A escassez de GPUs ainda não acabou, e agora os CPUs também podem ser disputados.

Em 31 de maio de 2026, a Nvidia anunciou que uma CPU com 88 núcleos personalizados entrou em produção em massa. Chamada Vera, ela utiliza o conjunto de instruções Arm e núcleos Olympus desenvolvidos pela própria Nvidia, sendo integrada tanto à plataforma de supercomputação Vera Rubin quanto instalada separadamente em servidores de CPU. Dell, HP, Lenovo, Supermicro e diversas fabricantes de servidores já iniciaram a produção de sistemas que utilizam a Vera.

A Nvidia chama a Vera de “a primeira CPU desenvolvida para agentes de IA”.A Vera será combinada com a GPU Rubin para formar uma única plataforma, e também será inserida em servidores de CPU independentes.Após muitos anos, a Nvidia, tradicionalmente vendedora de GPUs, volta a comercializar computação de CPU de forma independente, algo que soa pouco usual.

Imagem | Nvdia Vera (Fonte: Nvdia)

Nos últimos três anos, a ansiedade por hardware na indústria de IA tem girado quase totalmente em torno da GPU. O treinamento exige mais GPUs, a inferência demanda mais GPUs; com o crescimento dos parâmetros do modelo e do número de usuários, a resposta segue sendo aumentar o número de GPUs. No passado, a CPU era responsável por iniciar tarefas, transportar dados e gerenciar servidores, raramente atraindo a atenção de investidores.

Até que os agentes de IA mudaram a natureza dessas tarefas.

Um chatbot convencional recebe um texto, executa o modelo uma vez e gera uma resposta em texto. Já um agente converte julgamentos do modelo em ações: lê arquivos, busca na web, consulta bancos de dados, faz chamadas de API, executa códigos e depois retorna os resultados ao modelo. Uma tarefa pode passar por dezenas de rodadas de “inferência–ação–observação”, alternando entre GPU e CPU em cada ciclo.

A GPU ainda executa os cálculos mais pesados do modelo, enquanto tarefas como interpretar a saída do modelo, determinar o tipo de ferramenta, iniciar requisições, executar programas, gerenciar arquivos, coletar resultados e planejar a próxima rodada normalmente ficam a cargo da CPU. O vice-presidente de Computação e IA Empresarial da AMD, Madhu Rangarajan, afirmou que, em uma pipeline real de agentes de IA testada pela empresa, 7 das 8 etapas rodavam integralmente em CPU. Embora o dado venha da própria AMD e possa não refletir todos os sistemas, ele enfatiza:a inferência do modelo é apenas uma etapa na execução de tarefas pelo agente, enquanto todo o trabalho de coordenação recai sobre a CPU.

O custo de um único agente pode não ser significativo, mas, em larga escala, esse número se torna impressionante.

Um agente pode acionar múltiplas ferramentas simultaneamente ou criar subagentes. Quando empresas implantam o mesmo sistema para milhares de funcionários, o número de tarefas concorrentes pode crescer rapidamente. Cada agente está interpretando saídas, executando códigos e lendo ou escrevendo dados, de modo que uma carga desagregada de CPU rapidamente evolui para uma necessidade de capacidade. Se a CPU demorar no processamento, a GPU terá de aguardar o input da próxima inferência.

Checagens de segurança também ampliam essa carga. Quanto mais permissões o agente possui, mais o sistema precisa verificar quais arquivos foram abertos, quais APIs foram acessadas e se dados sensíveis foram manejados. Correspondência de regras, análise de logs e verificação de modelos menores normalmente são executados em CPU, pois as tarefas são dispersas e exigem baixa latência, tornando o uso exclusivo de GPU pouco vantajoso. Ou seja, quanto mais autônomo o agente, mais etapas de verificação são necessárias e maior a sobrecarga na CPU.

Em julho deste ano, durante uma avaliação interna de segurança, o agente da OpenAI ultrapassou acidentalmente a sandbox, invadindo o sistema de produção da Hugging Face, ilustrando não só a crucialidade desses mecanismos de segurança, mas também seu peso computacional extra em cenários reais.

Outra sobrecarga frequentemente subestimada é a tokenização.

Antes do processamento de texto pelo grande modelo, as informações precisam ser convertidas em tokens, um processo composto por várias manipulações de strings e ramificações condicionais, pouco adequado ao paralelismo de GPUs. Em um chat comum, a entrada é curta e a latência de tokenização passa despercebida; já em agentes, o acúmulo de resultados de ferramentas, códigos, logs e histórico pode fazer com que o input atinja dezenas ou centenas de milhares de tokens.

O doutorando da Georgia Tech, Euijun Chung, exemplificou em entrevista à IEEE Spectrum que, em algumas implementações, após inserir 1.000 tokens de resultados de ferramentas a um contexto já contendo 100.000 tokens, o tokenizador pode ainda processar o input completo.O uso de cache de prefixo e tokenização incremental pode evitar redundância, então não se trata de regra universal; porém, a pressão causada por textos longos sobre a CPU ainda é real.

No estudo mais recente, a equipe de Chung avaliou modelos como Llama 3.1 e Qwen3. Em sequências longas e configurações de lote grande, a tokenização pode responder por até 80% da latência do primeiro token. Com núcleos insuficientes de CPU, threads de tokenização, agendamento de tarefas e inicialização de kernels de GPU concorrem por recursos, levando a CPU ao limite enquanto a GPU fica subutilizada. Ao aumentar o número de núcleos da CPU, a latência do primeiro token melhorou em 1,47 a 5,15 vezes em diferentes configurações, sem necessidade de mais GPUs.

