A era dos agentes e a disputa pelo caminho do CPU: Nvidia aposta em "núcleos mais rápidos", enquanto AMD aposta em "mais concorrência"

Nvidia e AMD estão disputando não apenas quem tem o CPU mais rápido, mas quem define o padrão de avaliação dos CPUs na era da IA.

Recentemente, a Nvidia divulgou os detalhes técnicos mais completos da arquitetura Vera CPU. Esse processador traz 88 núcleos Olympus ARM desenvolvidos internamente, largura de banda de memória de 1.2TB/s e largura de banda de interconexão no chip de 3.4TB/s. O argumento central da Nvidia é: o funcionamento dos Agentes de IA ocorre por meio de interações repetidas entre CPU e GPU — chamada de ferramentas, execução de código, recuperação de dados e orquestração de tarefas — cada etapa depende da conclusão da anterior, portanto, a velocidade single-core e a latência da CPU determinam diretamente a eficiência de resposta do Agente inteiro.

Em 23 de julho, segundo a plataforma de negociação Chasing Wind, o analista da Bank of America Securities, Vivek Arya, afirmou em seu mais recente relatório que o lançamento da Vera trouxe um novo framework de avaliação para o setor: “o maior desempenho single-threading sob escala ”. Isso contrasta diretamente com a abordagem de empilhamento de multi-núcleos chiplet da AMD há muito defendida. A instituição descreve esse debate como: “A IA dos agentes está limitada pelo tempo de conclusão de uma única tarefa, ou pelo número de tarefas concorrentes que um rack pode executar?” A AMD realizará o AI 2026 Technology Day nesta quinta-feira, que será a primeira resposta pública oficial sobre esse framework.

O pano de fundo dessa disputa é: o mercado de CPUs para servidores está sendo remodelado pela demanda por IA, e espera-se que o tamanho desse mercado quadruplicate até 2030, atingindo US$ 170 bilhões. Não é uma competição por participação de mercado atual, mas sim um mercado incremental em formação; quem estabelecer primeiro um padrão de avaliação de desempenho reconhecido pelo setor terá o poder de precificação e a narrativa dominante.

Lógica da Nvidia: Agentes mais rápidos são mais importantes do que quantos podem ser executados ao mesmo tempo

A Nvidia descreve de maneira específica o fluxo de trabalho dos agentes: durante a execução de uma tarefa, há uma grande quantidade de interações seriais entre CPU e GPU, e cada chamada exige aguardar a conclusão da anterior. Isso significa que qualquer latência em uma etapa se acumula e amplifica, por fim reduzindo a eficiência de toda a “fábrica de IA”.

Neste contexto, o desempenho single-core não é apenas um número na tabela de especificações, mas sim uma variável-chave que afeta diretamente a utilização da GPU — quanto mais rápida a CPU, menor o tempo de espera da GPU e maior a eficiência de uso do sistema como um todo. Ou seja, quanto mais rápido o núcleo único, mais ágil será a cadeia de resposta.

Outro ponto de destaque do Vera é a decisão de adotar um “monolithic die” em vez de uma arquitetura separada por chiplets, justificando que a primeira oferece melhor “consistência escalável”. Isso contrasta com a aposta de longo prazo da AMD em chiplets e simboliza uma divergência filosófica profunda entre as duas empresas na arquitetura de base.

Além disso, Vera não é um produto isolado, mas sim parte integrante do ecossistema de infraestrutura de IA da Nvidia, resultado de um “design colaborativo”, funcionando em conjunto com a Rubin GPU, Groq LPX, Spectrum Switch e armazenamento/placa de rede BlueField. Essa integração de nível sistêmico é o verdadeiro fosso competitivo da Nvidia, para além da mera comparação de hardware individual.

Contra-argumento da AMD: No ambiente real de produção de IA, o que importa é a capacidade de suportar concorrência

A posição da AMD baseia-se em uma definição diferente do que é um “ambiente de produção real”.

Para a AMD, sistemas de IA em produção não são agentes processando tarefas em série, mas sim plataformas de software distribuídas compostas por bancos de dados, APIs, armazenamento vetorial, mecanismos de orquestração, caches e middleware. Neste cenário, o gargalo não é a velocidade de uma única tarefa, mas sim quantos fluxos de trabalho podem ser suportados simultaneamente dentro de um orçamento fixo de consumo de energia.

A AMD apresentou alguns cálculos específicos: em um cenário simulado de rack de 100 kilowatts, o throughput por rack do EPYC 9965 (Turin) é aproximadamente 2,4 vezes o da Nvidia Vera; a próxima geração, EPYC 6 (Venice), deve chegar a 3,3 vezes.

A lógica da AMD é: maior densidade de throughput significa que, com o mesmo gasto energético, é possível atender mais usuários e processar mais solicitações — este é o verdadeiro cálculo de custo das implantações de IA em nuvem.

AMD x86 ou Nvidia ARM: o ecossistema de software é o campo de batalha invisível

A disputa pela arquitetura de CPU também se estende para o nível das instruções do conjunto.

A Nvidia optou pela arquitetura ARM, partindo do princípio de que, desde que a microarquitetura seja suficientemente avançada, a compatibilidade do conjunto de instruções pode ser secundária. Mas AMD e Intel, provavelmente enfatizarão continuamente após quinta-feira outro aspecto — que a IA está expandindo de inferência de modelos para fluxos de trabalho de software empresarial, sendo que a pilha de software empresarial — bancos de dados, middleware, plataformas de segurança, aplicações corporativas — já acumula décadas de otimizações, validações e compatibilidade no ecossistema x86.

Não é uma mera discussão técnica. À medida que cargas de trabalho de IA são cada vez mais integradas aos sistemas de TI legados das empresas, o histórico acúmulo do ecossistema de software possivelmente será ainda mais difícil de substituir do que o desempenho máximo de hardware. Se a Nvidia conseguirá inserir a Vera nesses contextos, depende muito da velocidade de amadurecimento do ecossistema de software ARM.

Dois frameworks, dois KPIs, no fundo são duas empresas disputando quem lidera a narrativa do setor.

O framework da Nvidia se baseia em latência, progresso single-threading e utilização de GPU. O da AMD, em concorrência, throughput e densidade de serviço.

A questão-chave: qual métrica o mercado usará, afinal, para comprar CPUs de servidores?

Para a Bank of America, o ponto central do evento da AMD nesta quinta-feira não é apresentar números para superar o concorrente, mas convencer o setor a adotar seus próprios critérios de avaliação. Quem conseguir que seu framework seja aceito pelos compradores de data centers é quem terá o poder de precificação nesse mercado de US$ 170 bilhões.

Mantém recomendação de compra para Nvidia (NVDA), com preço-alvo de US$ 350 (preço atual US$ 207,29).