Servidor GPU para renderizado, 3D y vídeo: ¿En qué se diferencia de un servidor de IA?

Un servidor GPU para renderizado, 3D y vídeo se diferencia de un servidor de IA en que no importa solo la potencia bruta de cálculo de las tarjetas gráficas, sino el equilibrio entre memoria de vídeo, compatibilidad con trazado de rayos, codificación de vídeo por hardware, unidades NVMe rápidas, CPU, RAM, red para acceder a los assets y compatibilidad con software concreto. Para Blender, Redshift, Octane, V-Ray, DaVinci Resolve, Premiere Pro, After Effects y Unreal Engine, a menudo es más razonable elegir una configuración GPU profesional y versátil, con una parte gráfica y multimedia sólida, que pagar de más por aceleradores de IA de clase H100/H200 si el entrenamiento de modelos grandes no es la tarea principal del servidor.

En la práctica, la pregunta «¿qué servidor GPU comprar?» casi siempre debe empezar no por el modelo de tarjeta gráfica, sino por el flujo de trabajo. Un estudio necesita un servidor que renderice fotogramas en cola durante la noche. Otro necesita una estación de trabajo potente para un artista que mueve la escena en tiempo real cada día. Un tercero necesita un nodo para edición, corrección de color, exportación y transcodificación de vídeo. Desde fuera, todo esto puede llamarse servidor GPU, pero los requisitos de hardware serán diferentes.

Most popular GPU

Por qué un servidor para renderizado no debe elegirse como un servidor de IA convencional

Un servidor de IA normalmente se diseña para entrenamiento de modelos, inferencia, trabajo con grandes modelos de lenguaje, visión por computador o servicios RAG. En ese caso importan los cálculos tensoriales, una gran cantidad de memoria rápida, la interconexión entre GPU, la compatibilidad con frameworks de IA y la posibilidad de escalar una tarea en varios aceleradores.

Un servidor para renderizado, 3D y vídeo vive en otro pipeline. En él hay escenas, texturas, geometría, cachés de simulaciones, líneas de tiempo, códecs, proxies, plugins, licencias, almacenamiento compartido y puestos de trabajo de artistas. Por eso, la «tarjeta de IA más potente» no siempre será la mejor elección.

Por ejemplo, para entrenar un modelo grande pueden ser importantes la memoria HBM y el intercambio rápido entre GPU. En cambio, para renderizado arquitectónico en Blender o V-Ray es más importante que la escena quepa en la memoria de vídeo, que el motor funcione correctamente con CUDA/OptiX y que el servidor no se ahogue con la cola nocturna de tareas. En producción de vídeo, los bloques de codificación y decodificación por hardware se convierten en una limitación aparte: sin ellos, incluso una tarjeta gráfica potente puede resultar menos cómoda en edición y exportación reales.

Por eso, un servidor GPU para gráficos no es un «servidor de IA más barato». Es un tipo de configuración independiente en el que hay que mirar todo el sistema:

• qué tareas se ejecutarán con mayor frecuencia;
• qué motores y programas se utilizan;
• cuánta memoria de vídeo necesitan los proyectos típicos;
• si se necesita trabajo interactivo o solo renderizado en cola;
• cuántos usuarios trabajarán con el servidor;
• dónde se almacenan los assets y a qué velocidad se transfieren;
• qué licencias harán falta para los nodos de renderizado;
• si el sistema podrá escalarse más adelante hasta una granja.

Las GPU de servidor universales como NVIDIA L40S 48Gb suelen ser interesantes precisamente porque cubren cargas mixtas: renderizado, 3D, vídeo y parte de las cargas de IA. NVIDIA también posiciona la L40S como una GPU para IA, gráficos, renderizado y vídeo en centros de datos: es un buen ejemplo de una clase de tarjetas situada entre los escenarios puramente gráficos y los puramente de IA: NVIDIA L40S GPU.

