SECTIONS
EDITIONS
NETWORK
AIXX Pedia La enciclopedia del mundo del cómputo

AIXX Pedia › Concepto técnico › Salud de la memoria de vídeo y diagnóstico de fallos

Salud de la memoria de vídeo y diagnóstico de fallos

Guía de salud de VRAM · Ficha de conceptos técnicos

Resumen OVERVIEW

La VRAM es el componente que más trabaja a destajo en la GPU y el más temeroso del calor: la primera lección para evaluar su salud es el mecanismo ECC (código de corrección de errores). Según el manual oficial de NVIDIA: «los errores de un bit son corregidos automáticamente por el hardware sin corromper datos; los errores de dos bits son detectables pero no corregibles». Los errores de un bit (corregibles) son imperceptibles en las fases iniciales de degradación, pero un contador que crece de forma sostenida suele ser el presagio del envejecimiento de los chips de memoria; los errores de dos bits (no corregibles) comprometen directamente la corrección del cálculo: errores a mitad del entrenamiento o degradación de los resultados de inferencia pueden estar relacionados con ellos.

NVIDIA dispone de tres capas de mitigación para las celdas dañadas: retiro de páginas (se activa con varios errores de un bit en la misma página o un error de dos bits, y el controlador oculta la página defectuosa); remapeo de filas (la fila defectuosa se redirige a filas reservadas, soportado desde Ampere, con un presupuesto máximo de 64 remapeos en la A100 y 512 en la H100, según la documentación oficial de NVIDIA); por su parte, desde HBM3 los propios chips incorporan ECC en el dado (anuncio oficial de SK hynix). Cómo leer las mediciones se explica en la ficha de guía de verificación de tarjetas de esta biblioteca; aquí explicamos la mecánica detrás de las cifras.

Cifras clave KEY NUMBERS

ConceptoValor / criterio
Un bit vs. dos bitsErrores de un bit corregidos por hardware · errores de dos bits detectables pero no corregibles (manual oficial de nvidia-smi de NVIDIA)
Dos conteos de erroresVolátil (desde la carga del controlador) / acumulado (durante toda la vida) · desde Ampere el acumulado no puede ponerse a cero (manual de NVIDIA)
Presupuesto de remapeo de filasA100: máximo 64 · H100: hasta 512 (documento NVIDIA GPU Memory Error Management)
Defensa a nivel de chipECC integrado en el dado desde HBM3 (anuncio oficial de SK hynix de 2021)

Su relevancia en el B300 ON B300

Con 288 GB de HBM3e por tarjeta en esta generación de la B300, la salud de la VRAM determina directamente la vida útil del equipo: al verificar una tarjeta usada, lee primero el ECC: si el conteo volátil está cerca de cero pero el acumulado es alto, la tarjeta ha trabajado con defectos; y como desde Ampere el acumulado no puede ponerse a cero, ese conteo de por vida es una de las pruebas más sólidas para el comprador de segunda mano. Una tarjeta cuyo número de remapeos de fila se acerque al límite del presupuesto (512 en la H100) debe valorarse como «con la piscina de memoria a punto de reducirse».

Inspección física en tres puntos: los dedos de oro (contactos del borde PCIe) deben revisarse por oxidación, desgaste y huellas de inserción — un recubrimiento ennegrecido o desgastado indica múltiples traspasos o riesgo de mal contacto; el disipador debe revisarse por huellas de desmontaje, envejecimiento de las almohadillas térmicas y temperatura del lado de la VRAM (GPU-Z puede leer la temperatura de la VRAM y el fabricante de los chips, véase la ficha de guía de verificación) — el calor sostenido prolongado es la primera causa de acumulación de errores de un bit, así que durante la prueba de estrés hay que vigilar a la vez la temperatura de la VRAM y los incrementos del ECC.

