NVIDIA estaría valorando los procesos TSMC N2P y A16 para fabricar Rosa, su próxima gran CPU Arm para centros de datos. La opción más potente sería A16 con Super Power Rail, una tecnología de alimentación trasera pensada para mejorar eficiencia, densidad y rendimiento sostenido.
La lectura importante es que Rosa no sería una CPU secundaria dentro del ecosistema de IA de NVIDIA. Si finalmente adopta TSMC A16 con backside power delivery, la compañía podría reforzar justo el punto que más necesita la IA agentic: más rendimiento por núcleo con menor presión energética.
Rosa apunta a TSMC A16, pero N2P sigue sobre la mesa
Los informes de la cadena taiwanesa señalan que Rosa podría moverse dentro de la familia de 2 nm de TSMC, con N2P como opción natural y A16 como alternativa más ambiciosa. La diferencia no estaría solo en el nodo, sino en cómo se alimenta físicamente el chip.
TSMC presenta A16 como una tecnología con transistores nanosheet y Super Power Rail, separando mejor las rutas de señal y alimentación. En la práctica, la parte frontal queda más libre para señales y reloj, mientras que la energía se distribuye desde la parte trasera de la oblea.
Ese cambio encaja muy bien con una CPU grande para IA. En chips donde cada milímetro y cada vatio cuentan, reducir congestión interna, liberar rutas de interconexión y mejorar la entrega eléctrica puede ser tan importante como aumentar frecuencias o añadir más núcleos.
Super Power Rail puede marcar la diferencia real
Según TSMC, A16 ofrece frente a N2P una mejora de 8-10% en velocidad a mismo voltaje, una reducción de 15-20% en consumo a misma velocidad y hasta 10% más densidad lógica. Para una CPU como Rosa, esos porcentajes pueden escalar muchísimo en centros de datos.
La clave está en el backside power delivery, porque traslada la red de alimentación a la parte posterior del chip. Eso reduce pérdidas eléctricas, baja la congestión frontal y permite que las rutas de señal tengan más margen, algo crítico en diseños de alto rendimiento.
En IA agentic, esa mejora puede tener más impacto del que parece. Los agentes, las cadenas de razonamiento, la planificación y las llamadas a herramientas dependen mucho de latencia, rendimiento monohilo y consistencia, no solo de lanzar miles de operaciones paralelas sobre una GPU.
Rigel será el salto arquitectónico frente a Vera
NVIDIA ya ha detallado que Rosa utilizará Rigel, una nueva arquitectura propia basada en Arm v9.2. La compañía la plantea como evolución de Olympus, con más rendimiento por núcleo, mejor entrega de instrucciones, más caché L2 y una huella de silicio similar.
Ese enfoque explica por qué el nodo de fabricación pesa tanto. Si Rosa quiere superar a Vera sin disparar área ni consumo, A16 encaja mejor que una evolución conservadora, porque permite mejorar eficiencia física además de rendimiento arquitectónico por núcleo.
Vera ya empuja la idea de una CPU pensada para máximo rendimiento monohilo a escala, no como un simple procesador de apoyo. Rosa llevaría esa filosofía más lejos, con Rigel como base para sostener cargas secuenciales más exigentes dentro de plataformas Feynman.
Feynman necesita una CPU que no sea cuello de botella
La hoja de ruta de NVIDIA sitúa a Rosa junto a Feynman, su futura generación de GPU para centros de datos. Esa plataforma también apunta a memoria avanzada, nuevas interconexiones, DPUs, LPUs y NVLink con óptica coempaquetada para escalar racks de IA mucho más densos.
La jugada es clara: NVIDIA no quiere vender solo aceleradores, quiere controlar CPU, GPU, red, memoria, interconexión y software. En ese contexto, Rosa es una pieza estratégica, porque decide cómo se coordinan las cargas antes de llegar a las GPU.
Si Feynman aumenta densidad, memoria y capacidad de cálculo, Rosa tendrá que acompañar sin convertirse en freno. Por eso importan tanto rendimiento por núcleo, caché, eficiencia, latencia y comunicación interna, justo los apartados donde una CPU mal ajustada puede lastrar todo el sistema.
A16 también eleva la complejidad industrial
El salto a A16 no sería gratis para NVIDIA ni para TSMC. La alimentación trasera puede aumentar la demanda de procesos CMP, obleas portadoras y consumibles avanzados, con más presión sobre una cadena taiwanesa que ya trabaja al límite por la demanda de IA.
Ese punto es importante porque NVIDIA ya depende de HBM, CoWoS, empaquetado avanzado y nodos punteros para sus plataformas de IA. Añadir A16 con Super Power Rail significa más rendimiento potencial, pero también más coste, más complejidad y más dependencia de capacidad limitada.
La ventaja es que NVIDIA puede justificar ese coste si el retorno en centros de datos compensa. En IA, una mejora pequeña por chip se multiplica en rack, clúster y nube, sobre todo cuando afecta a consumo eléctrico, densidad, refrigeración y rendimiento sostenido.
NVIDIA quiere ganar la batalla por plataforma completa
Rosa confirma que NVIDIA ya no quiere depender solo de la GPU para dominar la IA. Grace abrió el camino, Vera subió el nivel con Olympus, y Rosa apunta a consolidar una línea propia donde Arm v9.2, núcleos personalizados y eficiencia por vatio sean armas centrales.
Esto cambia la comparación frente a Intel y AMD. Ya no hablamos únicamente de CPU contra CPU, sino de plataforma completa contra plataforma completa. NVIDIA diseña sus procesadores para alimentar sus propios racks de IA, con una integración que sus rivales no pueden replicar igual.
El riesgo está en depender de procesos carísimos y de una cadena de fabricación muy concentrada. Pero si Rosa llega con Rigel, TSMC A16 y Super Power Rail, NVIDIA podría reforzar todavía más su ventaja en IA de centro de datos, especialmente en cargas agentic.
Vía: Wccftech