Diferentes cargas, diferentes cuellos de botella

En renderizado, gráficos 3D interactivos, edición de vídeo y tareas de IA, la GPU realiza trabajos diferentes. Si uno se orienta solo por el número de núcleos CUDA o por el rendimiento total en teraflops, es fácil comprar un sistema caro, pero no el más adecuado.

Hay varios puntos no evidentes que influyen especialmente a menudo en la elección.

En primer lugar, varias tarjetas gráficas no siempre ofrecen un crecimiento lineal. Dos GPU no necesariamente acelerarán el render exactamente dos veces, y cuatro no lo harán exactamente cuatro veces. Todo depende del motor, la escena, las texturas, los ajustes, los controladores, las licencias y de cómo se distribuya la tarea entre las tarjetas.

En segundo lugar, la memoria de vídeo de varias GPU normalmente no se suma en una memoria común. Si en el servidor hay cuatro tarjetas de 24 GB, eso no significa que una escena reciba automáticamente 96 GB. En la mayoría de los escenarios, la escena debe caber en la memoria de cada tarjeta participante. Si un proyecto necesita 40 GB de memoria de vídeo, cuatro tarjetas de 24 GB pueden no resolver el problema, mientras que una NVIDIA A40 48Gb u otra GPU con 48 GB puede resultar más práctica.

En tercer lugar, el vídeo a menudo no depende de la «potencia de la GPU en general», sino de un códec concreto. Un proyecto puede acelerarse bien con la tarjeta gráfica, mientras que otro pasará parcialmente a la CPU por el formato de los originales, la profundidad de color, la submuestreo de croma o las particularidades de la exportación.

En cuarto lugar, las funciones de IA dentro del software gráfico no equivalen a un servidor de IA completo. Reducción de ruido, color automático, escalado, máscaras, reconocimiento de objetos y herramientas generativas pueden usar aceleración neuronal, pero eso no significa que el estudio necesite un servidor con H100 o H200.

Qué parámetros de la GPU importan para renderizado y 3D

Capacidad de memoria de vídeo

La memoria de vídeo es uno de los primeros parámetros que conviene mirar al elegir una GPU para renderizado. En ella deben caber la geometría, las texturas, los materiales, la iluminación, los datos de la escena y los cálculos intermedios.

Las referencias generales pueden presentarse así:

• 8–16 GB: nivel básico para escenas sencillas, aprendizaje, proyectos ligeros y tareas puntuales de edición de vídeo;
• 24 GB: nivel más cómodo para escenas complejas, vídeo 4K, funciones de IA individuales y tareas profesionales de tamaño medio;
• 48 GB: nivel práctico para renderizado GPU serio, visualización arquitectónica, texturas pesadas, escenas grandes y proyectos de estudio;
• 80 GB y más: suele ser más bien la zona de IA, HPC, modelos grandes y cálculos especializados, no un requisito obligatorio para el renderizado habitual.

La falta de VRAM no solo reduce un poco la velocidad. En algunos casos, la escena deja de renderizarse en la GPU, pasa a un modo más lento o exige simplificar texturas y geometría. Por eso, al elegir, es mejor mirar no solo el proyecto medio, sino también las escenas más pesadas que realmente aparecen en el trabajo.

Para un estudio 3D, 48 GB de memoria de vídeo suelen ser una referencia más práctica que perseguir aceleradores de IA. En esta clase pueden considerarse NVIDIA L40 48Gb, L40S, A40, RTX 6000 Ada y tarjetas RTX profesionales más recientes.

Trazado de rayos y núcleos RT

En el renderizado moderno importa no solo la potencia de cálculo total, sino también la aceleración del trazado de rayos. Los núcleos RT ayudan a calcular más rápido reflejos, sombras, refracciones, iluminación global y otros efectos que hacen que la escena sea realista.

Para el render final, esto influye en el tiempo de cálculo de los fotogramas. Para el trabajo interactivo, en la velocidad de previsualización de la escena. El artista ve antes los cambios de luz, materiales y cámara, espera menos y toma decisiones más a menudo directamente en el viewport.

