Manos remotas para GPUs y cargas IA: las 3 tareas específicas (cable InfiniBand, swap de H100, gestión de líquidos) que solo un especialista hace
Tu presupuesto de manos remotas está calculado para racks de servidores convencionales: mismo técnico, misma tarifa, misma hora. Un técnico con splicing entra, cambia una fuente y sale en 40 minutos.
En cuanto ese mismo rack aloja GPUs y cargas de IA, el cálculo ya no aplica. Tres tareas cambian de naturaleza: la interconexión, el cambio de una tarjeta de alto consumo y el manejo de cooling por inmersión.
Por qué las GPUs cambian la naturaleza del trabajo
Un servidor general recibe dos fuentes redundantes y una tarjeta de red. Un nodo de aceleración suma varias GPU por rack, consumo alto en la barra de 48 voltios y enlaces que no toleran un cableado improvisado.
El espacio de mantenimiento también se reduce, y con él el margen para trabajar sin improvisar.
Es un cambio en el tipo de trabajo, no en la cantidad de piezas. Un técnico de facility sabe cómo introducir un cable en un patch panel. No siempre sabe qué topología espera el equipo que se va a conectar, ni cómo se comprueba que quedó bien.
Tarea 1: cableado de InfiniBand
La red que conecta a los nodos de un clúster de IA no se comporta como una red de oficina. Cuando el clúster reparte el trabajo entre varias GPU, el rendimiento depende de que cada cable caiga en el puerto correcto.
- Entender la topología del clúster, porque el orden de las conexiones define qué nodos se ven entre sí y con qué costo de latencia.
- Respetar la clasificación de los cables, porque un transceptor de corto alcance no sustituye a uno de largo alcance aunque ambos conecten.
- Validar con pruebas de ancho de banda y latencia, no solo con la luz verde de enlace que muestra la placa.
Un error de topología no tira el cable: lo degrada. El clúster sigue respondiendo, el enlace aparece activo y el rendimiento cae, normalmente de forma gradual.
Cuando el síntoma aparece semanas después ya no sabes qué cable lo causa, y la investigación empieza desde cero. Ahí es donde se te descuadra la cuenta del data center.
Tarea 2: cambio de GPU en rack denso
Sacar una tarjeta H100 de un rack de alta densidad es un trabajo de coordinación, no de fuerza. El procedimiento exige respetar la secuencia de energía del sistema completo y cómo se reparte la carga al energizar.
- Apagar en el orden que el fabricante define, no en el que resulte más rápido.
- Restituir el equipo respetando la secuencia de encendido, que no es la inversa del apagado.
- Manipular el módulo los cuidados electrostáticos que exige una pieza de ese valor y verificar temperatura y consumo después del arranque.
Un procedimiento mal aplicado deja un módulo sin reconocer, dispara alertas de energía o degrada la tarjeta de forma permanente. El costo no es la pieza: es el día de cómputo perdido.
Suma el cliente que espera su entrega y el riesgo sobre un activo que se mide por miles de dólares. Ninguna de las dos cosas aparece en la factura del técnico.
Tarea 3: manejo de cooling por inmersión
Cuando el calor se disipa con fluido dieléctrico en lugar de aire, el procedimiento deja de parecerse al de un rack convencional. El fluido convierte al rack en una parte activa del sistema.
- Reconocer qué materiales y componentes están aprobados para contacto directo con ese fluido.
- Respetar el procedimiento de extracción e inserción del módulo para no introducir contaminación ni burbujas en la cámara.
- Usar los equipos de protección y extracción definidos para esa instalación, no los del protocolo genérico.
Aquí un técnico sin capacitación específica no solo se expone: puede contaminar el fluido y obligar a todo el rack a un mantenimiento correctivo. El costo de esa hora mal invertida se multiplica por el número de nodos.
Y ese paro no lo absorben las horas de soporte que ya contrataste. Un incidente local se vuelve un problema de contrato.
Qué sí resuelve bien un proveedor general
No todo en un data center con IA necesita especialista, y esa distinción importa para tu presupuesto. Ningún director de operaciones debería pagar tarifa de especialista por el rack que no lleva aceleración.
Un buen proveedor general de manos remotas cubre bien la parte convencional del contrato:
- Entrega de rack, acomodo físico y etiquetado de acuerdo a norma.
- Reemplazo de discos, fuentes, módulos de red y memoria en equipos que no son de aceleración.
- Canalización, tendido de cobre convencional y mantenimiento preventivo rutinario.
- Documentación de cada intervención y reporte de estado.
La frontera cabe en una línea del contrato: si la tarea no toca la topología de aceleración, el fluido de inmersión ni el reemplazo de módulos de GPU, entra en el proveedor general.
Ese corte evita pagar tarifa de especialista en el trabajo que un buen técnico general resuelve en una visita, y deja clara la zona donde la diferencia de costo sí se paga.
Por qué este trabajo no se compra por hora
El error caro no es contratar al técnico más barato para una tarea mal definida. Es descubrir la diferencia semanas después, cuando un clúster de entrenamiento rinde por debajo de lo esperado.
O cuando un módulo no arranca después de un mantenimiento que nadie documentó. En los dos casos el costo ya cayó en la cuenta del data center, y el presupuesto del año siguiente lo absorbe.
La manos remotas para IA se cotiza por competencia demostrada en ese tipo de instalación, no por tarifa por hora. Una hora bien hecha en un nodo de aceleración vale más que diez horas cobradas a un técnico que sigue las instrucciones al pie de la letra.
Cuando el contrato distingue qué tareas son de especialista y cuáles no, ambos lados saben a qué atenerse y tú puedes defender el presupuesto con argumentos, no con intuición.
Fuentes
¿Quieres dominar este tema?
Noxtel Academy →
