Montar una máquina para entrenar o servir modelos siempre ha tenido la misma parte tediosa: pelearte con los drivers de la GPU, las versiones de CUDA o ROCm y las dependencias que se rompen al primer apt upgrade. Canonical ha publicado un artículo sobre Ubuntu 26.04 LTS en el que explica cómo han trabajado precisamente ese punto para que esa parte deje de comerte horas.
La idea que vertebra el texto es la de tokens por vatio (tokens per watt): la cantidad de trabajo útil de IA que produces por cada vatio que consumes. Es una forma de medir eficiencia que mira al hardware, pero Canonical insiste en que la cuenta no termina ahí. El tiempo que tardas en tener algo funcionando y la productividad de quien lo monta cuentan igual. Una GPU carísima parada tres días porque los drivers no cuadran no produce muchos tokens por vatio.
CUDA y ROCm en una sola línea
La novedad concreta más práctica es la instalación de los frameworks de cómputo en GPU. Tanto NVIDIA CUDA como AMD ROCm se pueden instalar ahora con un único comando apt install. Antes esto era un proceso de varios pasos en el que los problemas de dependencias y de compatibilidad aparecían con frecuencia. Si has montado alguna vez un entorno de inferencia desde cero, sabes a qué se refieren: repositorios que añadir a mano, versiones que tienen que casar entre sí y mensajes de error que no te dicen gran cosa.
Reducir eso a un apt install no es magia, pero te ahorra horas o incluso días de configuración por máquina. Y cuando llega el momento de subir de versión un framework, el camino de actualización queda más limpio que antes.
Red de alto rendimiento con DOCA-OFED
El otro bloque es la red. Ubuntu 26.04 LTS integra la pila NVIDIA DOCA-OFED para que su instalación sea directa. Aquí el dolor habitual era la deriva del kernel, drivers que dejaban de ser compatibles y pipelines de CI que se rompían al actualizar. Para cargas de IA a gran escala, donde varios nodos tienen que hablar entre sí a toda velocidad, tener la capa de red bien encajada con el kernel marca la diferencia entre que la actualización sea rutina o un fin de semana de guardia.
Qué pretende ser Ubuntu aquí
Conviene leer una frase del propio Canonical para entender el enfoque. Jon Seager, VP de Ingeniería, lo deja claro: “Ubuntu no se está convirtiendo en un producto de IA”. El compromiso, dice, es que Ubuntu sea un facilitador para la IA. Es decir, no añadir capas propias, sino que el trabajo de optimización con los fabricantes de silicio y la instalación simplificada de los toolkits hagan que tú llegues antes a lo que quieres hacer.
Esa colaboración con el silicio abarca a NVIDIA, AMD, Intel, Arm, Qualcomm y RISC-V. La meta es dedicar el máximo de cómputo a la carga de IA y dejar al sistema operativo el menor peso posible por debajo.
Para quién es esto
Si tu trabajo pasa por levantar nodos con GPU, esto te toca de cerca. Para el resto de usuarios de Ubuntu en escritorio o servidor genérico, el cambio no se nota en el día a día, pero forma parte de hacia dónde está empujando Canonical la versión LTS. Si todavía no la has mirado, en su día repasamos todo lo que trae Ubuntu 26.04 LTS, desde el kernel hasta el soporte a largo plazo.
Fuente
Información basada en el artículo original publicado por Canonical: Beyond tokens per watt – using Ubuntu 26.04 LTS for AI, en el blog oficial de ubuntu.com.