Os dados do mercado já começam a refletir essa mudança. Em janeiro de 2026, uma análise da KeyBanc baseada em investigações da cadeia de suprimentos concluiu que praticamente toda a capacidade anual de CPUs para servidores da Intel já havia sido vendida, e a oferta de CPUs para servidores da AMD também estava próxima do limite, com potencial para aumento nos preços. Vale destacar que isso reflete avaliações de canais de análise e não números oficiais divulgados pelas fabricantes.

Os relatórios financeiros subsequentes da Intel trouxeram algumas confirmações. A empresa informou que a demanda por CPUs para servidores em 2026 já supera a capacidade de fornecimento no primeiro trimestre, e a limitação interna deve persistir até o fim do ano. O preço médio dos produtos para servidores subiu 27% em comparação ao ano anterior, embora o volume enviado tenha caído 5%; a Intel atribuiu os aumentos ao mix de vendas de produtos premium, preço conforme demanda e custos crescentes.

No mesmo período, a receita de data center da AMD atingiu US$ 5,8 bilhões, um crescimento de 57% ano a ano, graças tanto ao EPYC (CPU para servidores) quanto aos Instinct (GPU). A AMD não revelou especificamente a taxa de crescimento da receita de CPUs para servidores, por isso não se pode atribuir todo esse aumento à demanda por agentes de IA.

As previsões das empresas para o futuro são ainda mais ousadas. A AMD antes estimava um crescimento anual de cerca de 18% para CPUs de servidores; em maio de 2026, elevou a previsão para acima de 35%, projetando que o mercado ultrapassará US$ 120 bilhões até 2030.A justificativa da AMD é que agentes de IA demandam uma camada independente de computação por CPU para orquestrar, processar dados, executar ferramentas e realizar checagens de segurança.

Antes, data centers normalmente utilizavam uma CPU para cada 4 a 8 GPUs. A AMD observou que, nos sistemas orientados a agentes, a proporção está caminhando para 1:1 ou até mais CPUs por determinada carga de trabalho. Esse dado reflete avaliações dos fornecedores e pode variar de acordo com a demanda do cliente e o tipo de aplicação. Porém, a tendência é evidente: apenas adicionar mais CPUs não é suficiente; provedores de nuvem começaram a considerar racks dedicados de CPU para agentes de IA.

Em março de 2026, a Arm também passou pela primeira vez de vender apenas projetos para vender CPUs de data center diretamente. Seu processador AGI pode operar até 136 núcleos, desenvolvido com participação da Meta. Segundo a Arm, sob o mesmo consumo energético, o data center voltado para agentes IA pode demandar uma capacidade de CPU até quatro vezes maior do que os data centers atuais.

Logo depois, a Qualcomm lançou o Dragonfly C1000, com mais de 250 núcleos, e assinou um acordo de colaboração para múltiplas gerações de CPUs para servidores com a Meta. Intel, AMD, Arm, Qualcomm e Nvidia inseriram rapidamente o termo “CPU de agentes de IA” em seus roadmaps de produto, mostrando que esta competição ultrapassou o tradicional mercado x86 e agora abrange servidores baseados em Arm, núcleos personalizados e projetos de racks completos.

A Nvidia ocupa uma posição especial nesse contexto. Ela vende tanto as GPUs — que causam aumento de demanda sobre as CPUs —, quanto a própria Vera, que visa aliviar essa pressão. Do processador à rede e ao armazenamento, todo o conjunto pode ser fornecido pela Nvidia.Por isso, Vera é mais do que uma expansão de linha; também protege a taxa de utilização das GPUs. Cada segundo a menos de espera da GPU pode se traduzir em mais tokens processados e maior rentabilidade do rack.

No entanto, quando os fabricantes de chips seguem o dinheiro, sempre há quem pague o preço. Assim como GPUs e chips de armazenamento, é provável que os consumidores acabem arcando com as consequências da nova restrição de capacidade.

Na teleconferência de resultados do quarto trimestre de 2025, a Intel admitiu que estava direcionando a maior parte de sua produção interna de wafers para data centers, enquanto ampliava a terceirização para produtos cliente. Contudo, a gestão afirmou que não pode abandonar completamente o mercado cliente. No primeiro trimestre de 2026, o preço médio das CPUs cliente da Intel cresceu 16% ano a ano, enquanto o volume caiu 13%, e a previsão é de que as restrições de oferta durem pelo menos até o meio do ano.

Nem toda a mudança nos produtos cliente pode ser atribuída aos agentes de IA. A mudança de processo da Intel, a competição entre capacidades internas e externas, além da oferta de memória, também influenciam preço e volume. Porém, como os chips de servidores têm mais núcleos, são mais caros e os provedores de cloud assumem contratos de longo prazo, os recursos de produção acabam migrando para o data center.

Nos últimos três anos, consumidores comuns já vivenciaram aumento de preços e escassez de GPUs. Agora, o mesmo pode acontecer com as CPUs.

Operação/Diagramação: He Chenlong

Nota: A imagem de capa/principal foi gerada com auxílio de IA