En tareas de IA, los núcleos RT no son el criterio principal. Allí importan más los núcleos Tensor, la cantidad de memoria, el ancho de banda y la compatibilidad con frameworks. Por eso, un servidor fuerte en IA no será automáticamente el más cómodo para visualización 3D.

CUDA, OptiX y compatibilidad con motores

Para renderizar no basta con comprar una «tarjeta gráfica potente». Hay que asegurarse de que sea compatible correctamente con el motor concreto. Blender Cycles, Redshift, Octane y V-Ray usan la GPU de formas distintas, y los requisitos cambian de una versión a otra.

Antes de la compra conviene comprobar:

• si el programa admite la GPU elegida;
• qué controlador se necesita;
• si se usa CUDA, OptiX u otro backend;
• si se admite renderizado en varias GPU;
• si hay limitaciones de memoria de vídeo;
• cómo se licencian los nodos de renderizado;
• si el proveedor del software tiene configuraciones validadas.

En Blender, por ejemplo, el renderizado GPU de Cycles se configura mediante los dispositivos disponibles y los backends compatibles, incluidos CUDA y OptiX: Blender Manual — GPU Rendering. Pero esto no elimina la necesidad de comprobar la versión concreta de Blender, el controlador y los complementos utilizados.

GPU profesionales y de servidor

Una tarjeta gráfica de gaming puede ser rápida en tareas concretas, pero para un servidor comercial no solo importan los resultados de benchmark. Un nodo de renderizado puede trabajar de noche, calcular una cola larga de fotogramas, atender varios proyectos y estar instalado en un rack de servidor. En este modo importan la estabilidad, la refrigeración, el soporte de controladores y la previsibilidad.

Las GPU profesionales y de servidor suelen elegirse por:

• mayor capacidad de memoria de vídeo;
• memoria ECC en algunos modelos;
• funcionamiento predecible bajo carga prolongada;
• formato de servidor;
• compatibilidad tanto con estaciones de trabajo como con servidores rack;
• controladores más adecuados para software profesional.

Para una estación de trabajo individual se pueden considerar NVIDIA RTX 6000 Ada 48Gb o NVIDIA RTX PRO 6000 Blackwell Workstation Edition. Para un nodo de renderizado en rack, es más lógico mirar versiones de servidor, por ejemplo NVIDIA RTX PRO 6000 Blackwell Server Edition u otras GPU diseñadas para refrigeración de servidor e instalación densa.

Por qué NVENC, NVDEC, discos y RAM importan para vídeo

La edición de vídeo y la transcodificación son una historia aparte. Aquí la GPU puede acelerar efectos, corrección de color, reducción de ruido, escalado, previsualización y exportación, pero el rendimiento final no depende solo de los núcleos de cálculo.

Codificación y decodificación por hardware

NVENC es un bloque de codificación de vídeo por hardware, mientras que NVDEC es un bloque de decodificación. Ayudan a descargar la CPU durante la exportación, la transcodificación, el trabajo con varios flujos, la creación de proxies y el procesamiento de materiales para streaming o entrega de contenido.

Para un estudio esto es especialmente importante si hay:

• muchas exportaciones paralelas;
• material 4K/8K;
• HEVC o AV1;
• cámaras con códecs pesados;
• procesamiento en streaming;
• creación constante de proxies;
• proyectos de edición con muchas pistas.

Mirar solo el número de núcleos CUDA en este escenario es incorrecto. Una tarjeta gráfica puede ser fuerte en renderizado, pero no óptima para un conjunto concreto de códecs. NVIDIA describe las capacidades de codificación y decodificación por hardware en Video Codec SDK, y esta parte de las especificaciones debe comprobarse con tanta atención como la capacidad de VRAM.

El códec puede ser más importante que la potencia general

H.264, HEVC, AV1, material de 10 bits, 4:2:2 y 4:4:4 se comportan de forma distinta. En un caso, la GPU acelera la decodificación y la exportación; en otro, parte del trabajo se queda en el procesador. Por eso, para vídeo hay que entender de antemano qué originales usa el equipo.

