Wiki de montagem

Build Wiki

Uma série de referência sobre como construir, ligar em rede, alimentar e operar computação de IA — para compradores e integradores que estão a dimensionar a sua próxima máquina de 4 GPU, servidor de 8 GPU ou laboratório de robótica.

Todos os artigos nascem de montagens reais da Kentino. Sem enchimento. Opinativos onde a engenharia o exige. Honestos quanto aos limites.

49artigos publicados 9áreas temáticas 2novos por semana · ter + qui

Servidor de IA: fundamentos Série W

Se está a especificar uma máquina multi-GPU, leia estes primeiro. Memória, PCIe, energia, térmica, armazenamento e a lista restrita de GPU.

W01RAM e VRAM: como se relacionam num servidor de IAUma máquina de 4 GPU com 192 GB de VRAM e 32 GB de RAM está mal dimensionada. O rácio certo depende do que realmente executa.
W02Linhas PCIe & topologia num servidor de IA multi-GPU«PCIe x8 vs x16 não interessa para inferência» está quase certo — e quem o repete normalmente não sabe porquê.
W03Risers de GPU: quando são precisos e o que corre malOnde a integridade do sinal morre em silêncio, as ligações passam discretamente para Gen3 e bancadas aprovadas começam a perder uma GPU por dia.
W04Dimensionamento de fontes de alimentação e configurações com duas fontesAs contas, a realidade do formato e o enquadramento honesto do fornecimento de energia a 4 e 8 GPU.
W05Térmica e fluxo de ar em servidores de IA multi-GPUQuatro GPU a 450 W cada são 1.8 kW de calor dentro de uma caixa. Fluxo de ar frente-trás, pressão estática e porque «tem ventoinhas» não é um plano de arrefecimento.
W06Camadas de armazenamento num servidor de IAModelo, conjunto de dados, scratch, checkpoint — quatro cargas de trabalho com quatro padrões de acesso. Uma só camada NVMe não serve bem nenhuma delas.
W07Escolha de GPU: 5090, 4090, RTX Pro 6000, L40, L4Comparação direta e honesta com números de desempenho reais, compromissos e o fluxo de decisão que usamos mesmo nas chamadas com clientes.

Economia dos tokens Série T

As contas do dinheiro. Tokens por euro, custo por milhão de tokens on-premises vs cloud e quando cada modelo compensa.

T01Tokens por segundo por euroA única métrica de valor de GPU que conta para inferência. Tokens/seg por euro reais entre 5090, 4090, RTX Pro 6000, L40 e L4.
T02Custo por milhão de tokens: on-premises vs cloudOn-premises vs cloud, com as contas feitas em euros. Onde está o ponto de cruzamento e porque a fatura da cloud ganha até, de repente, deixar de ganhar.
T03Economia da inferência contínua vs em picosA inferência 24/7 e os trabalhos em lote irregulares têm economias opostas. Quando o on-premises ganha e quando a cloud o safa.

Linux / SO / software Série L

A pilha de software por baixo das GPU. Fixação de drivers, instalação do CUDA, afinação do kernel, sistemas de ficheiros e monitorização.

L01Pinning do Ubuntu e gestão de drivers NVIDIAFixe o kernel, fixe o driver — ou veja uma atualização do apt deixar as GPU offline. Gestão de drivers que sobrevive a reinícios.
L02CUDA, cuDNN e o NVIDIA Container ToolkitO caminho sensato de instalação. Versões de CUDA vs driver vs toolkit e a via dos contentores que trava o inferno das dependências.
L03Afinação do kernel Linux para servidores de IAO que faz mesmo diferença nas cargas de trabalho de IA — hugepages, NUMA, afinidade de IRQ — e o que é folclore.
L04Escolha do sistema de ficheiros para servidores de IAXFS, ZFS, ext4 — e porque o Btrfs não entra na lista para servidores de IA. Adeque o sistema de ficheiros ao padrão de acesso.
L05Pilha de monitorização: Prometheus, Grafana, DCGM, LokiVeja temperaturas das GPU, VRAM, erros ECC e falhas de tarefas antes que lhe custem um treino inteiro.

