En la era de los agentes, la disputa por la hoja de ruta de las CPU: Nvidia apuesta por "núcleos individuales más rápidos", mientras que AMD apuesta por "más concurrencia".

Lo que Nvidia y AMD están disputando no es solo quién tiene el CPU más rápido, sino quién definirá el estándar de evaluación de CPUs en la era de la inteligencia artificial.

Nvidia ha revelado recientemente los detalles técnicos más completos de la arquitectura del CPU Vera. Este procesador cuenta con 88 núcleos Olympus ARM desarrollados internamente, ancho de banda de memoria de 1.2TB/s y ancho de banda de interconexión en el chip de 3.4TB/s. El argumento principal de Nvidia es: el funcionamiento de un AI Agent implica una interacción repetida entre el CPU y el GPU — llamada de herramientas, ejecución de código, búsqueda de datos, organización de tareas — cada paso depende de la finalización del anterior, por lo tanto, la velocidad y latencia de un solo núcleo del CPU determinan directamente la eficiencia de respuesta de todo el Agent.

El 23 de julio, según la información de Mesa de Trading Pursuit, el analista de Bank of America Securities Vivek Arya señaló en su último informe que la presentación de Vera introduce un nuevo marco de evaluación para la industria: “el máximo rendimiento de un solo hilo a escala”. Esto contrasta directamente con la estrategia de AMD de apilar múltiples núcleos chiplet durante mucho tiempo. La firma califica este debate como: “¿La inteligencia artificial de los Agents está limitada por el tiempo de finalización de una sola tarea o por cuántas tareas concurrentes puede ejecutar un solo rack?” AMD celebrará el Día Técnico de AI 2026 este jueves, momento en el que responderá oficialmente a este marco por primera vez.

El contexto de esta disputa es que el mercado de CPUs para servidores está siendo remodelado por la demanda de AI; se estima que hacia 2030 el tamaño del mercado se cuadruplicará hasta llegar a 170 mil millones de dólares. Esto no es una competencia sobre el stock existente, sino un mercado incremental que está tomando forma: quien establezca primero el estándar de evaluación de desempeño reconocido por la industria tendrá el poder de fijar precios y controlar la narrativa.

La lógica de Nvidia: Que un Agent corra rápido es más importante que cuántos pueden correr al mismo tiempo

La descripción de Nvidia sobre el flujo de trabajo de un Agent es muy específica: durante la ejecución de tareas, ocurre una gran cantidad de interacciones seriales entre CPU y GPU; cada llamada debe esperar a que el paso anterior se complete para continuar. Esto significa que cualquier demora en una etapa se acumula y amplifica, ralentizando finalmente la eficiencia de toda la fábrica de AI.

Bajo esta lógica, el rendimiento de un solo núcleo no es solo una cifra en la hoja de especificaciones, sino una variable clave que afecta directamente el uso del GPU — cuanto más rápido el CPU, menos tiempo espera el GPU, y mayor es la eficiencia de uso de los recursos del sistema. Es decir, cuanto más rápido el núcleo, más rápida será la respuesta de toda la cadena.

Vera también tiene una elección de diseño notable: Nvidia optó por un solo chip de procesamiento (monolithic die) en vez de una arquitectura chiplet separada, argumentando que el primero ofrece mejor “consistencia escalable”. Esto contrasta con la estrategia chiplet de AMD y refleja una profunda divergencia filosófica en arquitectura entre ambas compañías.

Además, Vera no es un producto aislado, sino parte integral del ecosistema de infraestructura AI de Nvidia, diseñado para funcionar en conjunto con Rubin GPU, Groq LPX, Spectrum switches y BlueField almacenamiento/tarjetas de red. Esta integración a nivel de sistema es el verdadero foso competitivo de Nvidia más allá de la comparación de hardware individual.

La respuesta de AMD: En el entorno real de producción de AI, lo que cuenta es la capacidad de manejar tareas concurrentes

La postura de AMD se basa en una definición diferente de “entorno de producción real”.

Según AMD, los sistemas AI de nivel producción no son un Agent avanzando tareas en serie, sino más bien una plataforma de software distribuida compuesta por bases de datos, APIs, almacenamiento vectorial, motores de orquestación, cachés y middleware. En este escenario, el cuello de botella no es la velocidad de finalización de una sola tarea, sino cuántos flujos de trabajo se pueden manejar simultáneamente dentro de un presupuesto de consumo energético fijo.

AMD presenta datos concretos: en un escenario simulado de despliegue de racks de 100 kilovatios, la capacidad de procesamiento por rack del EPYC 9965 (Turin) es aproximadamente 2.4 veces la de Vera de Nvidia; el próximo EPYC 6 (Venice) se estima que alcanzará 3.3 veces.

La lógica de AMD es: mayor densidad de procesamiento significa que, con el mismo consumo de energía, se puede servir a más usuarios y procesar más solicitudes—esto es la verdadera función de costo en el despliegue de AI en la nube.

AMD x86 o Nvidia ARM: El ecosistema de software es el campo de batalla invisible

La disputa sobre la arquitectura del CPU también se extiende al nivel del conjunto de instrucciones.

Nvidia eligió la arquitectura ARM, con la postura implícita de que, si la microarquitectura es suficientemente buena, la compatibilidad del conjunto de instrucciones puede volverse secundaria. Pero AMD e Intel probablemente seguirán enfatizando la otra cara después del jueves—AI está expandiéndose desde la inferencia de modelos hacia los flujos de trabajo de software empresarial, y la pila de software empresarial en bases de datos, middleware, plataformas de seguridad y aplicaciones corporativas ya cuenta con décadas de optimización, validación y compatibilidad dentro del ecosistema x86.

No se trata de una simple disputa técnica. A medida que las cargas de trabajo de AI se integran cada vez más en los sistemas IT existentes de las empresas, la acumulación histórica del ecosistema de software puede ser más difícil de reemplazar que el rendimiento máximo del hardware. Si Nvidia podrá usar Vera para entrar en estos escenarios depende en gran medida de la rapidez con la que madure el ecosistema de software ARM.

Dos marcos, dos KPIs, en esencia es una batalla por el dominio de la narrativa en la industria entre dos compañías.

El marco de Nvidia se centra en la latencia, el progreso de un solo hilo y el uso del GPU. El de AMD, en la concurrencia, la capacidad de procesamiento y la densidad de servicio.

La cuestión clave es: ¿qué indicador usará el mercado para comprar CPUs de servidores?

La opinión de Bank of America es que el evento de AMD este jueves no se centrará en superar a la competencia con datos de rendimiento, sino en persuadir a la industria de adoptar su propio sistema de evaluación. Quien logre que los compradores de centros de datos acepten su marco, tendrá el poder de fijar precios en este mercado de 170 mil millones de dólares.

Nvidia mantiene la calificación de compra sobre NVDA, precio objetivo 350 dólares (precio actual 207.29 dólares).