Nuestras ofertas de colocation GPU
Ofertas a precio fijo, dimensionadas para el consumo de un servidor con tarjetas gráficas. Pide un presupuesto en un clic y te respondemos en 24 horas laborables.
GPU Starter
Una máquina de 1 a 2 GPU para inferencia, fine-tuning o generación de imágenes.
- Potencia reservada800 W
- Espacio en rack2U
- Ancho de banda garantizado100 Mbps
- Direcciones IPv42
- Puerto uplink 10 GbpsIncluido
GPU Pro
Un servidor 4U multi-GPU, el formato más habitual para la IA en producción.
- Potencia reservada1,5 kVA
- Espacio en rack4U
- Ancho de banda garantizado250 Mbps
- Direcciones IPv44
- Puerto uplink 10 GbpsIncluido
GPU Cluster
Varios servidores GPU uno junto a otro, conectados en el mismo espacio de rack.
- Potencia reservada3 kVA
- Espacio en rack8U
- Ancho de banda garantizado500 Mbps
- Direcciones IPv48
- Puerto uplink 10 GbpsIncluido
A medida
Un servidor de 8 GPU, más de 3 kVA o medio rack: configura tu espacio.
- Espacio en rack1 a 24U
- Potencia0,5 a 6 kVA
- Ancho de banda garantizado50 a 1.000 Mbps
- Puerto uplink 10 GbpsIncluido
Configura tu espacio a medida
Puerto uplink 10 Gbps, IPv6 /64 y alimentación redundante A/B incluidos. Te enviamos un presupuesto en firme en 24 horas laborables.
- Infraestructura Tier III+ (redundancia N+1)
- Monitorización IPMI / KVM bajo petición
- Tránsito multioperador
- IPv6 /64 incluida en todas las ofertas
- Gastos de instalación: 49,99 € (gratis con permanencia de 12 meses)
Por qué alojar tu servidor GPU en un centro de datos
Una máquina con varias tarjetas gráficas se calienta, hace ruido y consume tanto como un radiador. Su sitio es un rack, no debajo de una mesa.
Potencia eléctrica reservada
Cada oferta reserva una potencia de 800 W a 3 kVA sobre una alimentación redundante A/B: si una fuente falla, la otra toma el relevo sin corte para tus entrenamientos en curso.
Red para servir tus modelos
Puerto uplink 10 Gbps incluido, tránsito multioperador, ancho de banda garantizado de 100 a 500 Mbps según la oferta, IPv4 dedicadas e IPv6 /64. Suficiente para exponer una API de inferencia o traer tus conjuntos de datos.
Tus datos siguen siendo tuyos
El servidor es tuyo y se queda en Aubervilliers, en el centro de datos Equinix PA6. Datos de entrenamiento, pesos de modelos, prompts: nada pasa por una plataforma cloud de terceros.
Control remoto de tu máquina
Acceso IPMI/KVM bajo petición para reiniciar, reinstalar un driver de NVIDIA o cambiar de kernel sin desplazarte. Nuestro equipo recibe, instala en el rack y conecta tu hardware.
¿Qué potencia necesita tu servidor GPU?
En colocation GPU, es la electricidad la que determina la oferta, mucho antes que el espacio en rack. Para estimar la potencia a reservar: suma el consumo máximo de cada GPU y el del procesador (CPU), y luego unos 150 W para la placa base, la RAM, los SSD NVMe y la ventilación. Añade después un 20 % de margen para absorber los picos de carga.
| Tarjeta gráfica | Memoria de vídeo | Consumo máx. | Usos típicos |
|---|---|---|---|
| GeForce RTX 4090 | 24 GB GDDR6X | 450 W | Inferencia de LLM hasta ~30 B parámetros cuantizados, Stable Diffusion, fine-tuning LoRA |
| GeForce RTX 5090 | 32 GB GDDR7 | 575 W | Mismo uso que la 4090 con más memoria de vídeo |
| RTX 6000 Ada | 48 GB GDDR6 | 300 W | IA y renderizado 3D, tarjeta de doble slot con turbina adaptada a chasis rack |
| L40S | 48 GB GDDR6 | 350 W | Inferencia y generación de imágenes en producción, servidores multi-GPU |
| A100 PCIe | 80 GB HBM2e | 300 W | Entrenamiento y fine-tuning de modelos de tamaño medio |
| H100 PCIe | 80 GB HBM2e | 350 W | Entrenamiento e inferencia de grandes modelos de lenguaje |
Ejemplo: un servidor con 2 RTX 4090 (2 × 450 W) y un procesador de 170 W consume como máximo 900 + 170 + 150 = 1.220 W. Con un 20 % de margen, se llega a unos 1,45 kVA: la oferta GPU Pro es adecuada. Una sola tarjeta de este tipo cabe en GPU Starter. Valores de referencia de NVIDIA; compruébalos en la ficha de tu modelo exacto, ya que algunas tarjetas personalizadas consumen más.
