NVIDIA está viendo crecer el interés por sus CPUs Vera, una familia diseñada para cargas de IA donde la latencia, el rendimiento por núcleo y la inferencia pesan más que el simple número de cores. Firmas como Perplexity ya la consideran una opción adecuada para IA agéntica, coding agents y workloads iterativos sensibles a latencia.
La clave está en que Vera no intenta competir con x86 solo por volumen de núcleos. NVIDIA la presenta como una CPU Max Single-Threaded a escala, optimizada para ofrecer alto IPC, ancho de banda por núcleo, latencia predecible y rendimiento sostenido en tareas donde cada paso del agente cuenta.
Perplexity apuesta por Vera para sus cargas centrales
Perplexity sería una de las últimas compañías de IA en apostar por NVIDIA Vera como CPU para cargas agénticas internas. Según Reuters, Nate Kupp, vicepresidente de la compañía, explicó que el chip encajaba especialmente bien con sus workloads, sobre todo en tareas de programación ejecutadas por agentes de IA.
“Vera encajó de lleno con muchas de nuestras cargas centrales”, señaló Nate Kupp, vicepresidente de Perplexity, al hablar del rendimiento de la CPU en workloads internos de IA.
El dato técnico más llamativo es que Perplexity habría observado una mejora de 1,5 veces frente a CPUs tradicionales en tareas de coding agéntico. En entornos con sandboxes concurrentes, la mejora subiría hasta un 90%, reforzando la idea de que Vera apunta a cargas donde la latencia manda.
La IA agéntica cambia lo que se le pide a una CPU
Las cargas de IA agéntica no funcionan como un benchmark clásico de CPU multinúcleo. Un agente ejecuta una acción, recibe resultados, decide el siguiente paso y repite el proceso. Ese bucle exige respuesta rápida por hilo, baja latencia y acceso constante a datos.
NVIDIA sostiene que muchas CPUs convencionales no están optimizadas para este patrón. Añadir más núcleos puede mejorar el throughput global, pero no siempre reduce el tiempo de cada paso dentro de un loop secuencial de decisión, ejecución y validación en agentes de IA.
Ahí es donde Vera intenta diferenciarse. En lugar de perseguir solo más cores, NVIDIA prioriza rendimiento fuerte por núcleo bajo carga, suficiente ancho de banda por core y latencia más predecible. Para agentes, segundos y milisegundos importan, pero dentro del chip también cuentan los nanosegundos.
Max Single-Threaded a escala, la apuesta de NVIDIA
NVIDIA define Vera como la única CPU Max Single-Threaded a escala, una etiqueta pensada para resumir tres pilares técnicos: alto rendimiento por núcleo, ancho de banda suficiente para alimentar cada core activo y latencia predecible en cargas intensivas.
“La mejor CPU para agentes necesita el mejor rendimiento single-threaded por núcleo, y cada núcleo debe entregar ese rendimiento sin compromisos. El mundo cuenta en segundos. Los agentes cuentan en nanosegundos”, afirma NVIDIA.
La idea es importante porque rompe con parte del discurso habitual en servidores. Para ciertos workloads de IA, una CPU con muchos núcleos puede no resolver el cuello de botella si cada núcleo compite por recursos compartidos y no recibe memoria, caché e interconexión interna con suficiente rapidez.
Olympus sube el IPC y Vera se apoya en LPDDR5X
Vera usa núcleos personalizados Olympus, con una mejora de IPC del 50% frente a Grace. Ese salto no se queda solo en potencia bruta, porque NVIDIA lo acompaña con una arquitectura pensada para mantener cada núcleo alimentado durante cargas de inferencia y ejecución agéntica.
La CPU se combina con hasta 1,2 TB/s de ancho de banda LPDDR5X con menos de 40W de consumo de memoria. Ese dato es muy relevante, porque la IA moderna necesita mover contexto, instrucciones, datos intermedios y resultados sin generar esperas constantes en el procesador.
También destaca el uso de un die monolítico de cómputo con 3,4 TB/s de ancho de banda core-to-core, según NVIDIA. La compañía afirma que esta interconexión interna supera ampliamente a otras CPUs de centro de datos y ayuda a reducir cuellos de botella entre núcleos activos.
Menos núcleos, pero mejor alimentados
La estrategia de NVIDIA pasa por usar menos núcleos que algunos rivales, pero con más recursos efectivos por core. Vera integra 88 núcleos y busca que todos puedan acceder al rendimiento completo de memoria sin que la plataforma se degrade por contención interna.
Este enfoque tiene sentido en workloads donde cada núcleo necesita sostener respuesta rápida. En agentes de IA, bases de datos, inferencia y servicios concurrentes, el problema no es solo cuántas tareas entran, sino cuánto tarda cada una en completar pasos cortos, dependientes y repetitivos.
