Nvidia prueba configuraciones Rubin Ultra con menos memoria
Según informes, Nvidia está probando diseños Rubin Ultra con solo 192 GB o 256 GB de memoria, pese a haber presentado anteriormente una configuración de 1 TB. El informe de Nvidia Tom describe al menos tres prototipos con menos memoria, incluidos diseños que sustituyen HBM4E por HBM4. Esos cambios convertirían el acelerador más ambicioso de la empresa en un producto más conservador.
Las pruebas reportadas no establecen las especificaciones finales de Rubin Ultra. Nvidia no ha confirmado públicamente las configuraciones, y la información disponible deja sin resolver importantes detalles de diseño. Sin embargo, las pruebas importan porque siguen a informes independientes sobre menos chiplets de cómputo y retrasos que afectan al rack Kyber previsto.
En conjunto, estas afirmaciones revelan un conflicto entre el sistema anunciado por Nvidia y el hardware que los proveedores pueden fabricar a escala. AMD y los aceleradores personalizados de grandes proveedores de nube añaden presión competitiva. Sin embargo, el rival inmediato de Nvidia es su propia promesa de 1 TB, no otro fabricante de chips.
El informe de Nvidia Tom describe tres diseños más pequeños
El cambio central no es un ajuste menor de capacidad. Es un posible retroceso respecto al diseño que Nvidia presentó hace cinco meses.
Según el informe sobre Rubin Ultra, Nvidia ha probado al menos tres configuraciones con memoria de alto ancho de banda reducida. HBM coloca DRAM apilada junto a un procesador, proporcionando mucho más ancho de banda que la memoria convencional de servidor.
Las opciones reportadas incluyen capacidades de memoria Rubin Ultra de 192 GB y 256 GB. Otros prototipos supuestamente utilizan menos de las 16 pilas de memoria asociadas al diseño original. Al menos una opción también sustituye HBM4E por el HBM4 más avanzado anunciado anteriormente.
El informe no vincula cada capacidad con una generación de memoria o un número de pilas específico. Tampoco identifica la cantidad de chips de cómputo en cada prototipo. Esas omisiones impiden calcular de forma fiable el ancho de banda, la disposición del encapsulado o el rendimiento esperado de las aplicaciones.
Esa incertidumbre importa porque el punto de partida público de Nvidia era radicalmente distinto. En GTC de marzo de 2026, la empresa mostró una bandeja Rubin Ultra con cuatro chiplets de cómputo y 1 TB de HBM4E. La compañía posicionó el acelerador para su despliegue en 2027 mediante sus sistemas Kyber y multirack.
Una configuración de 192 GB contendría menos de una quinta parte de la capacidad demostrada. También tendría menos memoria que los 288 GB indicados para cada GPU Rubin estándar en las especificaciones actuales Vera Rubin NVL72 de Nvidia.
La diferencia no convierte automáticamente al producto más pequeño en inutilizable. Los requisitos de memoria varían según el modelo, la carga de trabajo, el formato numérico y la arquitectura de despliegue. Un rack denso puede dividir una carga de trabajo entre varios aceleradores, mientras que el almacenamiento especializado puede albergar partes de una caché de inferencia.
Aun así, el cambio alteraría lo que significa “Ultra”. La demostración de marzo asoció la etiqueta con una memoria excepcional por encapsulado y cuatro chiplets de cómputo. Un acelerador más pequeño de dos chiplets que use HBM4 convencional se parecería más a un producto Rubin ajustado que al buque insignia original.
Nvidia no ha confirmado que ninguno de los prototipos reportados vaya a entrar en producción. Probar varias opciones es normal durante el desarrollo de hardware, especialmente antes de la cualificación final. Las empresas evalúan habitualmente diseños que nunca salen del laboratorio.
El momento otorga mayor relevancia a estas pruebas concretas. Los informes sobre memoria reducida llegaron después de supuestos cambios en el paquete de cómputo y la arquitectura del rack. Cada informe apunta a la misma respuesta práctica: reducir la complejidad antes de que comience la fabricación en volumen.
Por tanto, la historia de Nvidia Tom plantea una tensión clara. Nvidia puede conservar la especificación pública y asumir un mayor riesgo de suministro, o reducir la especificación y proteger su calendario de entrega. No puede resolver plenamente ambos problemas mediante el nombre o el marketing.
