas de rendimiento y análisis honestos a posteriori.

C01Caso de estudio: estación de trabajo de IA con 4× RTX 4090EPYC 7542, 512 GB DDR4 ECC, 4× RTX 4090. 651.6 TFLOPS medidos. 179.3 tok/s sostenidos en vLLM. 73 °C de pico. Cifras reales de un equipo entregado.

Artículos nuevos todos los martes y jueves

Esta wiki es una biblioteca en crecimiento: a lo largo de 2026 publicaremos nuevos artículos sobre construcción, redes, clústeres, energía y robótica, cada uno extraído de un equipo Kentino real. Si quiere usted que demos prioridad a un tema concreto, escriba a info@kentino.com.