Límites y advertencias LIMITS

  • El ECC a la vez oculta y revela problemas: los errores corregibles no interrumpen el cálculo, por lo que la carga puede funcionar mucho tiempo con defectos sin que nadie lo note; pero el ECC solo garantiza la integridad de los datos en la VRAM, no repara la pérdida de rendimiento — las páginas retiradas y los remapeos reducen la capacidad disponible, así que unas lecturas limpias no significan que el rendimiento esté intacto y hay que complementarlas con pruebas de estrés de ancho de banda y rendimiento de la memoria.
  • El diagnóstico tiene sus límites: la inspección visual de los dedos de oro y del disipador solo revela huellas de traspaso; los daños internos de los chips solo salen a la luz con pruebas de estrés prolongadas a plena carga — unas lecturas limpias a corto plazo no garantizan estabilidad a largo plazo; la fatiga de las soldaduras y los defectos internos del apilamiento TSV quedan fuera del alcance de las lecturas por software, por lo que las operaciones de alto valor deben respaldarse con una verificación de nivel desmontaje por un tercero.
Memoria HBM3eInterconexión NVLinkSXM / NVL8refrigeración líquida por placa fría / CDUFormato de precisión FP8MoE (mezcla de expertos)Chip conmutador NVSwitchRed de interconexión InfiniBandAlmacenamiento NVMeCDU de refrigerado por líquidoAcceso remoto directo a memoria RDMAGPUDirectTensor CoreGPU multi-instancia MIGPCIe Gen5Computación confidencialGPU virtual vGPUPrecisión de punto flotante reducida FP4 / FP6Caché de inferencia KV CacheScale-up y Scale-outÓptica copackaged CPONVLink FusionArquitectura modular MGXCuantización de modelosParalelismo de tensoresComunicaciones colectivasFábrica de IACircuito de refrigeración líquidaIndicador de eficiencia energética PUETensorRT-LLMMotor de inferencia vLLMAdaptación de bajo rango LoRACadena de suministro de cómputoCoste total de propiedad (TCO)Benchmarks de rendimiento de inferenciaDestilación de modelosCadena de suministro de energíaEconomía del tokenPipeline de datos de entrenamientoStack de optimización de inferenciaMemoria de vídeo GDDR7Familia de conectores de alimentación (EPS/PCIe 8pin/12VHPWR/12V-2x6)Cronología de los controles de exportación hacia ChinaGuía de verificación de GPU (nvidia-smi/GPU-Z)Optimización de inferencia con TensorRTEjecución por grafos con CUDA GraphsBiblioteca de comunicación colectiva NCCLFormato abierto de modelos ONNXGenealogía de generaciones HBMEntrenamiento en precisión mixtaGeneraciones de PCIeGenealogía de formatos de rackGuía de nomenclatura de modelos de GPUCircuito de comercialización de GPU de segunda manoComparativa entre refrigerado por aire y refrigerado por líquidoMFU (utilización de cómputo del modelo)Memoria DDR5Memoria de vídeo HBM4Interconexión UALinkFicha de modelo B300

Referencias REFERENCES

  1. Sitio oficial de NVIDIA — Página del producto Blackwell Ultra / HGX B300 https://www.nvidia.com/en-us/data-center/hgx/
  2. Datos de mercado y circulación: AIXX Exchange (franja de mercado de esta base)
Versiones y correcciones |Esta entrada es mantenida por el equipo editorial de AIXX Pedia, redactada con asistencia de IA y verificada por humanos. Actualizada el 2026-10-31 · Versión v1.0 · Todos los cambios quedan registrados y consultables.
Esta base
Política editorialSobre esta base (declaración de intereses)canal de correcciones
Resumen de la constitución editorial
Cada afirmación con fuenteDefectos siempre indicados · correcciones públicas y trazablesNo se aceptan entradas pagadasCero elementos de captación o venta dentro de las entradasLos datos de cotización solo se montan como módulo de datos
Familia AIXX
AIXX CloudAIXX ExchangeAIXX IndexAIXX Noticias
Repaso de mercado: AIXX Exchange · © 2026 AIXX Pedia · una producción de AIXX