La escasez de GPU aún no termina, y ahora podrían empezar a agotarse las CPU

El 31 de mayo de 2026, Nvidia anunció que su CPU con 88 núcleos personalizados había entrado en plena producción en masa. Se llama Vera, utiliza el conjunto de instrucciones Arm y los núcleos Olympus desarrollados por Nvidia, y se incorporará tanto a la plataforma de supercomputación Vera Rubin como a servidores CPU individuales. Empresas como Dell, HP, Lenovo, Supermicro y varios fabricantes de servidores ya han comenzado a fabricar sistemas equipados con Vera.

Nvidia define a Vera como “la primera CPU diseñada para agentes de IA”.Vera formará una plataforma junto con la GPU Rubin, pero también se instalará en servidores CPU independientes.Después de varios años, Nvidia, conocida por vender GPU, vuelve a vender específicamente potencia de cálculo CPU, algo que parece poco común.

Imagen | Nvidia Vera (fuente: Nvidia)

En los últimos tres años, la ansiedad del hardware en la industria de la IA giró casi exclusivamente en torno a las GPU. El entrenamiento requiere más GPU, la inferencia requiere más GPU, y al aumentar la cantidad de parámetros de los modelos y usuarios, la respuesta sigue siendo sumar GPU. En estos sistemas, la CPU se encarga de iniciar tareas, mover datos y administrar servidores, y casi nunca es el centro de atención para los inversores.

Hasta que los agentes de IA cambiaron la naturaleza de las tareas.

Un chatbot común recibe un texto, ejecuta el modelo una vez y genera una respuesta. Los agentes, en cambio, deben convertir esas respuestas en operaciones: leer archivos, buscar en la web, consultar bases de datos, invocar APIs, ejecutar código, y luego devolver los resultados al modelo. Una sola tarea puede implicar decenas de rondas de "inferencia-operación-observación", cambiando entre GPU y CPU cada vez.

La GPU sigue a cargo de los cálculos principales del modelo, pero tareas como interpretar la salida, clasificar tipos de herramientas, hacer solicitudes, ejecutar programas, gestionar archivos, recolectar resultados y organizar la siguiente ronda suelen recaer en la CPU. Madhu Rangarajan, vicepresidente de AI de computación y empresas en AMD, señaló que en una pipeline real de un agente inteligente probada por la compañía, 7 de 8 etapas se ejecutan completamente en CPU. Esa proporción proviene de pruebas internas de AMD y no siempre refleja todos los sistemas, pero basta para ilustrar lo siguiente:la inferencia del modelo es solo una parte; todo el resto de la coordinación recae sobre la CPU.

El coste de un solo agente puede no ser mucho, pero a gran escala ese número resulta alarmante.

Un agente puede usar varias herramientas al mismo tiempo o crear subagentes. Cuando una empresa implementa el mismo sistema para decenas de miles de empleados, las tareas concurrentes se multiplican rápidamente. Cada agente analiza salidas, ejecuta códigos y accede a datos; lo que antes era un consumo disperso de CPU empieza a acumularse como una demanda de capacidad. Si la CPU trabaja lento, la GPU tiene que esperar el input para la siguiente inferencia.

Los controles de seguridad también están incrementando esta carga. Cuantos más permisos tiene un agente, más debe el sistema verificar a qué archivos accede, qué interfaces utiliza y si manipula datos sensibles. El chequeo de reglas, el análisis de logs y las revisiones con modelos pequeños suelen quedar en la CPU, dado que son tareas dispersas, sensibles a la latencia y llamar a la GPU solo para eso no sería rentable. Así, cuanto más autónomo el agente y más controles demanda, más presión recae sobre la CPU.

Un ejemplo: En julio de este año, durante una evaluación interna de seguridad, un agente de IA de OpenAI escapó accidentalmente del sandbox e irrumpió en los sistemas de producción de Hugging Face. Esto ilustra la importancia de estos mecanismos de seguridad y cuánta carga extra pueden aportar al deploy real.

Otro costo que suele pasar desapercibido es la tokenización.

Antes de procesar texto, los modelos grandes convierten el texto en tokens. Este proceso tiene mucha manipulación de strings y ramificaciones condicionales, que no se adaptan tan bien a GPU como los cálculos matriciales. En conversaciones cortas, la latencia de tokenización es casi imperceptible; pero los agentes acumulan resultados de herramientas, código, logs e historial, y su input pueden crecer a decenas o hasta cientos de miles de tokens.

El doctorando Euijun Chung, del Georgia Institute of Technology, comentó a IEEE Spectrum que, según algunas implementaciones, si ya hay 100.000 tokens de contexto y se agregan 1.000 tokens de resultados, el tokenizador puede volver a procesar todo el input.El caching de prefijo y la tokenización incremental pueden reducir este trabajo repetitivo, por lo que no todos los sistemas lo sufren, pero sigue habiendo presión de CPU con textos largos.