El suministro de HBM4E presiona la promesa de 1 TB
La capacidad de memoria anunciada para Rubin Ultra multiplica el riesgo de suministro porque cada acelerador consumiría una colección inusualmente grande de pilas avanzadas.
HBM4E es una generación mejorada de HBM4 que puede utilizar un chip base lógico personalizado. El chip base gestiona las conexiones entre la memoria apilada y el encapsulado del acelerador. La lógica personalizada puede mejorar la integración, pero también añade trabajo de diseño, fabricación y cualificación.
La escasez reportada no es simplemente una falta de bits de DRAM sin procesar. Nvidia necesita pilas de memoria con la velocidad, capacidad, comportamiento térmico, diseño lógico y compatibilidad de encapsulado adecuados. Un proveedor debe ofrecer todas esas características de forma consistente antes de que Nvidia pueda ensamblar sistemas de producción.
La configuración original de 1 TB de Rubin Ultra intensificó ese desafío. El diseño demostrado colocaba 16 pilas HBM4E junto a cuatro grandes chiplets de cómputo. Por tanto, cada acelerador terminado consumiría muchos componentes avanzados, sin contar el rendimiento del encapsulado.
Un defecto en un componente puede afectar al valor de todo el encapsulado. Esto hace que el suministro sea más sensible de lo que sugiere un simple recuento de chips de memoria disponibles. La capacidad de encapsulado, los interposers, los chips base, la validación y la refrigeración pasan a formar parte de la restricción.
La plataforma Rubin estándar de Nvidia ilustra la diferencia. Sus especificaciones NVL72 indican 288 GB de HBM4 por GPU y 22 TB por segundo de ancho de banda de memoria. En 72 GPU, el rack contiene 20,7 TB de HBM4.
Micron afirmó en marzo que había iniciado la producción en gran volumen de una pila HBM4 de 36 GB y 12 capas para Vera Rubin. El proveedor afirmó alcanzar velocidades superiores a 11 gigabits por segundo por pin y un ancho de banda de más de 2,8 TB por segundo. Esas cifras describen HBM4 estándar, no la configuración HBM4E personalizada asociada al Rubin Ultra original.
Micron también ha distribuido muestras de una pila HBM4 de 48 GB y 16 capas, según la cobertura de producción. Las pilas más altas pueden aumentar la capacidad sin incrementar el número de posiciones del encapsulado. Sin embargo, implican sus propios requisitos de rendimiento, calor y cualificación.
El recurso a HBM4 reportado permitiría a Nvidia aprovechar una cadena de suministro Rubin más madura. También podría reducir el trabajo de personalización para los proveedores de memoria. Esa elección priorizaría la disponibilidad y el calendario frente a la tecnología de memoria distintiva anunciada para Ultra.
Reducir el número de pilas ofrece otra palanca. Menos pilas reducen la capacidad total, pero también simplifican el enrutamiento y reducen la cantidad de componentes escasos necesarios por encapsulado. Nvidia podría fabricar más paquetes de aceleradores con la misma producción de memoria cualificada.
Por eso las pruebas de 192 GB y 256 GB merecen atención. No son capacidades aleatorias. Sugieren que Nvidia está explorando productos que consumen considerablemente menos pilas y conservan suficiente ancho de banda para determinadas cargas de trabajo de IA.
La demanda añade otra capa de presión. Los aceleradores de IA compiten ahora por memoria avanzada entre Nvidia, AMD, chips de nube personalizados y otros procesadores. Los proveedores deben ampliar la producción sin permitir que la calidad o los rendimientos se desplomen.
Los acuerdos de suministro a largo plazo pueden asegurar asignaciones, pero no pueden crear de inmediato producción cualificada. La nueva capacidad de fabricación requiere tiempo. El encapsulado avanzado y la integración final de sistemas deben ampliarse junto con la producción de memoria.
Por tanto, la rebaja reportada tiene menos que ver con abandonar la tecnología HBM que con racionarla. Nvidia parece estar probando cuánta poca memoria puede llevar Rubin Ultra mientras sigue siendo comercialmente creíble.
El buque insignia anunciado por Nvidia choca con la realidad de fabricación
La principal contienda enfrenta ahora la visión pública de Nvidia de 1 TB con la viabilidad de fabricación del sistema Rubin Ultra completo.
