Nvidia detalla Vera y Rubin para la próxima generación de fábricas de IA
Índice de contenidos
Nvidia está utilizando Hot Chips 2026 para explicar la arquitectura que sostendrá su siguiente plataforma de centros de datos: la CPU Vera y la GPU Rubin. La compañía presenta Vera como un procesador creado específicamente para coordinar agentes de inteligencia artificial y mantener alimentadas a las GPU, mientras que Rubin se orienta al entrenamiento y la inferencia de la siguiente generación de modelos. Más que dos chips aislados, forman parte de un sistema con NVLink, redes Spectrum-X y unidades BlueField que intenta escalar desde un servidor hasta enormes fábricas de IA.
Claves de la noticia
- Vera integra 88 núcleos Olympus diseñados por Nvidia y prioriza rendimiento por hilo, ancho de banda y eficiencia.
- Rubin forma parte de una plataforma codesarrollada con CPU, interconexión, red y software para entrenamiento e inferencia.
- Las cifras de rendimiento difundidas proceden de Nvidia y tendrán que contrastarse cuando existan sistemas comerciales comparables.
Vera asume el trabajo de coordinación
Nvidia define Vera como una CPU para la era de la IA agéntica. Sus 88 núcleos Olympus buscan ejecutar con rapidez las partes secuenciales de una carga: preparación de datos, planificación, llamadas a herramientas, gestión de memoria y coordinación de aceleradores. La empresa afirma que el diseño completa tareas 1,8 veces más rápido y duplica la eficiencia frente a CPU x86 tradicionales, aunque la página del evento no aporta todavía una batería completa de pruebas reproducibles.
El énfasis en el rendimiento por hilo responde a un cuello de botella conocido. Una GPU puede procesar cantidades enormes de operaciones paralelas, pero depende de la CPU y del sistema para recibir trabajo, datos y órdenes. Cuando un agente encadena muchas acciones pequeñas y decisiones, la latencia de coordinación puede dejar capacidad de la GPU sin utilizar. Vera intenta reducir ese tiempo muerto con núcleos propios y una conexión estrecha con el resto de la plataforma.
Rubin se diseña como parte de un sistema
La GPU Rubin no se presenta únicamente como sucesora de una generación anterior. Nvidia habla de un codesarrollo extremo de siete chips que incluye cómputo, conmutación NVLink, procesamiento de red y unidades para infraestructura. El objetivo es mover datos entre GPU y entre racks con menos esperas, porque entrenar o servir modelos muy grandes depende tanto de la comunicación como de la capacidad aritmética de cada acelerador.
Esta aproximación convierte el centro de datos en la unidad real de producto. Spectrum-X aporta Ethernet adaptado a cargas de IA, BlueField descarga tareas de red y seguridad, y el software decide cómo repartir modelos y solicitudes. Para el cliente, la promesa es menor coste por token y un despliegue más predecible; la contrapartida es una dependencia mayor de una pila integrada de hardware, redes y herramientas de Nvidia.
La IA agéntica cambia el perfil de la carga
Un modelo que responde a una pregunta genera una secuencia relativamente delimitada. Un agente puede consultar bases de datos, ejecutar código, llamar a otros modelos y mantener estados durante mucho más tiempo. Eso crea picos de cálculo, tráfico de red irregular y una mezcla de operaciones grandes y pequeñas. Nvidia sostiene que Vera Rubin está preparada para ese patrón, con especial atención a la inferencia y al razonamiento prolongado.
La etiqueta agéntica no elimina los problemas clásicos del centro de datos. El consumo eléctrico, la refrigeración, la memoria de alto ancho de banda, los enlaces ópticos y la disponibilidad de componentes siguen condicionando el despliegue. Una mejora por chip puede quedar limitada si la red o el almacenamiento no entregan datos a tiempo. Por eso la presentación de Hot Chips dedica espacio a la arquitectura completa y no solo a los núcleos de Rubin.
Qué pueden esperar los operadores
Los grandes proveedores de nube y laboratorios evaluarán rendimiento por vatio, densidad por rack, disponibilidad y facilidad para adaptar modelos. Empresas más pequeñas mirarán sobre todo el coste de inferencia y la posibilidad de acceder a la plataforma mediante servicios de nube. Una generación más potente no implica automáticamente precios más bajos: la demanda de memoria y de capacidad eléctrica puede absorber una parte de la eficiencia conseguida.
También importa el software. CUDA, bibliotecas de comunicación y herramientas de despliegue son una ventaja acumulada de Nvidia, pero cada nueva capa añade requisitos de validación y actualización. Los operadores deberán comprobar compatibilidad con sus modelos, observabilidad, aislamiento entre clientes y recuperación ante fallos. En cargas críticas, el pico de rendimiento pesa menos que la constancia durante semanas de operación.
Cifras propias y preguntas pendientes
Las comparaciones publicadas por Nvidia deben leerse como afirmaciones del fabricante hasta que existan máquinas comerciales y pruebas independientes. Falta conocer el consumo en diferentes configuraciones, los límites térmicos, la memoria disponible por GPU, el precio de los sistemas y el rendimiento cuando la plataforma se enfrenta a modelos y tamaños de lote variados. Esos datos determinan el coste real por tarea.
Hot Chips ofrece ahora los detalles arquitectónicos y las sesiones técnicas continuarán durante el encuentro. Después llegarán documentación, sistemas de socios y despliegues de producción. Habrá que observar si Vera mantiene ocupadas a las GPU en cargas agénticas reales, si Rubin reduce el coste de inferencia más allá de escenarios seleccionados y cuánto exige la transición a redes, refrigeración y alimentación de nueva generación.
