Nvidia y Oracle: Vera CPU ya corre en Oracle Cloud

¿Qué anunciaron Nvidia y Oracle?

Nvidia y Oracle pusieron en disponibilidad general los sistemas Vera Rubin NVL72 y las CPUs Vera dentro de Oracle Cloud Infrastructure (OCI), y anunciaron planes para expandir sus Superclusters a escala de múltiples gigavatios. El anuncio, del 27 de octubre, apunta a dos demandas distintas: la potencia de cómputo para entrenar y servir modelos avanzados, y la capacidad de CPU que los agentes necesitan para ejecutar código, recuperar información y usar herramientas entre llamadas al modelo.

Un rack Vera Rubin NVL72 combina 72 GPUs Rubin con 36 CPUs Vera, además de ConnectX-9 SuperNICs y BlueField-4 DPUs, según el detalle técnico difundido con el anuncio y recogido por Blockchain.news. La tabla de especificaciones del producto lista 20,7 TB de memoria HBM4 agregada y 216 TB/s de ancho de banda NVLink 6 a nivel de rack.

El dato más relevante para un equipo de producto no es la GPU. Es la CPU.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Por qué una CPU independiente cambia la arquitectura de agentes

Nvidia describe Vera como un procesador para el trabajo que rodea la ejecución del modelo: coordinar agentes, correr código en entornos aislados, procesar datos y sostener aprendizaje por refuerzo. Un modelo decide qué acción tomar; otro software tiene que ejecutarla y devolver el resultado. Cuando ese tramo se convierte en cuello de botella, acelerar el modelo no hace que el agente termine antes.

Oracle dice que Vera está disponible en servidores bare-metal y máquinas virtuales flexibles, y que ofrecerla por separado permite desplegar capacidad de CPU con independencia de la infraestructura de GPU. Ese es el argumento central: si puedes escalar CPU y GPU por separado, puedes dejar de pagar por capacidad que no usas.

Oracle cita una cifra de Nvidia: hasta 80% más rendimiento en cargas de CPU relacionadas con agentes frente a los principales procesadores x86. Conviene leer la letra chica: Oracle aclara que son benchmarks de plataforma de Nvidia, no pruebas sobre las instancias de OCI. Trátalo como número de proveedor, no como una mejora demostrada en tu aplicación.

El problema que el anuncio intenta resolver: GPUs ociosas

Las encuestas mensuales de VentureBeat Intelligence de julio, agosto y septiembre encontraron que el 79% de 218 encuestados reporta utilización de GPU igual o inferior al 50%, y que el 70% de ese grupo igualmente planea cambiar de plataforma. Son organizaciones de al menos 100 empleados y son datos auto-reportados, no una auditoría de hardware.

La distinción importa para decidir una compra. Una GPU esperando a que una CPU termine de ejecutar el código de un agente es un problema distinto de una GPU sin trabajo en cola. CPUs más rápidas pueden ayudar en el primero; no crean demanda en el segundo. Y si el cuello de botella está en un servicio remoto, en el acceso a una base de datos o en el diseño de la aplicación, cambiar el procesador no resuelve nada.

Nvidia y Oracle no son los únicos moviendo ficha

CoreWeave anunció el 16 de septiembre de 2026 la puesta en marcha de un clúster Vera Rubin NVL72 multi-rack, que conecta cientos de GPUs Rubin en un único clúster escalable. Google Cloud, por su parte, presentó instancias A5X construidas sobre Vera Rubin NVL72 y dijo que planea escalar su infraestructura basada en Rubin hasta 960.000 GPUs en varios sitios, según The Fast Mode.

El contexto de precios también se mueve. TechTimes reportó, a partir del briefing de inversores de Nvidia del 28 de septiembre, que la oportunidad de ingresos por gigavatio de la compañía subió de unos US$18.000 millones en la era Hopper a US$25.000 millones con Grace Blackwell y a US$40.000 millones con Vera Rubin. El mismo reporte señala que los proveedores "neocloud" —nubes construidas específicamente para cargas densas en GPU— suelen ofrecer el mismo hardware a un precio por GPU-hora entre 40% y 70% menor que los hyperscalers.

¿Qué significa esto para tu startup?

Si tu equipo corre agentes en producción, la pregunta correcta no es si el chip nuevo es más rápido, sino si la configuración propuesta baja el costo total de completar una tarea aceptable, con el tiempo de respuesta y la confiabilidad que tu negocio necesita. Cuatro movimientos concretos:

Instrumenta el flujo completo antes de comprar. Mide cuánto tarda cada etapa de tu agente: llamada al modelo, ejecución de código, retrieval, servicios externos y acceso a base de datos. Si el tiempo se va en la CPU o en las herramientas, una GPU nueva no mueve la aguja.
Corre una prueba representativa en las dos configuraciones. El mismo flujo de agente en tu infraestructura actual y en la configuración propuesta, midiendo tareas completadas con éxito, latencia end-to-end, consumo de CPU y GPU, y costo total, incluidos los cargos de API de modelo.
Separa tu caso de uso antes de comprometer capacidad. Un equipo que corre volúmenes altos de código de agente o de retrieval tiene razones para evaluar CPU dedicada sin entrenar un modelo fundacional. Una empresa cuyo uso de IA consiste sobre todo en llamar modelos alojados por terceros probablemente no necesita una asignación grande de GPU propia.
Verifica disponibilidad real por región. Oracle indica que la disponibilidad se extenderá a regiones seleccionadas este trimestre. Confirma tipos de instancia, ubicaciones y capacidad antes de planificar una migración.

Lo que el anuncio todavía no responde

No hay precios ni evidencia de rendimiento por carga de trabajo que permita calcular el ahorro esperado de un cliente. La configuración de ocho GPUs HGX Rubin NVL8 con procesadores Intel Xeon está descrita como planeada, no disponible: incluye dos CPUs Intel Xeon 6 de 64 núcleos, 4 TB de DDR5 y 6,4 Tbps de red RDMA, según el anuncio recogido por Blockchain.news. Y la expansión a multi-gigavatio describe la ambición de infraestructura de los proveedores, no un requisito mínimo de despliegue para una empresa individual.

Conclusión

El anuncio de Nvidia y Oracle no vende más potencia de GPU: vende la posibilidad de equilibrar las partes de un sistema de IA de forma más independiente. Para un equipo cuyas GPUs esperan repetidamente trabajo de CPU, Vera es una propuesta concreta para probar. Para un equipo sin demanda suficiente para ocupar las GPUs que ya paga, la primera tarea es otra: identificar cargas de trabajo útiles, revisar los compromisos de capacidad y establecer si una plataforma nueva mejora la economía. La decisión de compra no se gana con un benchmark de proveedor, se gana demostrando dónde esa flexibilidad se traduce en trabajo terminado.