El concepto original de Nvidia combinaba cuatro chiplets de cómputo, 16 pilas HBM4E, encapsulado avanzado, refrigeración líquida y una nueva arquitectura de rack. Cada elemento era ambicioso. Combinarlos todos creó varias vías interdependientes hacia el retraso.
En junio, informes independientes señalaron que Nvidia había abandonado la configuración de cuatro chiplets en favor de un diseño de dos chiplets. El informe sobre chiplets citó preocupaciones sobre la ejecución de fabricación, aunque Nvidia no confirmó la supuesta cancelación.
Un diseño de dos chiplets haría más fáciles de entender las configuraciones Rubin Ultra con menos memoria. Cuatro chiplets de cómputo pueden utilizar mayor capacidad de memoria local y ancho de banda. Dos chiplets reducen esa demanda al tiempo que simplifican el encapsulado, la entrega de energía y la refrigeración.
Sin embargo, 192 GB seguirían siendo inesperadamente pocos. Rubin estándar ya cuenta con 288 GB de HBM4 por GPU, según las especificaciones publicadas por Nvidia. Un producto Ultra de menor capacidad necesitaría otra fuente de diferenciación.
Nvidia podría hacer hincapié en el escalado a nivel de rack en lugar de la memoria por encapsulado. Su diseño de sistema Rubin describe opciones NVL72, NVL144 y NVL576 para Rubin Ultra. El dominio planificado más grande conectaría ocho racks y 576 GPU.
Esa estrategia desplaza la unidad de venta de un acelerador individual a un sistema informático completo. Los clientes evaluarían el rendimiento agregado, la memoria disponible en todo el dominio, la red, la energía y el software. Una reducción en un encapsulado podría parecer menos grave a través de cientos de GPU conectadas.
Sin embargo, el escalado a nivel de rack no elimina los límites de memoria local. Los modelos y las cachés de inferencia deben moverse a través de una jerarquía de HBM, interconexiones, CPU y almacenamiento. Acceder a datos remotos introduce latencia y consume capacidad de red.
La plataforma de memoria de contexto BlueField-4 de Nvidia está diseñada para ampliar el almacenamiento de la caché clave-valor, los datos temporales producidos durante la inferencia de modelos. Estos sistemas pueden reducir la presión sobre HBM. No pueden hacer que un almacenamiento más lento se comporte exactamente como memoria conectada directamente a una GPU.
Un Rubin Ultra más pequeño aún podría destacar en cargas de trabajo con mucho cómputo y requisitos de memoria moderados. También podría servir a despliegues que distribuyen modelos de manera eficiente entre muchos aceleradores. El problema es que estas ventajas difieren de la narrativa de 1 TB presentada en GTC.
Esta es la inversión central. Nvidia utilizó una integración extrema para definir Rubin Ultra y luego, según los informes, comenzó a probar reducciones en ese mismo diseño integrado. La memoria, los chiplets de cómputo y la topología de rack parecen estar todos bajo revisión.
La empresa ha ofrecido una respuesta general a los informes relacionados con retrasos. Después de afirmaciones de que Kyber se había retrasado hasta 2028, un representante de Nvidia dijo que su “hoja de ruta sigue intacta”. Nvidia no aclaró si esa declaración cubría las especificaciones originales, el calendario o una hoja de ruta revisada.
Esa distinción se ha vuelto esencial. Una familia de productos puede mantenerse en calendario mientras cambia su configuración interna. Nvidia podría enviar algo llamado Rubin Ultra en 2027 sin entregar el acelerador de cuatro chiplets y 1 TB mostrado en marzo.
Para los compradores empresariales, los nombres de los productos importan menos que el rendimiento validado y las fechas de entrega. Aun así, la brecha entre el anuncio y el envío afecta a la planificación. Los centros de datos deben reservar energía, refrigeración, espacio en planta, redes y financiación mucho antes de que lleguen los racks.
Por tanto, Nvidia se enfrenta a una difícil decisión de ingeniería. Mantener la especificación de 1 TB protege la narrativa del producto insignia, pero concentra el riesgo de suministro y fabricación. Reducir la memoria protege el volumen, pero debilita la promesa técnica original.
Una memoria más pequeña en Rubin Ultra cambia la ecuación competitiva
Una reducción de memoria daría una oportunidad a los rivales, pero la posición de Nvidia en software y sistemas impide una conclusión simple de ganadores y perdedores.