Por ejemplo, un estudio de edición puede tener distintos perfiles de carga:

• grabación en 4K con varias cámaras;
• material RAW 6K/8K;
• vídeos educativos largos;
• piezas publicitarias con gráficos pesados;
• formatos de streaming;
• transcodificación masiva de archivo;
• corrección de color y reducción de ruido.

Para cada perfil, el cuello de botella puede ser distinto: GPU, CPU, RAM, disco NVMe, NAS compartido o red.

Discos scratch y caché

Un disco scratch rápido es un NVMe de trabajo para archivos temporales, previsualizaciones, caché, proxies y exportaciones. La tarjeta gráfica puede ser potente, pero si la caché está en un disco lento o los assets llegan por una red débil, la línea de tiempo se ralentizará.

Para un servidor de vídeo o una estación de trabajo de edición conviene separar el almacenamiento:

• un NVMe separado para el sistema y los programas;
• un NVMe rápido separado para caché, scratch y archivos temporales;
• un array SSD/NVMe separado para proyectos activos;
• HDD o almacenamiento de objetos para archivo;
• NAS/SAN compartido para trabajo en equipo.

Un HDD puede ser una opción normal para archivo, pero no para edición activa, caché y proyectos pesados con muchos archivos originales.

RAM para edición y composición

La memoria RAM es especialmente importante para After Effects, Fusion, líneas de tiempo complejas, composiciones multicapa y trabajo paralelo en varias aplicaciones. La falta de RAM provoca vaciados constantes de caché, congelaciones de previsualización y carga extra sobre el disco.

Referencias:

• 32 GB: nivel inferior para proyectos 4K sencillos;
• 64–128 GB: rango más razonable para edición profesional, corrección de color y composición;
• 256 GB y más: para proyectos de estudio pesados, 6K/8K, grandes assets y trabajo paralelo.

En sus recomendaciones para Premiere Pro, Adobe señala el papel de la GPU, la VRAM, los controladores, la memoria y varias GPU durante la exportación y el renderizado. Para un servidor real, esto significa que la tarjeta gráfica es solo una parte del sistema.

Qué importa para diferentes programas

Blender

Para Blender hay que separar el render final del trabajo interactivo. Cycles puede usar activamente la GPU, pero la velocidad de trabajo en la escena depende de algo más que la tarjeta gráfica. En la comodidad influyen la CPU, la RAM, la velocidad de los discos, el tamaño de las texturas, la geometría, las simulaciones y los modificadores.

Para un servidor Blender conviene definir de antemano:

• si el artista trabajará en esta máquina directamente o de forma remota;
• si el servidor se necesita solo como nodo de renderizado o como estación de trabajo;
• qué capacidad de memoria de vídeo es típica para las escenas;
• si se usan texturas pesadas y simulaciones;
• si se utilizará renderizado en varias GPU;
• qué versiones de Blender y controladores se planean.

Si se trata de un nodo de renderizado, no tiene por qué ser cómodo como puesto de trabajo. Importan más la estabilidad, la refrigeración, la cola de tareas, el acceso de red a los assets y la compatibilidad con el gestor de renderizado.

Octane, Redshift y V-Ray

Octane, Redshift y V-Ray suelen elegirse precisamente por la aceleración GPU, pero no se deben tratar como si fueran el mismo motor. Cada uno tiene sus propios requisitos para GPU, controladores, versiones, licencias y escalado.

Antes de comprar un servidor, hay que comprobar:

• si las escenas típicas caben en la memoria de una GPU;
• si el motor admite la tarjeta elegida;
• cómo funciona con varias GPU;
• si hace falta una licencia separada para el nodo de renderizado;
• si hay limitaciones para el modo sin monitor;
• cómo se comporta el motor con assets de red;
• hasta qué punto es crítica la capacidad de VRAM frente al número de GPU.

