NVIDIA ha revelado nuevos detalles de Rosa, su próxima CPU para centros de datos, que llegará asociada a la generación Feynman. La gran novedad está en Rigel, una arquitectura de núcleo Arm v9.2 diseñada para mejorar el rendimiento por núcleo en cargas de IA agéntica.
La compañía quiere ir más allá de Grace y Vera con una CPU centrada en máximo rendimiento monohilo a escala, un punto cada vez más importante en sistemas de IA. En estos entornos, no basta con tener GPUs enormes: también hacen falta CPU rápidas, baja latencia, caché eficiente y mejor manejo de memoria.
Rosa será la evolución directa de Vera para la era Feynman
Rosa se colocará como sucesora conceptual de Vera, la CPU que acompaña a la plataforma Rubin. Mientras Vera usa núcleos Olympus, Rosa pasará a núcleos Rigel, manteniendo la apuesta de NVIDIA por diseños propios basados en Arm v9.2 para cargas de centro de datos.
La información más importante es que Rigel ofrecerá más rendimiento por núcleo que Olympus manteniendo el mismo espacio de silicio. Ese detalle es clave, porque NVIDIA no solo busca más potencia, sino mejorar el equilibrio entre área, consumo, densidad de computación y escalabilidad en racks de IA.
En un centro de datos, ganar rendimiento sin aumentar el footprint del núcleo puede marcar diferencias enormes. Permite sostener más capacidad de proceso dentro de límites razonables de silicio, energía, refrigeración y coste por sistema, justo donde las plataformas de IA empiezan a ser más exigentes.
Rigel mejora instruction delivery, caché L2 y manejo de memoria
NVIDIA destaca tres avances principales en Rigel: mejor entrega de instrucciones, una caché L2 más grande y una gestión de memoria más eficiente. No son cambios menores, porque atacan directamente a los puntos que determinan cuánto trabajo útil puede completar cada núcleo en cargas secuenciales.
La mejora en instruction delivery apunta al frontend del núcleo, es decir, a la capacidad de alimentar las unidades de ejecución sin dejar ciclos muertos. En una CPU orientada a máximo rendimiento monohilo, esa parte resulta crítica para mantener alto IPC y evitar que el núcleo pierda eficiencia.
La caché L2 más grande también tiene una lectura muy clara. En cargas de IA agéntica, la CPU debe gestionar tool calls, ejecución de código, preparación de datos, consultas y tareas de control. Tener más datos cerca del núcleo puede reducir accesos a memoria y mejorar latencias reales.
La IA agéntica cambia lo que se le exige a una CPU
El foco de Rosa estará en Agentic AI, un tipo de carga donde los modelos no solo generan texto, sino que ejecutan pasos, llaman herramientas, verifican resultados y encadenan decisiones. En ese flujo, la CPU no es secundaria: coordina tareas secuenciales, lógica de control y operaciones de sistema.
Ahí el rendimiento monohilo vuelve a importar muchísimo. Un agente puede depender de una operación previa antes de pasar a la siguiente, así que una CPU lenta puede frenar todo el pipeline. Por eso NVIDIA insiste en single-threaded performance at scale, no solo en sumar más núcleos.
La GPU sigue siendo el centro del cálculo masivo, pero puede quedar infrautilizada si la CPU no alimenta bien el sistema. Rosa busca precisamente reducir esos cuellos de botella con más rendimiento por núcleo, mejor caché, entrega de instrucciones optimizada y manejo de memoria más eficiente.
Fuente de la imagen: WIKI
Vera marca una base muy ambiciosa que Rosa debe superar
Para entender la importancia de Rosa, hay que mirar a Vera, que ya representa un salto frente a Grace. Vera utiliza 88 núcleos Olympus, frente a los 72 núcleos de Grace, y NVIDIA habla de un aumento importante de rendimiento por núcleo respecto a su primera CPU para centros de datos.
Según la comparativa publicada, Grace usa núcleos Arm Neoverse V2, mientras que Vera adopta núcleos personalizados Olympus Arm v9.2. Rosa continuará esa transición con Rigel Arm v9.2, reforzando la idea de que NVIDIA quiere controlar cada vez más su arquitectura CPU.
La diferencia no está solo en el número de núcleos. Vera introdujo avances en IPC, caché L2, memoria y enlaces internos, mientras Rosa buscará mejorar todavía más el rendimiento individual. El objetivo es claro: construir CPUs capaces de acompañar GPUs cada vez más grandes sin crear cuellos de botella.
El número de núcleos de Rosa sigue sin estar confirmado
Uno de los datos que NVIDIA todavía no ha detallado es el número de núcleos de Rosa. La tabla comparativa mantiene esa cifra como TBD, igual que otros apartados clave como hilos, capacidad de memoria, ancho de banda, diseño del die e interconexiones definitivas.
Este punto es importante para no sobredimensionar la noticia. Sabemos que Rosa usará núcleos Rigel, tendrá más caché L2, mejorará la entrega de instrucciones y apostará por mejor eficiencia de memoria, pero todavía no hay una ficha completa de producto final.
Tampoco se debe asumir automáticamente un aumento de núcleos frente a Vera. NVIDIA podría priorizar rendimiento por núcleo, eficiencia, latencia y equilibrio de sistema antes que inflar el contador de cores. En IA agéntica, más núcleos no siempre significan más rendimiento útil.
NVIDIA ya compite contra x86 desde una lógica distinta
Con Grace, Vera y ahora Rosa, NVIDIA está atacando el espacio de CPU de centro de datos desde una posición distinta a AMD e Intel. No busca necesariamente una CPU universal para todo, sino una pieza optimizada para aceleradores, redes, memoria, IA agéntica y sistemas completos.