AMD es el competidor más directo en aceleradores comerciales. Su hoja de ruta Instinct se dirige a los mismos grandes operadores de nube, desarrolladores de modelos y compradores de infraestructura empresarial. Estos clientes comparan sistemas completos, no líneas de especificaciones aisladas.
La memoria por acelerador es importante para modelos grandes, ventanas de contexto extensas, puntos de control de entrenamiento y cachés de clave-valor. Más memoria local puede reducir la partición de modelos y la comunicación entre procesadores. También puede admitir lotes más grandes o secuencias más largas dentro de un sistema fijo.
El ancho de banda importa por separado de la capacidad. Un diseño HBM4 de 192 GB aún podría ofrecer un ancho de banda sólido si utiliza suficientes pilas rápidas y una interfaz amplia. Los reportes actuales no ofrecen suficiente detalle para determinar esa configuración.
Por eso, sería prematuro extraer conclusiones directas sobre el rendimiento. Una capacidad menor no demuestra que Rubin Ultra perderá frente a AMD. Sí muestra que los clientes necesitan especificaciones actualizadas antes de realizar comparaciones fiables.
Los proveedores de nube también cuentan con aceleradores personalizados. Google, Amazon, Microsoft y Meta diseñan chips en torno a cargas de trabajo internas seleccionadas. Sus sistemas pueden sacrificar versatilidad cuando eso mejora la eficiencia o el control del suministro.
Estas alternativas presionan a Nvidia de dos formas. Dan poder de negociación a los hyperscalers y reducen la dependencia de la hoja de ruta de un único proveedor. Un operador de nube puede dirigir las cargas de trabajo adecuadas hacia su propio silicio y reservar los sistemas Nvidia para tareas sensibles al software.
Nvidia conserva ventajas importantes. CUDA sigue profundamente integrado en el desarrollo de IA, y la empresa controla una amplia pila que abarca procesadores, interconexiones, redes, CPUs y software. Los clientes pueden aceptar una especificación de hardware reducida para preservar la compatibilidad y la velocidad de despliegue.
El informe fuente refleja esa fortaleza. Según los reportes, un cliente de Nvidia dijo que la memoria por GPU no era la principal preocupación y destacó la relación a largo plazo. Esa opinión no puede representar a todos los compradores, pero ilustra por qué la capacidad por sí sola no decidirá la demanda.
La disponibilidad puede importar más que la especificación ideal. Un acelerador de 256 GB que se entrega de forma predecible puede ser más útil que un diseño de 1 TB retrasado por la escasez de memoria. Los proveedores de nube no obtienen nada de un hardware que permanece atrapado en la fase de validación.
Al mismo tiempo, reducir la memoria puede trasladar los costes a otros ámbitos. Los clientes podrían necesitar más aceleradores, más redes o infraestructura de almacenamiento adicional para la misma carga de trabajo. Una mayor complejidad del sistema puede compensar los ahorros generados por un paquete más sencillo.
La energía es otra preocupación. Distribuir un modelo entre más aceleradores puede elevar las exigencias de comunicación y refrigeración. Por ello, los compradores examinarán los tokens útiles producidos por vatio, no solo el rendimiento aritmético máximo.
La optimización de software podría suavizar el impacto. La cuantización reduce el número de bits utilizados para representar los pesos del modelo. Los modelos de mezcla de expertos activan solo partes seleccionadas de una red para cada token. Una mejor gestión de caché también puede limitar la presión sobre la memoria durante la inferencia.
Ninguno de estos métodos elimina las limitaciones físicas. Cambian la eficiencia con la que los desarrolladores utilizan la capacidad disponible. Los resultados varían entre modelos y pueden afectar a la calidad, la latencia o el esfuerzo de ingeniería.
Por tanto, el impacto de HBM4 en Nvidia diferirá según el cliente. Los grandes laboratorios que entrenan modelos de frontera pueden valorar la máxima capacidad local. Los proveedores de inferencia con modelos optimizados pueden preferir un suministro fiable y una mayor densidad por rack.
Los compradores empresariales deberían evitar tratar el prototipo reportado de 192 GB como un producto final. También deberían evitar basar sus planes de infraestructura en la configuración demostrada de 1 TB. Ambas cifras siguen siendo provisionales hasta que Nvidia publique y valide las especificaciones finales.