Si el estudio trabaja en un motor concreto, el servidor debe elegirse no «para 3D en general», sino para los proyectos reales de ese estudio. Para visualización arquitectónica con texturas pesadas e iluminación compleja, la capacidad de memoria de vídeo puede ser más importante que instalar más tarjetas con menos VRAM.

DaVinci Resolve

DaVinci Resolve puede cargar el sistema de distintas formas según la página y la tarea. Corrección de color, reducción de ruido, Fusion, efectos, decodificación de originales y exportación no siempre dependen del mismo componente.

Para DaVinci importan:

• capacidad de VRAM;
• compatibilidad con los códecs necesarios;
• caché NVMe rápida;
• cantidad suficiente de RAM;
• una CPU potente para tareas que no pasan por completo a la GPU;
• controladores estables;
• acceso rápido a los archivos originales.

Para material 4K/8K y RAW, a menudo importa más no la «GPU más cara», sino la combinación de una GPU adecuada, discos rápidos, RAM suficiente y una organización correcta del almacenamiento.

Premiere Pro y After Effects

Premiere Pro depende mucho del códec, los efectos, la línea de tiempo, los discos y la aceleración GPU. En un proyecto, la tarjeta gráfica acelera bien la exportación; en otro, el cuello de botella es la decodificación de los originales o el procesador.

After Effects es aún más sensible a la RAM y la CPU. La composición, la previsualización, las escenas multicapa y el trabajo con caché pueden requerir más memoria operativa de lo esperado al elegir «simplemente una tarjeta gráfica potente».

Para un pipeline de Adobe conviene tener en cuenta:

• el sistema de trabajo normalmente debe ser una estación interactiva cómoda;
• el trabajo remoto requiere una configuración aparte;
• algunos plugins pueden tener sus propios requisitos;
• una actualización del controlador puede afectar a la estabilidad;
• para 4K y superior es mejor prever margen de RAM y discos.

Unreal Engine

Unreal Engine no es un renderizador offline clásico. Para 3D en tiempo real importan una frecuencia de fotogramas estable, respuesta rápida, trabajo con assets, compilación de shaders, iluminación, escenas con muchos objetos y desarrollo en equipo.

En sus requisitos oficiales, Epic señala la importancia de CPU, RAM, memoria de vídeo y controladores actualizados para Unreal Engine. En proyectos reales, los requisitos pueden estar por encima de los básicos, especialmente si se usan producción virtual, escenas grandes, Nanite, Lumen, materiales complejos y varios puestos de trabajo.

Para un servidor o estación de trabajo para Unreal importan:

• una GPU potente con margen de VRAM;
• una CPU rápida;
• al menos 64 GB de RAM para proyectos serios, a menudo más;
• discos NVMe rápidos;
• buena red hacia el almacenamiento de assets;
• controladores estables;
• un esquema cómodo de colaboración.

En Unreal, un almacenamiento débil o una red lenta pueden molestar tanto como la falta de GPU. Especialmente si el equipo abre constantemente proyectos grandes, sincroniza assets y reconstruye datos.

Qué más hay que tener en cuenta en el servidor además de la GPU

CPU

La CPU sigue siendo importante incluso en un servidor GPU. Se encarga de preparar escenas, ejecutar el editor, simulaciones, parte de los efectos, códecs, compilación de shaders, procesamiento de datos y procesos paralelos.

Para un nodo de renderizado no siempre hace falta la CPU máxima por número de núcleos, pero un procesador débil puede convertirse en un cuello de botella. Especialmente si el servidor recibe tareas al mismo tiempo, prepara escenas, trabaja con almacenamiento de red y atiende varias GPU.

Para una estación de trabajo interactiva importa no solo el rendimiento multihilo, sino también un alto rendimiento por núcleo. Un artista o editor necesita una respuesta rápida de la interfaz, no solo alta velocidad de cálculo final.