El equipo de Chung probó modelos como Llama 3.1 y Qwen3 en nuevos papers. En largas secuencias y con configuración de alto volumen, la tokenización llegó a consumir hasta el 80% del tiempo de latencia del primer token. Cuando hay pocos núcleos CPU, los hilos del tokenizador compiten con la planificación de tareas y el inicio de kernels en GPU, saturando la CPU mientras la GPU queda infrautilizada. Al agregar más núcleos CPU, la latencia del primer token mejoró entre 1,47 y 5,15 veces según configuración, sin añadir más GPUs.

Los datos del sector ya reflejan este cambio. En enero de 2026, KeyBanc anticipó, según la cadena de suministro, que la mayoría de la capacidad de CPUs de servidor de Intel para el año ya estaba vendida, y que AMD también está cerca del límite, dándoles margen para subir precios. Esa es la visión del canal, no las cifras oficiales de pedidos.

Intel, después, confirmó parte de esto en sus informes financieros. Según la empresa, la demanda de CPUs de servidor superó la capacidad en el primer trimestre de 2026 y esperan que la restricción se mantenga todo el año. El precio promedio de servidores subió un 27 % interanual, aunque los envíos cayeron un 5 %; Intel atribuye la suba de precios a un mayor peso de productos de alta gama, el pricing por demanda y mayores costos.

En el mismo periodo, los ingresos del negocio de data centers de AMD llegaron a 5.800 millones de dólares, subiendo un 57 % anual, impulsados tanto por las CPUs de servidor EPYC como por las GPU Instinct. AMD no desglosó las cifras de CPU por separado, por lo que no todo ese 57% puede atribuirse a demanda de agentes.

Las previsiones empresariales son incluso más agresivas. AMD esperaba un crecimiento anual del 18 % en el mercado de CPUs de servidores, pero en mayo de 2026 aumentó su expectativa a más del 35 % anual, previendo que para 2030 el mercado superará los 120.000 millones de dólares.Según AMD, esto se debe a que los agentes requieren una capa de computación CPU independiente para coordinar, procesar datos, ejecutar herramientas y chequear la seguridad.

Hasta ahora, en los data centers una CPU solía gestionar 4-8 GPU. AMD observó que, en los sistemas de agentes, esto está tendiendo al 1:1 y algunas cargas requieren aún más CPU. Sigue siendo una interpretación de los proveedores según el cliente; la configuración real varía mucho según las cargas de trabajo. Pero está claro que ya no alcanza con algunas CPUs de más: los proveedores cloud piensan en racks especiales solo de CPUs para agentes.

En marzo de 2026, Arm pasó por primera vez de vender solo diseños de procesadores a ofrecer CPUs de data center listas, como el procesador AGI de hasta 136 núcleos, co-desarrollado con Meta. Arm estima que los data centers de agentes, a igual consumo, podrían requerir hasta 4 veces más capacidad CPU que los actuales.

Luego Qualcomm lanzó el Dragonfly C1000, con más de 250 núcleos, y firmó un acuerdo multi-generacional para CPUs de servidor con Meta. Intel, AMD, Arm, Qualcomm y Nvidia incluyeron la “CPU para agentes” en sus respectivas hojas de ruta productos en los últimos meses, mostrando que la competencia va más allá del mercado x86 tradicional, expandiéndose a servidores Arm, núcleos propios y racks completos personalizados.

Nvidia ocupa aquí un lugar especial: vende tanto GPU —que generan presión sobre las CPUs— como Vera, que ayuda a aliviar esa presión. Puede proveer toda la solución, desde procesadores y redes hasta almacenamiento.Así, Vera no solo es una expansión de línea: viene a proteger el aprovechamiento de la GPU, porque cada segundo menos de espera puede traducirse en más tokens y mayor ingreso por rack.

Pero, como siempre, cuando los fabricantes siguen el dinero, alguien tiene que pagar la cuenta. Igual que con las GPU y los chips de memoria, es probable que los cambios de capacidad los terminemos pagando los consumidores.

En la conferencia de resultados del cuarto trimestre de 2025, Intel reconoció que está priorizando el suministro interno de obleas para data centers, y expandiendo el uso de foundries externos para productos de cliente. Luego la directiva aclaró que no pueden salir totalmente del mercado de cliente. Para el primer trimestre de 2026, el precio promedio de CPU cliente subió un 16 % y el volumen cayó un 13 %; la empresa espera que las restricciones de oferta sigan al menos hasta el primer semestre.

No todos los cambios en productos de cliente pueden atribuirse a los agentes. La propia transición de procesos productivos de Intel, así como su capacidad interna, externa y de memoria, afectan los precios y los envíos. Pero como los chips de servidor tienen más núcleos y precio más alto, y los proveedores cloud firman contratos largos, los recursos de producción naturalmente empiezan a destinarse a los data centers.

En estos tres años, ya nos acostumbramos al dolor de ver subas y faltantes de GPU. Pronto podría ocurrir lo mismo con las CPU.

Operación/maquetado: He Chenlong

Nota: imagen de portada/principal generada con asistencia de IA