El informe deja sin responder preguntas técnicas críticas
La evidencia respalda una revisión seria del diseño, pero no establece qué prototipo fabricará Nvidia.
La primera incertidumbre se refiere al mapeo de configuraciones. El informe identifica opciones de 192 GB, 256 GB, menos pilas y HBM4. No indica si estas descripciones se refieren a tres diseños distintos o a características superpuestas.
Un diseño HBM4 de 192 GB podría utilizar una disposición de pilas diferente de una versión de 256 GB. Otro prototipo podría conservar HBM4E al tiempo que reduce el número de pilas. Sin ese mapeo, las comparaciones siguen siendo especulativas.
La segunda pregunta se refiere a los chips de cómputo. Los reportes de junio describieron un cambio de cuatro chiplets a dos, pero Nvidia no ha confirmado ese cambio. Las pruebas de memoria podrían involucrar hardware de doble chiplet, el paquete original de cuatro chiplets o ambos.
Las decisiones de cómputo y memoria no pueden evaluarse por separado. Menos chips de cómputo reducen la capacidad aritmética y la demanda de memoria. Mantener cuatro chips de cómputo con una memoria drásticamente reducida podría crear un desequilibrio más grave de ancho de banda o capacidad.
La tercera incógnita es el significado de «pruebas». Las empresas de hardware prueban muchas configuraciones antes de la producción. Algunos experimentos evalúan la viabilidad, mientras que otros preparan productos para distintos segmentos de clientes.
Nvidia podría acabar enviando más de un modelo Rubin Ultra. Una versión escasa de 1 TB podría atender a clientes seleccionados, mientras que productos con menos memoria respaldan un despliegue más amplio. El informe no confirma tal segmentación, pero sigue siendo técnicamente posible.
También hay una diferencia entre una escasez de suministro y dificultades de rendimiento de fabricación. Una escasez significa que existen demasiado pocos componentes cualificados. Los problemas de rendimiento implican que demasiados paquetes fabricados no cumplen los requisitos. Ambos reducen la producción, pero requieren soluciones diferentes.
La fuente atribuye la presión a la complejidad de HBM4E y a un suministro insuficiente para el lanzamiento de Rubin Ultra. Nvidia y sus socios de memoria no han proporcionado públicamente cifras de producción que verifiquen de forma independiente esa afirmación.
Los anuncios de proveedores ofrecen un contexto útil sin resolver la cuestión. Micron afirma que su HBM4 ha alcanzado la producción de alto volumen, pero HBM4E requiere personalización adicional. El estado de producción de una generación no garantiza un suministro adecuado para la siguiente.
Kyber introduce otra dependencia sin resolver. Los reportes de julio afirmaron que su rack NVL144 sufrió un retraso relacionado con un complejo backplane de cobre. La afirmación sobre el retraso de Kyber indicó que el cambio reportado no afectaba a los sistemas Rubin estándar enviados antes.
El material oficial de Nvidia sigue describiendo Kyber como una base para Rubin Ultra y la posterior generación Feynman. También enumera rutas NVL72 y NVL576. Ese plan de sistemas más amplio podría ofrecer a Nvidia alternativas si se retrasa una configuración de rack.
Sin embargo, cada alternativa cambia las hipótesis de despliegue. NVL72 ofrece menos aceleradores dentro de un dominio de escalado vertical. NVL576 depende de una topología multirrack que utiliza conexiones de cobre y ópticas. Estos sistemas plantean retos distintos de redes y operación.
El rendimiento es la mayor pregunta sin respuesta. La capacidad de memoria por sí sola no revela la velocidad de entrenamiento, el rendimiento de inferencia, la latencia ni la eficiencia energética. Nvidia no ha publicado benchmarks validados para las configuraciones reportadas.
Los clientes también necesitarán datos específicos de cada carga de trabajo. Un modelo que cabe en 192 GB se comporta de forma diferente a uno que debe abarcar varios procesadores. La inferencia con contexto largo puede crear demandas de memoria que crecen con los usuarios, la longitud de las secuencias y la precisión de la caché.
Por tanto, el informe Nvidia Tom es creíble como relato de prototipos, no como una hoja de especificaciones final. Su valor reside en revelar las opciones que se están considerando. No debería utilizarse para declarar que un producto terminado ha sido rebajado antes de que Nvidia anuncie uno.