RAM

La memoria RAM no se necesita solo «como reserva». En ella entran las escenas antes de enviarse a la GPU, assets, cachés, datos de aplicaciones, previsualizaciones, archivos temporales y tareas paralelas.

Recomendaciones por nivel de sistema:

• 64 GB: nivel cómodo mínimo para una estación de trabajo profesional;
• 128–256 GB: buen rango para 3D, vídeo y tareas mixtas de estudio;
• 512 GB y más: nodos de renderizado pesados, escenas grandes, granjas y varias tareas a la vez.

Si el servidor atenderá no a un usuario, sino a un equipo o una cola de tareas, normalmente no conviene ahorrar en RAM.

NVMe y sistema de almacenamiento

Los discos NVMe se subestiman a menudo. Pero son precisamente los que determinan la rapidez con la que se abren los proyectos, se escribe la caché, se crean proxies, se ejecutan cálculos temporales y se guarda el resultado.

Para un servidor profesional es mejor separar los roles de los discos:

• sistema y programas;
• caché y scratch;
• proyectos activos;
• pool compartido para el equipo;
• archivo.

En un estudio pequeño funciona bien un esquema en el que los datos de trabajo están en un almacenamiento compartido rápido, mientras que los nodos de renderizado tienen NVMe locales para archivos temporales. Para una granja esto es especialmente importante: si todos los nodos descargan simultáneamente texturas pesadas de un NAS lento, las tarjetas gráficas quedarán ociosas.

Red

La red se vuelve crítica cuando los assets no están en local, sino en un almacenamiento compartido. Para una estación de trabajo individual, 1 GbE aún puede ser tolerable, pero para un pipeline de estudio pronto se queda corto.

Referencias:

• 1 GbE: nivel básico, a menudo cuello de botella para vídeo y 3D pesados;
• 10 GbE: mínimo razonable para un estudio pequeño;
• 25 GbE: buen nivel para nodos de renderizado y trabajo activo con NAS;
• 100+ GbE: granjas, 8K, grandes volúmenes de assets, varios servidores.

Es importante mirar no solo la tarjeta de red del servidor, sino también los switches, NAS/SAN, discos del almacenamiento y la carga real del equipo.

Refrigeración y alimentación

Las GPU de servidor pueden ser pasivas: no tienen ventiladores propios porque están diseñadas para un flujo de aire potente y dirigido dentro de un servidor rack. Una tarjeta así no se puede instalar simplemente en una caja común y esperar un funcionamiento estable.

Antes de comprar hay que comprobar:

• si el chasis es adecuado para las GPU elegidas;
• si la alimentación es suficiente;
• si el sistema está diseñado para el TDP necesario;
• si el flujo de aire es correcto;
• si el servidor admite las tarjetas concretas;
• si la sala soportará el ruido y la disipación de calor.

Una estación de trabajo y un servidor rack son formatos distintos. Una estación de trabajo está pensada para una persona al lado, monitor, periféricos y un nivel de ruido relativamente aceptable. Un nodo de renderizado está pensado para una sala de servidores, carga constante e instalación densa.

Controladores

Para gráficos importa no solo la última versión del controlador, sino también la estabilidad. En producción, una actualización de controlador puede acelerar un programa y romper un plugin en otro. Por eso, en los estudios a menudo se fija un stack de trabajo: versión del sistema operativo, controlador, versión de la aplicación, plugins y gestor de renderizado.

Para un servidor de IA, el stack de controladores normalmente se construye alrededor de CUDA, contenedores, frameworks y bibliotecas. Para un servidor gráfico, alrededor de la compatibilidad con aplicaciones DCC, motores de renderizado, editores de vídeo y acceso remoto.

Licencias

Las licencias pueden cambiar notablemente el presupuesto. Un nodo de renderizado a veces requiere una licencia separada del software principal, del motor o de un plugin. Diferentes productos pueden tener licencias flotantes, restricciones para el modo headless, límites por número de nodos o condiciones para trabajo remoto.

