Nvidia libera código completo de Run:ai, orquestador de GPUs

Nvidia publicó este martes (13) el código fuente completo de Run:ai, la plataforma de orquestación de GPUs que adquirió de la startup israelí del mismo nombre a finales de 2024. El código está en un repositorio de la organización NVIDIA DSX AI Factory en GitHub, y la empresa enmarca la apertura como parte de la plataforma DSX, su conjunto de referencia para quienes construyen y operan "fábricas de IA".

Qué se ha abierto

La plataforma llega en cuatro módulos que pueden ser adoptados de forma independiente: el KAI Scheduler, que programa cargas de trabajo en Kubernetes teniendo en cuenta las GPUs; el GPU Fractioning Operator, que fragmenta una placa física para múltiples tareas; el KAI Resource Management, responsable de cuotas y jerarquías por equipo; y el Workload Map, que estandariza cómo se describen y gestionan las cargas.

Parte de esto ya era público. El KAI Scheduler está bajo licencia Apache 2.0 desde abril de 2025 y fue aceptado como un proyecto sandbox de la Cloud Native Computing Foundation. La novedad es el resto, especialmente el fraccionamiento de GPU y la gestión de cuotas, que eran el núcleo comercial del producto. Según la cobertura de HPCwire y Blockchain.News, la versión distribuida como producto comunitario en el catálogo NGC de Nvidia no requiere suscripción paga de Run:ai. Quienes necesiten un acuerdo de nivel de servicio continúan teniendo una versión con soporte, vendida dentro de las ofertas corporativas de la empresa.

La apertura cumple una promesa antigua. Según el sitio israelí Calcalist, los fundadores de Run:ai se habían comprometido a abrir el código cuando se completó la venta a Nvidia.

Por qué Nvidia renuncia a la licencia

El argumento económico es directo. El cuello de botella de quienes operan clusters de IA raramente es la falta de GPUs instaladas: es la ociosidad de estas. Una GPU de centro de datos completamente asignada a un equipo que ejecuta un experimento pequeño permanece inactiva la mayor parte del tiempo, y el fraccionamiento, la programación grupal y las cuotas por equipo existen precisamente para aumentar esta tasa de utilización. Al distribuir la capa que aprovecha mejor cada placa, Nvidia reduce la fricción para que más empresas construyan sus propios clusters, y todas ellas continúan comprando el hardware.

El contrapunto es igualmente concreto. El operador de fraccionamiento es descrito por Nvidia como nativo de CUDA, lo que significa que la pieza más valiosa del paquete ata al cliente al hardware de la empresa. Código abierto, aquí, no equivale a neutralidad del proveedor. Un equipo que utiliza aceleradores de AMD o chips propios de nube, como los TPUs de Google, gana poco con el anuncio además del programador, que ya estaba disponible.

Quién se beneficia

El efecto más inmediato es sobre las llamadas neoclouds, proveedores especializados en alquilar capacidad de GPU. Nebius, con sede en Ámsterdam, ya ha anunciado la oferta de Run:ai abierto en su catálogo de aplicaciones. La estadounidense Crusoe, Rafay y Saturn Cloud también están entre los socios que integran la plataforma, y la española OpenNebula Systems aparece en la lista divulgada por Nvidia. Para estos proveedores, que anteriormente revendían o competían con una herramienta propietaria, la apertura elimina un costo de licencia y una dependencia comercial.

En Europa, el movimiento se alinea con la demanda de nubes soberanas. Gobiernos y empresas que quieren operar clusters propios, sin depender de un hiperescalador estadounidense, ahora cuentan con una capa de orquestación madura sin necesidad de negociar licencia con Nvidia, aunque continúan atados a las GPUs de la empresa.

Para integradores y consultorías que montan plataformas de IA para clientes corporativos, el cambio altera la propuesta comercial. Proyectos que antes incluían la licencia de Run:ai en el presupuesto ahora pueden tratarla como un componente gratuito, y el valor se desplaza hacia la integración, la operación y el soporte. Bancos, aseguradoras y gobiernos que operan clusters propios en India, Brasil o Medio Oriente ahora tienen una alternativa sin costo de software para dividir GPUs entre equipos.

Lo que aún no está claro

Nvidia no detalló, en el material difundido, la licencia que cubre la plataforma completa más allá de la Apache 2.0 del programador, y la diferencia es importante: una licencia permisiva permite que los competidores adapten el código a otros aceleradores, mientras que una restrictiva limita eso. Tampoco está claro cuánto de los ingresos de Run:ai la empresa renuncia, porque Nvidia nunca ha publicado los ingresos de la unidad de forma separada. La señal para los clientes es que la disputa entre proveedores de infraestructura de IA se ha desplazado del software de orquestación, que se ha vuelto gratuito, hacia la capa de hardware y servicios gestionados que opera sobre él.