Redes Série N

A realidade do NVLink, topologias de cluster (leaf-spine, fat-tree, dragonfly, sem comutador), dissecação da latência, encaminhamento e configuração de RDMA na prática.

N03NVLink e NVSwitch: quando é que importaO marketing da DGX gaba-se de terabytes por segundo de largura de banda NVLink. Para a maioria das cargas de trabalho Kentino, não precisa de nada disso.
N04Topologias comutadas: fat-tree, leaf-spine, Dragonfly, TesseractTodos os diagramas de cluster começam da mesma maneira. A verdadeira escolha é qual a topologia, quanta sobresubscrição e que velocidade por porta.
N05Topologias sem comutador: malha, anel e ligação diretaUm comutador 400 GbE de 32 portas custa €40k–€80k em meados de 2026. Para 2 a 4 nós, não precisa de um.
N06Dissecação da latência: para onde vai cada microssegundoAs pessoas dimensionam redes com gráficos de largura de banda. Depois o teste de allreduce imprime um número nada perto da velocidade nominal.
N07Encaminhamento: ECMP, encaminhamento adaptativo e DCQCNO que acontece acima dos cabos, das placas de rede e dos comutadores: como os pacotes encontram caminho e o que impede a rede de colapsar sob o all-reduce.
N08RDMA na prática + desenho do uplink do clusterMãos à obra: instalar drivers, provar o caminho, ligar o GPUDirect, validar o NCCL e depois desenhar o uplink de todo o cluster.

Clusters Série K

Quando um nó não chega. Decisão entre nó único e multinó, treino distribuído, clusters de inferência, armazenamento partilhado, escalonamento e gestão de falhas.

K01Multi-GPU num nó vs multinó: quando escalar horizontalmenteO erro mais caro é dividir o orçamento de GPU por dois nós quando um nó maior teria resolvido o problema.
K02Treino distribuído em 2026: DDP, FSDP2, DeepSpeed, MegatronQuatro pilhas open-source, cinco eixos de paralelismo e qual escolher mesmo para cada trabalho.
K03Clusters de inferência: vLLM com paralelismo de tensores e de pipelineUm modelo de 70B não cabe numa GPU com cache KV útil. Um de 405B não cabe num nó. A forma como corta o modelo decide o custo.
K04Armazenamento de cluster: NFS, BeeGFS, Lustre e object storesO armazenamento partilhado é a parte de um cluster distribuído em que ninguém pensa até as GPU ficarem a 40% de utilização por causa dele.
K05Escalonamento de tarefas: SLURM, Kubernetes, RaySLURM, Kubernetes, Ray — e saber quando não precisa de nenhum deles. Adeque o escalonador à dimensão da equipa.
K06Gestão de falhas em clusters de IAO que avaria mesmo num cluster de GPU e como recuperar — checkpointing, verificações de saúde e remoção de nós defeituosos.

Integração Série I

Juntar tudo — instalação do servidor de inferência, rede e orçamentos de energia do laboratório, uma montagem de referência e implementação de frota.

I01Arquitetura de IA no edge: robô ↔ servidor de inferência localO artigo de referência. O humanoide que comprou é apenas metade do sistema; esta é a outra metade e a forma como as duas se ligam.
I02Montar um servidor de inferência: vLLM, llama.cpp, SGLangInstalar, servir e medir. Que motor para que modelo e que objetivo de latência.
I03Topologia de rede para um laboratório de robótica + computação de IACablar um laboratório de robótica + IA — ligações aos robôs, uplinks do servidor de inferência e onde se esconde a latência.
I04Orçamento de energia e arrefecimento para um laboratório de robótica + IADimensionar energia e arrefecimento para um laboratório misto de robótica + IA antes de assinar o contrato de arrendamento.
I05Montagem de referência: um laboratório de robótica + IA num só rackUm laboratório completo de robótica + IA num rack — a lista de materiais, o esquema e os compromissos que faríamos mesmo.
I06Implementação de frota: vários robôs, computação partilhadaVários robôs, computação partilhada. Como dimensionar e escalonar a inferência para uma frota e não para uma demonstração.