Antes de comprar hardware conviene aclarar:

• cuántos nodos de renderizado se permite usar;
• si se necesita una licencia separada para cada nodo;
• si se admite el trabajo sin monitor;
• si las tareas pueden lanzarse mediante un gestor de colas;
• si hay restricciones para virtualización y acceso remoto;
• cómo se licencian los plugins.

A veces, una configuración de hardware correcta resulta más barata que un esquema de licencias incorrecto.

Cuándo se necesita un servidor de IA y cuándo basta un servidor GPU para visualización

NVIDIA describe la L40S como una GPU universal para IA, gráficos 3D, renderizado y vídeo.

Fuente de la imagen: página oficial de NVIDIA L40S.

Un servidor de IA se necesita si la tarea principal es entrenar y ejecutar modelos. Es una clase de carga independiente en la que importan mucha memoria, HBM, núcleos Tensor, intercambio rápido entre GPU, una red de nivel InfiniBand o Ethernet muy rápido, contenedorización y soporte del stack de ML.

Un servidor de IA está justificado si la empresa trabaja en:

• entrenamiento de modelos grandes;
• ajuste fino de LLM;
• inferencia de modelos grandes con alta carga;
• servicios RAG para un gran número de usuarios;
• visión por computador a escala;
• procesamiento de grandes datasets;
• tareas HPC;
• pipelines de ML en los que varias GPU deben funcionar como un solo sistema.

En esos casos, NVIDIA H100 80Gb HBM3 OEM, NVIDIA H200 ORIGINAL o A100 pueden ser opciones lógicas. Pero para renderizado, edición y 3D no son una recomendación automática.

Un servidor de IA suele ser excesivo si las tareas principales son:

• Blender, Redshift, Octane o V-Ray sin entrenamiento de modelos;
• visualización arquitectónica;
• motion design;
• edición y corrección de color;
• escenas de Unreal Engine;
• transcodificación de vídeo;
• reducción de ruido y escalado con IA dentro del software gráfico;
• una pequeña granja de renderizado.

En estos escenarios, normalmente es más rentable mirar GPU profesionales con una parte gráfica y multimedia fuerte, suficiente VRAM y un formato adecuado. La selección general puede empezar por la categoría GPU para servidores de IA, ML y HPC, pero dentro de ella hay que separar los aceleradores de IA de las tarjetas más cómodas para visualización, renderizado y vídeo.

GPU servers

Ejemplos de configuraciones para escenarios reales

En el sitio web de Supermicro se muestran sistemas para IA, visual computing, gráficos, renderizado y virtualización.

Fuente de la imagen: página oficial de Supermicro NVIDIA PCIe GPU Systems

Una estación de trabajo individual es adecuada cuando una persona trabaja activamente con la interfaz: modela, edita, corrige color, monta una escena, mueve la cámara y lanza previsualizaciones. Aquí importan no solo la GPU, sino también la capacidad de respuesta de todo el sistema.

Un nodo de renderizado se necesita cuando el usuario envía tareas a una cola y el servidor calcula fotogramas sin trabajo interactivo constante. Una máquina así puede no tener monitor, pero debe contar con refrigeración estable, RAM suficiente, discos scratch rápidos y acceso a los assets.

Una pequeña granja de renderizado se necesita cuando importan los plazos y la paralelización. En lugar de un único servidor enorme, el estudio puede usar varios nodos, distribuyendo fotogramas o tareas entre ellos. En este caso, la red y el almacenamiento se vuelven tan importantes como las propias GPU.

Un servidor de IA está justificado si la IA es la carga principal. Si la IA se usa solo como función dentro de un editor de vídeo o paquete 3D, comprar una configuración puramente de IA suele ser excesivo.

Errores frecuentes al elegir un servidor GPU para renderizado y vídeo

Comprar H100/H200 solo porque son GPU potentes

H100 y H200 son fuertes en IA, HPC y tareas con modelos grandes, pero no siempre son la mejor opción para renderizado y vídeo. Un estudio puede pagar de más por capacidades que no se usan en Blender, V-Ray, Redshift, Octane, DaVinci Resolve o Premiere Pro.

