Nvidia Vera: la nueva CPU que reordena el mapa de chips para IA

Por qué el CPU vuelve al centro de la conversación

Nvidia entregó las primeras unidades de su nueva CPU Vera a clientes como OpenAI, Anthropic y SpaceX en junio, según CNBC, marcando la entrada formal del gigante de los GPU al mercado de procesadores para servidores, donde AMD e Intel llevan décadas dominando. La diferencia con sus chips anteriores: Vera fue diseñada desde cero —microarquitectura propia llamada Olympus, núcleo monolítico sin chiplets— específicamente para resolver los cuellos de botella que aparecen cuando se ejecutan agentes de inteligencia artificial que alternan constantemente entre la inferencia en GPU y tareas de orquestación, ejecución de código y consultas a bases de datos en CPU.

Según Nvidia, el chip ofrece hasta 50% mejor rendimiento en cargas de trabajo de agentes que los procesadores x86 de Intel y AMD (CNBC, 21 de julio de 2026). Forbes, citando datos de la propia compañía, eleva la cifra a aproximadamente 2X en escenarios de sandbox y finalización de tareas, y hasta 6X en cargas de streaming con Redpanda y HPE, además de 7X en workloads científicos del Laboratorio Nacional de Los Alamos frente a un sistema basado en Intel Sapphire Rapids. Son benchmarks del propio vendor, no independientes, pero muestran hacia dónde apunta el diseño.

El cambio importa porque el CPU dejó de ser el componente más caro del servidor con el boom de los GPU en 2022, cuando un sistema típico pasó a usar hasta ocho GPU por cada CPU. La irrupción de los agentes de IA —software que opera de forma autónoma con mínima intervención humana— está revirtiendo esa jerarquía: ahora el CPU vuelve a ser crítico porque es quien alimenta a los aceleradores y gestiona millones de peticiones simultáneas. Como resumió Ian Buck, VP de hyperscale en Nvidia: «Los agentes han hecho que las CPU sean mucho más integrales, particularmente cuán rápido puede una CPU responder una pregunta» (CNBC).

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Qué trae Vera bajo el capó

Vera no es solo una CPU más: representa un replanteamiento de qué optimiza un procesador para servidores. Los detalles técnicos, divulgados por Forbes y Nvidia en julio de 2026:

Microarquitectura Olympus propia, en lugar de los núcleos Arm Neoverse que usaba la generación anterior (Grace).
Diseño monolítico que evita la penalización de latencia de los chiplets, entregando aproximadamente 3X más ancho de banda núcleo a núcleo.
Memoria LPDDR5X de clase datacenter con hasta 1.2 TB/s de ancho de banda —el mismo tipo de memoria usada en teléfonos y laptops, lo que resulta sorprendente para un servidor—, soporte de hasta 1.5 TB por chip.
Consumo de 250 a 450 vatios por procesador, relativamente alto pero justificado por el ancho de banda.
Ancho de banda por vatio aproximadamente 5X superior y latencia de memoria alrededor de 40% menor bajo carga que plataformas x86 competidoras, según Nvidia.

El chip se venderá solo, en configuraciones de doble CPU por servidor, en racks液-cooled de 256 unidades, e integrado con las próximas GPU Rubin en la plataforma Vera Rubin (CNBC, 21 de julio de 2026).

El tamaño real del mercado que se disputa

La oportunidad económica detrás de esta reconfiguración es enorme. Nvidia estima que el mercado total de CPU para servidores podría llegar a unos USD 200 mil millones (CNBC). Una estimación anterior de Bernstein situaba el mercado maduro de CPU de servidor en aproximadamente USD 37 mil millones en 2025, lo que sugiere que Nvidia está mirando al escenario de máxima expansión cuando los agentes de IA se generalicen.

Un análisis de Raymond James recogido por 24/7 Wall St. proyecta que el segmento de CPU de servidor para IA crecerá a una tasa anual compuesta del 44% durante cinco años y alcanzará aproximadamente USD 201 mil millones en ingresos para 2030. El informe de Research and Markets que cubre el período 2026-2040 valoró el mercado completo de cómputo e IA para data centers en aproximadamente USD 215 mil millones en 2025, con Asia-Pacífico y Norteamérica como regiones dominantes.

