Es una pregunta interesante, pero antes de responder, tenemos que definir qué entendemos por «vida útil de una GPU».
Pensemos en un teléfono como comparación: quizá todavía pueda encenderse con normalidad y conectarse a Internet, pero seguro que no querrías usarlo de verdad. ¿Significa eso que su vida útil ha terminado?
Así que, para empezar, supongamos que una GPU de nivel de centro de datos se considera en uso hasta que ya no pueda encenderse en absoluto. La vida útil física máxima de una GPU de NVIDIA suele ser de 8 a 12 años.
Sin tener en cuenta en absoluto la eficiencia energética ni la rentabilidad operativa, y manteniéndola en funcionamiento ininterrumpido las 24 horas del día hasta que el propio hardware de la GPU sufra daños físicos irreparables (como el deterioro y fallo de la oblea de silicio o del encapsulado 3D, la fusión y destrucción de la memoria de video o la quema de la PCB), la vida útil física máxima de una GPU de NVIDIA para centros de datos ronda los 8 a 12 años (en unos pocos casos excepcionales y afortunados podría llegar a los 15 años).
A continuación se presentan los factores clave y los mecanismos de fallo que afectan al «límite de vida útil física» final de una GPU:
I. Etapas y distribución de fallos a lo largo de la vida útil física límite (curva de la bañera)
Si se usa una GPU hasta que falle físicamente, el proceso de deterioro suele ajustarse a la «curva de la bañera» de la ingeniería de fiabilidad:
* Tasa de fallos inicial (primer año):
* Causas: pequeños defectos de fabricación (como soldaduras frías o condensadores defectuosos).
* Tras superar las pruebas de estrés de alta intensidad de un centro de datos de primera categoría, los chips que sobreviven al primer año entran en un periodo de gran estabilidad.
* Periodo de funcionamiento estable (del año 2 al 7):
* En centros de datos con buen control de temperatura y humedad, la tasa de fallos de las GPU es muy baja. Incluso si durante este periodo se estropea un ventilador, se seca la pasta térmica o envejecen los condensadores del módulo de alimentación (VRM), se trata de problemas «reparables mediante mantenimiento».
* Periodo de desgaste y envejecimiento físico (del año 8 al 12):
* En esta etapa empiezan a producirse daños de hardware «irreversibles e imposibles de reparar manualmente», que marcan el verdadero fin de su vida útil.
II. Mecanismos físicos irreversibles que provocan el «fallo total» definitivo de una GPU
Una vez descartados los «componentes periféricos fácilmente sustituibles», como ventiladores, disipadores, bloques de refrigeración líquida y cables de alimentación externos, el chip acaba fallando por uno de estos tres tipos de degradación física microscópica irreversible:
1. Electromigración y envejecimiento del óxido de puerta (a nivel del chip de silicio)
* Fenómeno: La exposición prolongada a altas tensiones y corrientes hace que los electrones de alta energía «golpeen» los átomos metálicos y los desplacen gradualmente, provocando «circuitos abiertos» o «cortocircuitos» microscópicos en los diminutos conductores metálicos del chip.
* Consecuencia: Daños permanentes en las unidades lógicas de la GPU (die). Este tipo de fallo irreversible se produce dentro de los transistores a escala nanométrica y no puede repararse soldando ni con ninguna herramienta externa; el chip queda inservible.
2. Retirada de servicio de la memoria HBM/VRAM y del encapsulado avanzado CoWoS (a nivel del encapsulado)
* Fenómeno: Las GPU modernas de NVIDIA (como la A100, la H100 y la B200) emplean la tecnología de encapsulado 3D apilado CoWoS de TSMC, que conecta estrechamente el núcleo de la GPU y la memoria de alto ancho de banda (HBM) mediante un interposer de silicio (Silicon Interposer) y microprotuberancias (Microbumps).
* Consecuencias:
* Los ciclos prolongados de estrés térmico a altas temperaturas pueden provocar la rotura de las vías de silicio a través del chip (TSV) o de las microconexiones de soldadura de los chips HBM.
* En las tarjetas gráficas tradicionales, cuando se estropeaba la memoria GDDR, se podía reparar «cambiando los chips de memoria» con una estación de soldadura por aire caliente. Sin embargo, en el encapsulado CoWoS, la HBM y el núcleo de la GPU están integrados en la misma estructura del encapsulado del chip. Si se daña físicamente un chip HBM o el interposer de silicio, toda la GPU queda irreparable e inservible.
3. Microfisuras por expansión y contracción térmicas de las capas de la PCB y desoldadura BGA (a nivel de la tarjeta)
* Fenómeno: Aunque la GPU funcione las 24 horas del día, durante varios años de funcionamiento seguirá experimentando fluctuaciones de temperatura (estrés térmico) debido a paradas para mantenimiento, reinicios o variaciones de carga.
* Consecuencia: Tras decenas de miles de ciclos pequeños de expansión y contracción térmicas, las bolas de soldadura BGA de la PCB multicapa de la placa base y de la base del chip GPU pueden sufrir fatiga metálica y romperse (fatiga intermitente de las uniones soldadas). Si la rotura se produce bajo el centro del chip, donde se concentran los contactos, la reparación resulta extremadamente difícil y costosa; a menudo se considera que la tarjeta está definitivamente inservible.
III. Referencias a datos históricos reales
* NVIDIA Tesla K40/K80 (lanzadas en 2013-2014):
Algunos laboratorios universitarios y aficionados las han modificado para que funcionen sin interrupción. A día de hoy (tras más de 11-12 años de funcionamiento), unas pocas todavía pueden arrancar, pero la mayoría ya presenta fallos físicos irreparables, como artefactos en pantalla al arrancar, errores Code 43 (daños en las unidades lógicas internas del chip) o memoria HBM/DRAM inservible.
* NVIDIA V100 (lanzada en 2017):
Actualmente lleva en funcionamiento unos 8-9 años. En equipos de segunda mano y entornos de minería/inferencia extrema, empiezan a aparecer en grandes cantidades casos de fallos del interposer de silicio CoWoS y de averías irreparables de la HBM, lo que marca el punto de inflexión hacia el límite de su vida útil física.
Conclusión
Si no se tienen en cuenta los costes y el único objetivo es «usarla hasta que el hardware se queme o quede irremediablemente dañado, sin posibilidad de reparación manual», la vida útil física límite de una GPU de NVIDIA suele ser de 8 a 12 años.
Después de 8 años, los chips empiezan a sufrir daños irreversibles que provocan su fallo definitivo, ya sea por daños en la HBM dentro del encapsulado CoWoS o por cortocircuitos causados por la electromigración dentro del chip de silicio.