Contar solo el número de tarjetas gráficas

Cuatro GPU no siempre son mejores que dos. Importan la capacidad de memoria de vídeo de cada tarjeta, la refrigeración, la alimentación, las líneas PCIe, el chasis, la compatibilidad del motor y las licencias. A veces, dos tarjetas con más VRAM son más prácticas que cuatro tarjetas con menos memoria.

Olvidar la memoria de vídeo

Si la escena no cabe en VRAM, la alta velocidad de la GPU pierde sentido. Para proyectos pesados es mejor prever margen de antemano, especialmente si se usan texturas grandes, materiales complejos y alta resolución.

No tener en cuenta NVENC y NVDEC

Para vídeo, esta parte es crítica. Si el equipo exporta y transcodifica mucho, trabaja con 4K/8K, HEVC o AV1, los bloques de codificación y decodificación por hardware pueden influir en el rendimiento más que la potencia de cálculo general.

Instalar una GPU de servidor pasiva en una caja común

Una tarjeta de servidor pasiva está diseñada para el flujo de aire dentro de un servidor. En una estación de trabajo común puede sobrecalentarse. Antes de comprar hay que comprobar no solo la compatibilidad del conector, sino también la refrigeración, la alimentación, la longitud de la tarjeta y las configuraciones admitidas.

No comprobar las licencias

Un nodo de renderizado puede requerir una licencia separada. Lo mismo se aplica a plugins, motores y trabajo remoto. En algunos casos, los costes de licencias influyen en el presupuesto más que la diferencia entre dos modelos de GPU.

Ahorrar en discos y red

Un almacenamiento lento puede convertir un servidor GPU potente en un cuello de botella. Si los assets tardan en leerse, la caché se escribe en un disco lento y varios nodos saturan la red al mismo tiempo, las tarjetas gráficas caras quedarán ociosas.

Cómo elegir un servidor GPU para tu tarea

Antes de elegir una configuración conviene responder varias preguntas:

1. ¿En qué software se realizará el trabajo principal?
2. ¿Es trabajo interactivo o renderizado en cola?
3. ¿Cómo son las escenas típicas: tamaño, texturas, resolución, número de fotogramas?
4. ¿Cuánta memoria de vídeo necesitan los proyectos más pesados?
5. ¿Se necesita exportación por hardware o transcodificación de vídeo?
6. ¿Qué códecs se utilizan con mayor frecuencia?
7. ¿Cuántos usuarios o tareas trabajarán simultáneamente?
8. ¿Se necesita trabajo mediante escritorio remoto?
9. ¿Dónde estarán los assets: localmente, en NAS o en SAN?
10. ¿Qué red conectará los puestos de trabajo, el servidor y el almacenamiento?
11. ¿Hay licencias para nodos de renderizado?
12. ¿La IA es la carga principal o una función auxiliar dentro del software?
13. ¿Hay requisitos de ruido, alimentación y refrigeración?
14. ¿Será necesario escalar más adelante hasta una granja?

Si la tarea es renderizado, 3D y vídeo, el servidor debe elegirse a partir del flujo de trabajo, no del nombre de la tarjeta gráfica. Para un estudio es más importante entender dónde está el cuello de botella real: memoria de vídeo, trazado de rayos, codificación de vídeo, discos, red, CPU, RAM, controladores o licencias.

Los servidores de IA son adecuados para entrenar y ejecutar modelos, pero para Blender, V-Ray, Redshift, Octane, DaVinci Resolve, Premiere Pro, After Effects y Unreal Engine a menudo es más racional una configuración GPU profesional con suficiente VRAM, NVMe rápidos, buena RAM, una red correcta y compatibilidad con el software concreto. Este enfoque normalmente da un mejor resultado: menos tiempos de inactividad, menos limitaciones inesperadas y más valor de cada componente invertido.