Nvidia acelera en CPUs para IA: Grace y Vera en centros de datos agenticos

¿Qué ha ocurrido?

Nvidia, la compañía que ha dominado el mercado de GPUs para inteligencia artificial, está acelerando su incursión en el mercado de CPUs para centros de datos. En una reciente entrevista con Tom's Hardware, Ian Buck, vicepresidente de computación de alto rendimiento y creador de CUDA, reveló que la compañía ha enviado “cientos de miles de servidores Grace standalone”. Este dato supera las cifras anteriores: en mayo se reportaron 2.5 millones de CPUs Grace en total, y en febrero se anunció una colaboración con Meta para desplegar servidores Grace independientes. Los comentarios de Buck sugieren que la escala de despliegue es incluso mayor, lo que indica una adopción temprana significativa por parte de los clientes.

Además, Nvidia presentó Vera, una CPU diseñada específicamente para centros de datos agenticos, donde los agentes de IA requieren un equilibrio más estrecho entre CPU y GPU. Mientras que en cargas de trabajo tradicionales de IA se usaban hasta ocho GPUs por CPU, las cargas agenticas tienden a una relación 1:1, lo que exige CPUs más potentes y eficientes. Vera representa la respuesta de Nvidia a esta nueva demanda, con mejoras de rendimiento por vatio de hasta 2x en algunas cargas de trabajo de CPU, según la compañía.

¿Por qué es importante?

Este movimiento marca un cambio sísmico en la estrategia de Nvidia. La compañía, que ha dominado el mercado de GPUs para IA, ahora busca competir directamente con Intel y AMD en el segmento de CPUs para centros de datos. Históricamente, Nvidia ha dependido de CPUs de terceros (como AMD EPYC o Intel Xeon) en sus sistemas DGX y HGX. Sin embargo, con Grace y Vera, la empresa apuesta por un ecosistema integrado CPU-GPU que promete optimizaciones profundas para IA.

La evolución de las cargas de trabajo de IA, especialmente los agentes autónomos, está redefiniendo los requisitos de hardware. Según Buck, los agentes de IA requieren un procesamiento más equilibrado entre CPU y GPU, ya que las tareas de razonamiento, planificación y ejecución de código a menudo recaen en la CPU. Esto contrasta con el entrenamiento de modelos grandes, donde la GPU es el cuello de botella. Además, la reciente pérdida de ~1 billón de dólares en capitalización bursátil de Nvidia, mientras inversores se vuelcan hacia fabricantes de CPUs como Intel, subraya la urgencia de diversificarse. La incursión en CPUs podría ayudar a Nvidia a capturar un mercado más amplio y reducir su dependencia de las ventas de GPUs para IA.

¿Qué consecuencias tendrá?

El éxito de Grace y Vera podría alterar el equilibrio de poder en el mercado de chips para centros de datos. Si Nvidia logra imponer sus CPUs, podría erosionar la cuota de Intel y AMD, al tiempo que ofrece soluciones integradas CPU-GPU optimizadas para IA. Sin embargo, el desafío es enorme: Intel y AMD tienen décadas de experiencia y ecosistemas consolidados, con CPUs que dominan desde servidores empresariales hasta supercomputación. Nvidia también deberá convencer a los clientes de que sus CPUs ofrecen el mismo rendimiento y eficiencia que las alternativas establecidas, especialmente en cargas de trabajo no relacionadas con IA.

Un factor clave es el ecosistema de software. Nvidia cuenta con CUDA, que es ampliamente utilizado en IA y computación de alto rendimiento. Si la compañía logra extender CUDA para aprovechar al máximo sus CPUs, podría ofrecer una ventaja competitiva significativa. Sin embargo, Intel y AMD no se quedarán de brazos cruzados: Intel está impulsando sus CPUs Xeon con aceleradores de IA integrados, mientras que AMD apuesta por su arquitectura Zen y la plataforma ROCm. La batalla se librará tanto en hardware como en software.

Para los usuarios y empresas, esto significa más opciones y potencialmente mejores precios. La competencia podría llevar a innovaciones más rápidas y a una caída en los costos de los servidores para IA. Sin embargo, también existe el riesgo de fragmentación del ecosistema, especialmente si Nvidia opta por soluciones propietarias que limiten la interoperabilidad.

¿Qué deben saber los lectores?

• Nvidia ya ha enviado cientos de miles de servidores Grace standalone, lo que indica una adopción temprana significativa, con Meta como uno de los primeros clientes importantes.
• La nueva CPU Vera está diseñada para centros de datos agenticos, donde la relación CPU-GPU se acerca a 1:1, y promete mejoras de hasta 2x en rendimiento por vatio en cargas de CPU.
• Este giro refleja la adaptación de Nvidia a un mercado donde los agentes de IA están cambiando los patrones de cómputo, alejándose del entrenamiento masivo hacia la inferencia y el razonamiento en tiempo real.
• La competencia con Intel y AMD se intensificará, pero Nvidia parte con la ventaja de su ecosistema CUDA y su experiencia en IA. Sin embargo, Intel y AMD tienen una base instalada masiva y relaciones consolidadas con los centros de datos.
• Los inversores y empresas deben monitorear cómo evoluciona la demanda de CPUs frente a GPUs en los próximos años. Si las cargas de trabajo agenticas se generalizan, la demanda de CPUs equilibradas podría dispararse, beneficiando a Nvidia si logra posicionarse.
• El éxito de Nvidia en CPUs dependerá de su capacidad para ofrecer un rendimiento competitivo en cargas de trabajo tradicionales, no solo en IA. De lo contrario, los clientes podrían optar por soluciones híbridas con CPUs de Intel/AMD y GPUs de Nvidia.

En resumen, Nvidia está dando un paso audaz al entrar en el mercado de CPUs, un movimiento que podría redefinir la industria de semiconductores. Con Grace y Vera, la compañía no solo busca diversificar su oferta, sino también anticiparse a las necesidades futuras de la IA. El tiempo dirá si esta apuesta da frutos, pero lo que está claro es que la guerra por el centro de datos acaba de intensificarse.