Distribuição de energia Série P

Levar energia limpa ao rack. Fases, PDU, equilíbrio, disjuntores, UPS e geradores para computação de IA.

P01Alimentação monofásica vs trifásicaQuando uma máquina de 4 GPU ultrapassa um único circuito de 16 A e o que a trifásica lhe traz mesmo num rack de IA.
P02Tipos de PDU: básica, com medição, comutada e ATSO que cada uma faz e qual precisa mesmo para um rack de GPU.
P03Equilíbrio de fases entre racks de IACarregue as três fases de forma equilibrada ou dispare um disjuntor na pior altura. Como funciona o equilíbrio entre racks de IA.
P04Dimensionamento de disjuntores e corrente de arranqueCarga contínua, corrente de arranque e a regra dos 80%. Dimensione disjuntores para servidores de GPU que não disparam sem motivo.
P05Dimensionamento de UPS para computação de IATopologia, química das baterias, autonomia e a armadilha kVA vs kW que subdimensiona metade das UPS compradas para laboratórios de IA.
P06Gerador e comutador de transferênciaQuando a autonomia das baterias não chega. Dimensionamento do gerador e noções de comutação de transferência para laboratórios de IA.

Robótica Série R · blogue

Um humanoide moderno são seis ou sete disciplinas de engenharia aparafusadas umas às outras. Anatomia, sensores, colocação da computação, SDK, redes, compra e a vanguarda dos modelos do mundo guiados por VLM.

R01Anatomia de um humanoide modernoSeis ou sete disciplinas de engenharia aparafusadas umas às outras. O que existe mesmo dentro de um humanoide moderno.
R02Anatomia de um robô quadrúpedeOs quadrúpedes trocam alcance por estabilidade e autonomia. A anatomia mecânica e computacional do formato que faz o trabalho pesado.
R03A pilha de sensores do robôCâmaras, profundidade, LiDAR, IMU, força-binário — o que cada sensor traz e quanto custa em computação.
R04Computação no robô vs fora do robôO que corre no robô e o que corre no servidor. O compromisso entre latência e capacidade que todas as implementações têm de fazer.
R05SDK de robótica, ROS 2 e simulaçãoO ROS 2, os SDK dos fabricantes e os ambientes de simulação — o software com que desenvolve antes de o hardware chegar.
R06Redes para robôs: Wi-Fi, cabos e 5GWi-Fi, cabos umbilicais e 5G — e porque é a latência, e não a largura de banda, que decide o que pode descarregar para fora do robô.
R07Comprar um robô: prazos, alfândegas e apoioComprar hardware de robótica para a UE não é como comprar uma estação de trabalho. Prazos, alfândegas e apoio pós-venda, na realidade.
R08Porque é que os robôs precisam de computação edge dedicadaO argumento da latência. Porque é que pôr o modelo atrás de uma API na cloud estraga o caso de uso que o cliente realmente quer.
R09Etiquetagem automática com modelos do mundo guiados por VLMA vanguarda da perceção — Qwen2.5-VL, Grounded-SAM 2, Florence-2, NVIDIA Cosmos — aplicada à verdade de referência em robótica.

Casos de estudo Série C · blogue

Montagens reais da Kentino com números medidos a sério. Fotografias, listas de materiais, benchmarks e autópsias honestas.

C01Caso de estudo: estação de trabalho de IA com 4× RTX 4090EPYC 7542, 512 GB DDR4 ECC, 4× RTX 4090. 651.6 TFLOPS medidos. 179.3 tok/s sustentados em vLLM. 73°C de pico. Números reais de uma máquina expedida.

Artigos novos todas as terças e quintas

Esta wiki é uma biblioteca em crescimento — ao longo de 2026 publicam-se novos artigos sobre montagem, redes, clusters, energia e robótica, cada um nascido de uma montagem real da Kentino. Se quiser ver um tema priorizado, escreva para info@kentino.com.