La arquitectura de las redes de los centros de datos dedicados a cargas de trabajo de inteligencia artificial está cambiando a medida que los clústeres superan los límites de un solo rack, lo que amplía el papel de los enlaces ópticos y debilita la regla tradicional que asociaba el cobre con las operaciones de scale-up y la fibra óptica con las operaciones de scale-out. Según un artículo publicado por Semiconductor Engineering el 13 de agosto de 2026, las crecientes tasas de transferencia de datos dentro del rack están llevando al cobre a sus límites de pérdida, distancia y consumo energético, mientras que la luz puede ofrecer una vía más adecuada para altas tasas de datos, siempre que se controlen los requisitos de energía y fiabilidad.
La importancia de esta transformación se debe al impacto de la latencia en el rendimiento de las unidades de procesamiento gráfico. Eric Aguilar, director ejecutivo y cofundador de Omnitron, afirmó que numerosos informes indican que la eficiencia de las GPU puede situarse en torno al 25 % porque esperan los datos en lugar de ejecutar el trabajo. Por ello, la elección del medio de interconexión no depende únicamente de la distancia de conexión, sino también de la capacidad de la red para mantener ocupados los procesadores y reducir la latencia y la energía desperdiciada.
Del scale-up dentro del rack a una escala más amplia
El scale-up se definía habitualmente como una conexión dentro de un solo rack mediante cobre, con la posibilidad de acceder a la memoria según una semántica de memoria. Sin embargo, esta definición se ha vuelto menos precisa a medida que los clústeres de computación se extienden a servidores ubicados en racks adyacentes. En este caso, la distancia aumenta y el cobre puede dejar de ser la mejor opción.
Vishal Chandrasekar, responsable de gestión de productos de Ayar Labs, afirma que el cobre suele ser preferible dentro del rack, mientras que los enlaces ópticos se convierten en la opción esperada al superar los racks adyacentes. A una velocidad de transmisión de 200 gigabits, el cobre puede ser adecuado para una distancia de hasta cinco metros, o siete metros si se lleva al límite, mientras que los enlaces ópticos se vuelven necesarios al alcanzar diez metros o más, según su estimación.
Esto no significa que el cobre vaya a desaparecer de todas las aplicaciones de scale-up, sino que el elemento más estable en la definición de scale-up podría pasar a ser el uso de una semántica de memoria, no la ubicación del sistema dentro de un solo rack ni el tipo de medio físico. Pryank Shukla, director de gestión de productos para IP de interfaces en Synopsys, explicó que la definición de software está relacionada con la existencia de un único dominio de sistema operativo y una única memoria, de modo que el procesador pueda escribir en una ubicación de memoria independientemente de dónde se encuentre esa memoria.
Aparición del término scale-in
Junto con scale-up, scale-out y scale-across, ha aparecido un nuevo término: scale-in. Según Chandrasekar, el término comenzó a utilizarse durante los tres meses anteriores al artículo y se refiere a la cantidad de ancho de banda que sale de una GPU y permanece dentro de un único chasis de servidor.
- Scale-in: la comunicación entre procesadores dentro de un único servidor o en una sola placa.
- Scale-up: la comunicación dentro de un ámbito de memoria compartida, asociada tradicionalmente con el interior del rack y el cobre.
- Scale-out: la comunicación entre racks, que utiliza semánticas Ethernet RDMA y depende cada vez más de los enlaces ópticos.
- Scale-across: la comunicación entre distintos centros de datos o campus mediante fibra.
El estándar UALink mantiene una expectativa básica en los entornos de scale-up: que cada acelerador esté a un salto de los demás aceleradores. Según Shukla, las redes UALink están diseñadas para mantener una conexión entre aceleradores que pase por un solo conmutador, incluso cuando el alcance del scale-up se extiende a más de un rack. Este conmutador puede ubicarse en distintos puntos de la arquitectura del rack, como la parte superior o el centro, pero el principio consiste en mantener el tráfico de datos entre ambos extremos dentro de un solo salto.
Topología y conmutación óptica
A medida que se amplía el alcance del scale-up, el tipo de medio por sí solo deja de bastar para determinar el rendimiento; la topología de red que conecta aceleradores, conmutadores y servidores se convierte en un factor decisivo. Uno de los diseños más comunes es la arquitectura Clos o leaf-and-spine, que proporciona una ruta corta entre los servidores. Sin embargo, según el artículo, Google utiliza una red torus en su red de inteligencia artificial, en la que las unidades TPU se conectan con unidades vecinas en tres direcciones, lo que otorga al diseño una naturaleza similar a la de una arquitectura systolic.
Una red torus suele necesitar un número variable de saltos para llegar entre dos puntos, y la ruta mostrada en el artículo puede alcanzar cuatro saltos, frente a un solo salto en una arquitectura leaf-and-spine. Con la conmutación por paquetes, la información del paquete debe examinarse en cada conmutador o enrutador. Dado que la tecnología óptica no gestiona directamente los paquetes, la señal se convierte en cada nodo de óptica a electricidad para determinar el siguiente salto y luego vuelve a convertirse en óptica. Estas conversiones repetidas aumentan la latencia y el consumo energético.
Por esta razón, las tecnologías de conmutación de circuitos, circuit switching, vuelven al centro del debate. En lugar de procesar los paquetes en cada nodo, la conmutación de circuitos abre una ruta completa desde el origen hasta el destino y la asigna a un único flujo. Google ha implementado una red de conmutación de circuitos ópticos con una configuración torus, mientras que otras entidades estudian el uso de redes OCS con distintas topologías. Esto indica que la expansión de los clústeres de inteligencia artificial no depende únicamente de sustituir el cobre por luz, sino que también implica reconsiderar la forma de organizar las rutas, el número de saltos y el mecanismo de transmisión de datos.