Tres señales mostrarán qué Rubin Ultra prevalece
El Rubin Ultra final quedará definido por divulgaciones de producción, validación por clientes y benchmarks a nivel de sistema, más que por rumores sobre prototipos.
La primera señal es la próxima actualización detallada de especificaciones de Nvidia. Los compradores deberían vigilar la capacidad de memoria confirmada, la generación de memoria, el número de pilas, el número de chiplets de cómputo y el ancho de banda. Una especificación por debajo de 1 TB confirmaría que el diseño de marzo ya no representa el objetivo principal de producción.
El lenguaje sobre disponibilidad importará tanto como las cifras. Nvidia podría conservar un modelo de alta capacidad para un despliegue limitado al tiempo que introduce variantes más pequeñas. Ese resultado debilitaría la idea de una retirada completa, al tiempo que confirmaría una segmentación impulsada por el suministro.
La segunda señal es la cualificación de proveedores. Los fabricantes de memoria deberían revelar si HBM4E ha entrado en producción de alto volumen para Rubin Ultra, no simplemente si HBM4 se está enviando para Rubin estándar. Las afirmaciones de producción deberían identificar capacidad, velocidad y estado de cualificación del cliente.
Si los proveedores anuncian producción cualificada de HBM4E en volumen suficiente, el diseño original se vuelve más plausible. Un énfasis continuado en HBM4 estándar reforzaría el caso de las configuraciones con menos memoria.
La tercera señal son las pruebas de clientes. Nvidia ya ha enviado muestras estándar de Vera Rubin a clientes seleccionados y afirma que los envíos de producción siguen previstos para la segunda mitad de 2026. Rubin Ultra necesita hitos equivalentes antes de que su calendario de 2027 resulte creíble.
La cualificación de clientes debería producir evidencias más claras sobre el rendimiento utilizable. Los compradores necesitan resultados de entrenamiento de modelos, rendimiento de inferencia, latencia, consumo energético y fiabilidad en racks completos. Las cifras agregadas de marketing no pueden responder a todas las preguntas de despliegue.
El progreso de Kyber forma parte de esta tercera señal. Un rack de producción operativo demostraría que Nvidia resolvió sus problemas de backplane, refrigeración e integración. Una dependencia continuada de diseños de rack alternativos sugeriría que la complejidad del sistema sigue siendo el mayor obstáculo.
Estas señales reforzarán o debilitarán el juicio central del artículo. Unas especificaciones oficiales reducidas confirmarían que la realidad de fabricación venció a la promesa de 1 TB. HBM4E cualificada y sistemas de alta capacidad validados demostrarían que Nvidia trató los prototipos más pequeños como planes de contingencia.
Para los desarrolladores, la lección inmediata es evitar asumir un único objetivo de memoria. Los equipos de software deberían probar la partición, la cuantización y el comportamiento de caché en varios rangos de capacidad. Esa preparación ayuda tanto si Nvidia envía un diseño de 192 GB, de 256 GB o de mayor capacidad.
Los compradores empresariales deberían solicitar resultados específicos de cada carga de trabajo en lugar de comparar nombres de productos. Deberían preguntar cuánta memoria de acelerador queda disponible tras la sobrecarga de ejecución, cómo abarcan los modelos varias GPUs y cómo afectan los fallos al rack.
Los planificadores de infraestructura también deberían mantener múltiples escenarios de energía y refrigeración. Un paquete de acelerador más pequeño no necesariamente genera un despliegue más pequeño. Los clientes podrían compensarlo utilizando más procesadores o sistemas más densos.
El rediseño reportado no demuestra que Rubin Ultra haya fracasado. Es evidencia de que la configuración más ambiciosa de Nvidia se enfrenta a un camino difícil desde la demostración hasta la producción en volumen. Esa distinción debería guiar toda interpretación de la cobertura de Nvidia Tom.
¿Mantendrá Nvidia el buque insignia de 1 TB, dividirá Rubin Ultra en varios productos o convertirá HBM4 en el estándar práctico? Sigue la próxima actualización de especificaciones antes de comprometerte con una respuesta. Después, compara esas afirmaciones con la homologación de proveedores y los benchmarks reales de los clientes. Esas tres comprobaciones revelarán si Nvidia resolvió la escasez o simplemente rediseñó en torno a ella.