Los resultados del segundo trimestre de 2026 confirman que la demanda ya está en marcha. AMD reportó ingresos récord de USD 11.500 millones en Q2 2026, un 50% más interanual, con ingresos del segmento de data centers de USD 6.700 millones —más del doble que el año anterior— impulsados por sus aceleradores Instinct y CPUs EPYC (Ad-Hoc News). Nvidia entregó las primeras Vera en junio y Wolfe Research estima que shipará aproximadamente 1,3 millones de unidades este año, con un precio medio de alrededor de USD 5.000 por chip (CNBC, 21 de julio de 2026).

El nuevo mapa competitivo: AMD, Intel, AWS, Google, Microsoft y los propios modelos

Lo que realmente cambió en 2026 no es solo Vera: es que cada jugador relevante está construyendo su propio silicio. Según el cuadrante mágico de Gartner para infraestructura cloud de IA 2026 (publicado por CRN), AWS lidera con su familia de chips Trainium e Inferentia y CPUs Graviton (basadas en Arm); Google escala sus TPU y la nueva Axion; Microsoft empuja Cobalt y la familia Maia; Meta desarrolla MTIA; y Huawei combina sus NPUs Ascend con CPUs Kunpeng en China.

En el lado de los proveedores merchant, AMD controla aproximadamente un tercio del mercado de CPU de servidor, mientras Intel retiene casi dos tercios (66,8%) aunque perdiendo份额 gradualmente, según el analista Kevin Knox de Gartner citado por CNBC. Las acciones de AMD e Intel subieron 113% y 136% respectivamente en lo que va de 2026, frente al 12% de Nvidia —señal de que el mercado está reconociendo que el ciclo de CPU para IA apenas empieza.

Y ahora los propios desarrolladores de modelos se suman: Anthropic anunció en agosto de 2026 que está contratando un equipo de diseño de chips propios, con planes de co-diseñar hardware y modelos (TechCrunch, 5 de agosto de 2026). En junio, OpenAI ya había presentado su chip Jalapeño, construido con Broadcom para inferencia.

¿Qué significa esto para tu startup?

Para un founder que está eligiendo infraestructura de IA en 2026, la consecuencia operativa es directa: el costo y la latencia de tus agentes dependerá cada vez más del balance CPU/GPU, no solo de cuántos GPU contrates. Decisiones que parecían obvias hace dos años (contratar la instancia con más GPU) ahora requieren entender el cuello de botella específico del workload.

Acciones concretas que podés implementar este trimestre:

Audita tus flujos agentivos actuales. Si tus agentes hacen muchas llamadas a herramientas externas, ejecución de código o consultas a bases de datos, estás limitado por CPU incluso con GPU de sobra. Mide latencia de extremo a extremo, no solo tiempo de inferencia.
Pregunta a tu proveedor cloud por instancias optimizadas para agentes. AWS Graviton4, Google Axion y las próximas instancias con Vera cambiarán la ecuación de costo por token procesado. Compara precio por cada 1.000 tokens generados en un workflow completo, no solo el costo del GPU.
Piensa en arquitecturas heterogéneas desde el diseño. Los hyperscalers ya separan inferencia (GPU/ASIC) de orquestación (CPU). Si tu producto escala a miles de usuarios concurrentes, ese patrón te conviene antes de que el costo operativo te obligue a refactorizar.
No te cases con un vendor. El panorama está en plena reconfiguración. Construye abstracciones mínimas (puertas de enlace de modelos, capas de orquestación tipo LangChain/LlamaIndex) que te permitan cambiar de proveedor cuando los precios y capacidades se muevan —y se van a mover.

La batalla Vera vs. EPYC vs. Xeon vs. Graviton vs. chips custom de los propios labs no es ruido corporativo: es la puja que define el costo unitario de cada agente que tu startup pone en producción. Entenderla antes que tu CFO la descubra en la factura de fin de mes es ventaja competitiva real.