Por eso Vera intenta atacar el cuello de botella desde la arquitectura. NVIDIA combina más IPC, gran ancho de banda LPDDR5X, interconexión interna muy rápida y latencia predecible para que los núcleos activos no queden bloqueados esperando datos del sistema.
Rendimiento frente a x86 en tareas reales
Además de la mejora de Perplexity en coding agents, NVIDIA cita resultados de socios en cargas empresariales concretas. En analítica SQL a gran escala con Starburst, Vera habría alcanzado hasta 3 veces más rendimiento frente a CPUs x86 comparables.
En streaming en tiempo real con Redpanda, la compañía habla de hasta 6 veces menos latencia frente a ofertas x86. Son cifras importantes porque muestran que Vera no se plantea solo como CPU para IA pura, sino también para datos, backend, analítica y servicios sensibles a latencia.
La lectura es que NVIDIA quiere convertir Vera en una CPU de centro de datos muy especializada, pero no limitada. Si la plataforma mejora agentes, inferencia, SQL, streaming y cargas concurrentes, puede ganar terreno en zonas donde x86 dominaba por inercia y compatibilidad.
OpenAI, xAI, Oracle y Anthropic ya aparecen en el mapa
Según la información disponible, Vera ya habría llegado a compañías como OpenAI, xAI, Oracle y Anthropic, además de Perplexity. Esto refuerza la idea de que NVIDIA no quiere vender solo GPUs, sino una plataforma completa con CPU, GPU, memoria, interconexión y software.
La demanda llega impulsada por la IA agéntica, que depende más de CPUs de lo que parece. Aunque las GPUs ejecuten buena parte del cálculo pesado, las CPUs siguen siendo críticas para orquestación, preparación de datos, ejecución de herramientas, lógica de agentes y servicios de inferencia.
Para NVIDIA, esto abre una oportunidad enorme. Si Vera se convierte en la CPU natural de sus plataformas de IA, la compañía puede capturar más valor por servidor y reducir la dependencia de CPUs externas, especialmente frente a Intel, AMD y diseños Arm personalizados.
Vera Rubin será el gran escaparate de esta estrategia
Vera está pensada para encajar dentro de plataformas de próxima generación como NVIDIA Vera Rubin, donde CPU, GPU y memoria deben trabajar con latencias cada vez más controladas. En ese contexto, una CPU optimizada para inferencia, agentes y rendimiento por hilo tiene más sentido que una CPU genérica.
La IA moderna ya no se limita a entrenar modelos gigantes. Cada vez pesa más la inferencia, la ejecución de agentes, la consulta de herramientas, la generación de código y la coordinación de tareas. Todo eso exige CPU rápida por hilo, memoria amplia y comunicación interna eficiente.
Por eso Vera puede ser tan importante para NVIDIA. Si Rubin domina la siguiente ola de servidores de IA, Vera no será un acompañante menor, sino una pieza clave para mantener flujo de datos, orquestación y respuesta rápida dentro de la plataforma completa.
Rosa y Rigel ya asoman como siguiente paso
NVIDIA ya está señalando el camino hacia su siguiente CPU de centro de datos, conocida como Rosa, que usaría la arquitectura de núcleos Rigel. Ese relevo apunta a una estrategia continuista: reforzar rendimiento por núcleo, eficiencia en inferencia y baja latencia.
Rosa sería la sucesora natural de Vera dentro de una hoja de ruta cada vez más agresiva frente a x86. Si Vera demuestra adopción real entre compañías de IA, NVIDIA tendrá una base sólida para empujar diseños posteriores con más rendimiento single-threaded, mejor ancho de banda y menor latencia.
El objetivo final es claro: competir contra Intel y AMD no solo con GPUs, sino también en CPUs de servidor. NVIDIA está intentando que sus plataformas de IA sean cada vez más completas, con CPU propia, aceleradores propios, memoria optimizada y software integrado.
Una CPU diseñada para una nueva clase de workloads
Vera no parece una CPU generalista más dentro del centro de datos. Su diseño responde a un cambio de prioridades, donde las cargas de IA agéntica necesitan latencia baja, rendimiento por hilo, ancho de banda por núcleo y previsibilidad más que una simple suma de núcleos.
La apuesta de Perplexity refuerza esa lectura. Si una compañía centrada en respuestas, búsqueda e IA aplicada ve mejoras claras en coding agents, sandboxes concurrentes y workloads centrales, NVIDIA gana un argumento muy potente frente a CPUs tradicionales.
En resumen, NVIDIA Vera quiere convertirse en la CPU de referencia para la nueva etapa de la IA. Sus principales bazas son núcleos Olympus, 50% más IPC que Grace, 1,2 TB/s de LPDDR5X y 3,4 TB/s core-to-core, con un enfoque muy claro en inferencia agéntica.
Vía: Wccftech