Eso cambia la comparación frente a x86. En servidores tradicionales, importan mucho compatibilidad, ecosistema, núcleos, hilos y rendimiento generalista. En una fábrica de IA, la métrica central puede ser cuánto ayuda la CPU a mantener ocupadas GPUs carísimas sin introducir latencia innecesaria.
Por eso Rosa tiene sentido dentro de Feynman. NVIDIA no quiere depender solo de terceros para alimentar sus aceleradores, sino controlar CPU, GPU, interconexión, red, memoria y software. Esa integración vertical es una ventaja enorme cuando se diseñan racks completos de IA.
Feynman será algo más que una nueva GPU
La generación Feynman no debe leerse únicamente como una nueva familia de GPUs. La hoja de ruta apunta a una plataforma donde la CPU Rosa formará parte del conjunto junto a aceleradores, memoria avanzada e interconexiones de nueva generación. NVIDIA está construyendo sistemas, no piezas aisladas.
En la tabla de ruta, Feynman aparece como sucesora de Rubin y Rubin Ultra, con memoria futura como HBM4e o HBM5 todavía por confirmar. En ese contexto, Rosa será la CPU encargada de acompañar una generación mucho más exigente en ancho de banda, latencia y coordinación de cargas.
El salto no será solo gráfico ni puramente computacional. La IA moderna exige mover datos, ejecutar herramientas, coordinar agentes y mantener comunicación constante entre componentes. Por eso una CPU como Rosa puede tener un papel decisivo, aunque el foco mediático siga estando en las GPUs.
NVIDIA entrega las primeras CPUs Vera a Anthropic, OpenAI, SpaceX y Oracle, diseñadas para la era de la IA agéntica
Rosa también apunta a futuras variantes RTX Spark
La información también vincula esta evolución con RTX Spark, donde NVIDIA estaría llevando sus diseños de CPU a soluciones más compactas y específicas. Primero llegarían combinaciones con Grace y Blackwell, más adelante con Vera Rubin y, finalmente, con Rosa Feynman Spark en una etapa posterior.
Esta parte debe leerse como hoja de ruta, no como producto cerrado. Aun así, muestra una dirección interesante: NVIDIA quiere reutilizar sus núcleos CPU en más formatos, desde racks de IA hasta sistemas compactos para desarrollo, inferencia local y estaciones especializadas.
Si Rosa llega a variantes Spark, su impacto podría ir más allá del data center clásico. Un núcleo Rigel Arm v9.2 con alto rendimiento monohilo podría ser muy útil en equipos diseñados para IA local, agentes, compilación, ejecución de herramientas y cargas híbridas CPU-GPU.
La memoria será otro frente crítico para la plataforma
Aunque NVIDIA no ha detallado la memoria final de Rosa, la comparación apunta a una evolución desde los esquemas usados en Grace y Vera. En este tipo de CPUs, el ancho de banda y la eficiencia de memoria son esenciales para evitar que los núcleos esperen datos constantemente.
Vera ya elevó mucho el listón con LPDDR5X con ECC, más ancho de banda y mayor capacidad respecto a Grace. Para Rosa, lo lógico sería continuar esa dirección con una arquitectura todavía más enfocada en alimentar núcleos rápidos, reducir latencia efectiva y sostener cargas agénticas.
La memoria importa porque muchos flujos de IA no son una sola operación masiva. Son cadenas de pasos con datos intermedios, contexto, llamadas externas y verificaciones. Si la CPU no puede acceder rápido a esos datos, el sistema completo pierde eficiencia aunque la GPU tenga potencia de sobra.
La gran incógnita sigue siendo la configuración final
Rosa apunta a 2028 junto a Feynman en la hoja de ruta, pero todavía quedan demasiados huecos por completar. No hay cifras oficiales de núcleos, hilos, frecuencia, consumo, ancho de banda, capacidad de memoria, proceso de fabricación o diseño monolítico/chiplet para el producto final.
Eso obliga a separar lo confirmado de lo esperado. Está confirmado el salto a Rigel Arm v9.2, la mejora de rendimiento por núcleo, la caché L2 más grande, el mejor instruction delivery y una gestión de memoria más eficiente. Todo lo demás sigue pendiente de detalle.
Aun con esas incógnitas, la dirección es muy clara. NVIDIA está construyendo una línea de CPU propia cada vez más seria: Grace como punto de partida, Vera con Olympus como salto intermedio y Rosa con Rigel como evolución para Feynman. La CPU ya forma parte central de su estrategia.
Rosa confirma que la guerra de IA ya no va solo de GPUs
El mensaje de fondo es que la próxima fase de la IA no dependerá únicamente de la GPU más potente. Los sistemas agénticos necesitan CPU rápida, memoria eficiente, baja latencia, red avanzada, software de orquestación y aceleradores bien alimentados para que el rack funcione como una unidad.
Rosa encaja justo ahí. Su objetivo no será ganar titulares con una cifra aislada, sino mejorar el rendimiento real de plataformas Feynman en cargas donde cada paso de CPU puede afectar al uso de la GPU. En IA, una espera pequeña multiplicada por miles de agentes se convierte en un coste enorme.
En resumen, Rosa con núcleos Rigel Arm v9.2 representa el siguiente paso de NVIDIA en CPUs propias para centros de datos. Sin ficha final completa, lo importante ya está claro: más rendimiento por núcleo que Olympus, más caché L2, mejor entrega de instrucciones y una integración directa con Feynman.
Vía: Wccftech
