Nvidia está presionando para controlar cada chip dentro de los centros de datos de IA

Puntos clave

• El nuevo sistema de chips Vera Rubin de Nvidia afirma procesar diez veces más tareas de IA por vatio que su anterior sistema Grace Blackwell.
• OpenAI ya tiene un bastidor Vera Rubin ejecutándose en sus instalaciones, confirmó Nvidia en una sesión técnica en junio de 2025.
• Nvidia está vendiendo la CPU Vera, el procesador principal dentro del nuevo sistema, como producto independiente e informó a clientes chinos que podría enviarse a partir de agosto de 2025.
• AMD reveló su bastidor de chips de IA Helios competidor el domingo, la misma semana en que Nvidia realizó su sesión informativa sobre Vera Rubin, en una clara carrera por contratos de chips plurianuales con empresas como Meta, Amazon y OpenAI.

Nvidia construyó su fortuna vendiendo GPU, los chips especializados que realizan el cálculo numérico intensivo que necesita la IA. Ahora también quiere vender el otro tipo de chip dentro de los centros de datos de IA.

En una sesión informativa para periodistas en su sede de Santa Clara la semana pasada, reportada por primera vez en detalle por Wired AI, los ejecutivos de Nvidia presentaron el caso de Vera Rubin, su sistema de chips de próxima generación. La afirmación principal: Vera Rubin procesa diez veces más tokens por vatio que su predecesor. Un token es un pequeño fragmento de texto o datos, y tokens por vatio es esencialmente una medida de cuánto trabajo de IA puede realizar un sistema para una cantidad determinada de electricidad.

Eso importa a las empresas que ejecutan IA a escala. La electricidad es uno de los mayores costos en un centro de datos, y las ganancias de eficiencia se traducen directamente en facturas más bajas.

¿Por qué Nvidia está vendiendo CPU ahora?

Porque la IA se está volviendo más complicada, y eso requiere un tipo diferente de chip. Las GPU calculan números rápidamente. Las CPU, los procesadores de propósito general que han ejecutado computadoras durante décadas, son mejores coordinando tareas, gestionando flujos de datos y ejecutando lógica de software. A medida que las empresas construyen agentes de IA, software que puede llevar a cabo tareas de múltiples pasos por sí solo, como reservar una reunión o analizar una hoja de cálculo sin que un humano haga clic en cada paso, necesitan más potencia de CPU junto a sus GPU.

Vera Rubin empareja una CPU con cada dos GPU. Un bastidor Vera Rubin NVL72 completo, una pila de chips empaquetados en una única unidad refrigerada por líquido, contiene 36 CPU Vera y 72 GPU Rubin.

Nvidia también afirma que el nuevo sistema es mucho más fácil de instalar que productos anteriores. Describe a Vera Rubin como "cálculo sin cables" y dice que el tiempo de configuración puede reducirse de un par de horas por bastidor a unos pocos minutos. Todo el sistema funciona con refrigeración líquida, que usa menos energía que soplar aire sobre chips calientes.

La empresa sí compara el CPU Vera como más rápido que chips rivales de AMD e Intel. Vale la pena notar: las pruebas de comparación aparentemente utilizaron generaciones ligeramente más antiguas de los productos de esos competidores, que es el tipo de letra pequeña que siempre merece atención cuando una empresa califica su propio trabajo.

Los primeros clientes nombrados por Nvidia incluyen Microsoft, OpenAI y Oracle. Se espera que Vera Rubin se envíe ampliamente en la segunda mitad de 2025.

Para cualquiera cuyo trabajo toque herramientas de IA, el resultado práctico es más simple de lo que sugieren las especificaciones de chips. Hardware más rápido y eficiente significa que los servicios de IA que ya usas, desde asistentes de escritura hasta bots de servicio al cliente, se vuelven más baratos y rápidos de ejecutar. Eso tiende a hacer que se implementen más ampliamente, no menos. Si eso es una amenaza o un regalo depende casi completamente de cómo los uses.

Conclusión: Si tu organización está evaluando herramientas de IA este año, pregunta a los proveedores en qué generación de hardware se ejecuta su producto. Las mejoras de eficiencia a nivel de chip a menudo aparecen como costos más bajos por uso dentro de 12 a 18 meses.