Índice de contenidos
Claves de la noticia
- Reuters atribuye a fuentes conocedoras pedidos de ByteDance, Alibaba y Tencent por más de tres millones de RTX PRO 5500.
- Nvidia publica una ficha de 84 GB de memoria, pero sigue indicando que el producto estará disponible próximamente.
- La capacidad de almacenar un modelo y la velocidad para atender usuarios son límites distintos al dimensionar una instalación.
ByteDance, Alibaba y Tencent habrían encargado más de tres millones de tarjetas Nvidia RTX PRO 5500, según una exclusiva de Reuters publicada el 20 de octubre. La agencia sitúa su valor de catálogo conjunto por encima de 35.000 millones de dólares. La cifra describe pedidos atribuidos a fuentes anónimas: no equivale a ingresos reconocidos ni a tarjetas entregadas.
Los pedidos aún necesitan suministro
Reuters explica que Nvidia no puede garantizar atender toda la demanda y que las empresas buscan principalmente capacidad de inferencia, el proceso de ejecutar modelos ya entrenados. La agencia sitúa ese interés en las restricciones comerciales de Estados Unidos y la búsqueda de alternativas disponibles. Las compañías compradoras no respondieron a sus solicitudes de comentarios. El volumen comunicado carece de una confirmación pública de los clientes que permita contrastarlo de manera independiente.
La comprobación documental ofrece una distinción relevante: la página oficial de la RTX PRO 5500 confirma el producto, pero conserva el aviso de próxima disponibilidad y califica las especificaciones de preliminares. Esa ficha acredita características anunciadas; no acredita la cartera comercial descrita por la agencia. Por eso conviene leer por separado la noticia empresarial y la información técnica.
Qué permiten realmente 84 GB
Nvidia anuncia memoria GDDR7 con corrección de errores, un ancho de banda de 1.398 GB/s y conexión PCIe Gen 5 x16. También contempla dividir la GPU mediante MIG en dos instancias aisladas de hasta 42 GB cada una. Compartir una tarjeta puede facilitar el reparto entre servicios, aunque reduce la memoria accesible para cada instancia.
Un cálculo propio permite acotar esa capacidad sin inventar un resultado de rendimiento. Para un modelo hipotético de 70.000 millones de parámetros, multiplicar el número de parámetros por los bytes empleados en cada peso da estas necesidades mínimas. Se usan GB decimales y se excluyen metadatos, activaciones, memoria de trabajo y caché de contexto.
| Representación | Cálculo | Mínimo |
|---|---|---|
| 16 bits por peso | 70.000 millones × 2 bytes | 140 GB |
| 8 bits por peso | 70.000 millones × 1 byte | 70 GB |
| 4 bits por peso | 70.000 millones × 0,5 bytes | 35 GB |
La conclusión es concreta: 84 GB no bastan para guardar esos pesos a 16 bits. A 8 bits quedarían teóricamente 14 GB antes del resto de consumos; al dividir la tarjeta en dos instancias de 42 GB, esos mismos pesos tampoco cabrían en una sola instancia. La partición cambia qué puede alojar cada servicio, aunque la memoria física total permanezca igual.
Los 35 GB del caso de cuatro bits son un suelo matemático, no una recomendación de despliegue. Una implementación de cuantización puede necesitar escalas y otros datos adicionales. Tampoco se puede deducir de esa cifra la calidad de las respuestas: reducir precisión exige evaluar el modelo concreto y su tarea.
Sumar tarjetas no garantiza sumar velocidad
La explicación técnica de Nvidia sobre inferencia distingue el procesamiento inicial del contexto de la generación sucesiva de tokens. Una aplicación puede necesitar más memoria para textos largos o más capacidad de cómputo para atender solicitudes simultáneas. Poder cargar los pesos resuelve una condición necesaria, pero no demuestra una latencia adecuada.
Existe además un coste de comunicación. La documentación sobre inferencia distribuida con NVLink y NVSwitch explica que, al repartir capas mediante paralelismo tensorial, las GPU intercambian resultados entre pasos. Si ese intercambio tarda, parte del cómputo espera. Sus mediciones con H200 ilustran el mecanismo; no son un benchmark transferible a la RTX PRO 5500.
Así, ni multiplicar 84 GB por el número de tarjetas ni sumar su ancho de banda local permite calcular respuestas por segundo. Para comparar un despliegue hacen falta el modelo, la precisión, la interconexión, el tamaño del contexto y el objetivo de latencia. Es la misma cautela que exige distinguir la aceleración de una fase del tiempo total de un trabajo.
La lectura útil de estos pedidos atribuidos es doble: reflejarían interés por una plataforma profesional, pero su valor económico dependería de las entregas y su valor operativo, de la arquitectura del servicio. Una reserva de hardware no compra por sí sola una capacidad equivalente de inferencia.
Imagen: recreación conceptual generada con IA; no representa una tarjeta Nvidia concreta ni los pedidos descritos.