¿Housing GPU, cloud, servidor dedicado u oficina?
Cuatro formas de ejecutar tus modelos de IA, con costes, niveles de control y flexibilidad muy distintos.
| Housing GPU | Alquiler de GPU en la nube | Servidor dedicado o VPS alquilado | Servidor en la oficina | |
|---|---|---|---|---|
| Hardware | El tuyo, amortizado con el tiempo | Alquilado, nunca en propiedad | Alquilado al proveedor, rara vez con GPU | El tuyo |
| Virtualización | Ninguna: máquina física, GPU en acceso directo | A menudo una máquina virtual | VPS: servidor virtual compartido; dedicado: ninguna | Ninguna |
| Coste | Cuota mensual fija | Facturado por horas, se dispara con uso continuo | Alquiler mensual del servidor | Factura de electricidad y climatización |
| Administración | Acceso root completo, tú gestionas SO, firewall y copias de seguridad | Desde la consola del proveedor | Acceso root, gestión según la oferta | Todo corre de tu cuenta, in situ |
| Alimentación | Redundante A/B en centro de datos | Gestionada por el proveedor | Gestionada por el proveedor de hosting | Un enchufe, sin respaldo |
| Red | Uplink 10 Gbps, direcciones IP fijas | Según la oferta | Ancho de banda según la oferta | Conexión de empresa |
| Datos | En tu máquina, en Francia | En el proveedor | En el proveedor de hosting | En tus instalaciones |
| Ideal para | Uso 24/7: inferencia, API, entrenamientos largos | Necesidades puntuales de unas horas | Cargas sin GPU, o sin hardware que comprar | Prototipado, una sola tarjeta |
¿Todavía sin hardware? El alojamiento dedicado sigue siendo una opción: un servidor dedicado te ahorra la compra. Para un servidor clásico sin GPU, nuestras ofertas de housing empiezan en 1U y 100 W. ¿Aún dudas? Nuestra guía housing o servidor dedicado gestionado compara ambos enfoques, y housing en centro de datos: cómo funciona explica las U, los racks y la conexión.
Administrar tu servidor GPU en housing
ElypseCloud es tu proveedor de alojamiento físico, no tu proveedor de gestión: la máquina sigue totalmente bajo tu control.
Sistema y drivers
Tienes acceso root completo. Instala la distribución que prefieras, por ejemplo Ubuntu Server o Debian, y luego los drivers de NVIDIA, CUDA y, si trabajas con contenedores, Docker con el NVIDIA Container Toolkit.
Acceso SSH y firewall
Conexión SSH por clave, contraseña desactivada, y un firewall (UFW o nftables) que solo deja abiertos SSH y el puerto de tu API de inferencia. Nuestros primeros ajustes de seguridad se aplican tal cual.
Almacenamiento y copias de seguridad
Los pesos de modelos y los conjuntos de datos van mejor en SSD NVMe. En housing, las copias de seguridad son cosa tuya: guarda una copia fuera de la máquina de todo lo que no se pueda volver a descargar.
Lo que aporta el centro de datos
La alta disponibilidad de la infraestructura (alimentación A/B, redundancia N+1), el ancho de banda garantizado, las direcciones IP fijas y el acceso IPMI/KVM bajo petición para retomar el control a distancia.
Lo que puedes ejecutar en colocation GPU
Inferencia de LLM
Servir un modelo open source (Llama, Mistral, Qwen…) con vLLM, Ollama o llama.cpp detrás de tu propia API, sin facturación por token.
Entrenamiento y fine-tuning
Adaptar un modelo a tus datos (LoRA, QLoRA) durante días con PyTorch y CUDA, sin vigilar un contador horario.
Generación de imágenes y vídeo
Stable Diffusion, Flux o ComfyUI en producción para una aplicación o un estudio creativo.
Renderizado 3D y cálculo
Granja de render Blender o Unreal, simulación, cálculo científico: todo lo que se beneficia de miles de núcleos CUDA.
FAQ - Housing GPU
Todo sobre la colocation de servidores GPU e IA en el centro de datos Equinix PA6.