La reinvención de las CPU que exigen los agentes de IA, no las GPU

La suposición en la que todos fallaron

Si le hubieras preguntado a un periodista tecnológico occidental el año pasado cuál sería el chip que definiría la era de la IA, la respuesta habría sido inmediata: GPU. El dominio de NVIDIA en centros de datos, las valoraciones que disparaban, los titulares efusivos sobre Hopper y Blackwell: la narrativa era clara. Las GPUs son el motor de la IA. Las CPUs son hardware obsoleto, observando desde las gradas.

Esa historia ahora podría estar equivocada. No porque las GPUs estén perdiendo relevancia, sino porque la tarea que se le pide a la IA ha cambiado. Pasamos de modelos que responden preguntas a sistemas que toman acciones. Y ese cambio ha hecho que la humilde CPU vuelva a ser indispensable.

Qué cambió: del chatbot al agente

La distinción importa más de lo que la jerga sugiere. Un chatbot de IA generativa recibe una instrucción y devuelve texto. Su computación ocurre casi por completo dentro del modelo: multiplicaciones de matrices, mecanismos de atención, generación de tokens. Ese es territorio de GPU, y las GPUs son fantásticamente buenas haciéndolo.

Un agente de IA es otra cosa. Planifica. Obtiene información de sistemas externos. Invoca APIs. Escribe y ejecuta código. Gestiona el estado a través de múltiples servicios. Decide cuándo detenerse y entregar los resultados a un humano o a otro sistema.

Cada uno de esos pasos implica lógica secuencial, ramificación, acceso irregular a memoria y coordinación entre componentes dispares. Esas son cargas de trabajo de CPU. No porque sean triviales, sino porque resisten el tipo de paralelismo masivo que hace eficientes a las GPUs.

Arm lo explicó en una publicación de blog el 2 de septiembre de 2026, con anterioridad a Hot Chips 2026. El argumento es sencillo: a medida que los agentes de IA proliferen, la cantidad de procesamiento que no involucra GPU alrededor de cada evento de inferencia crecerá significativamente. La CPU ya no es solo la puerta de entrada. Es el sistema circulatorio.

Los números detrás del giro

La señal más concreta proviene del propio NVIDIA: una empresa que no tiene ningún incentivo para restarle importancia a la GPU. En marzo de 2026, NVIDIA anunció Vera, descrita públicamente como su primera CPU construida específicamente para la era de los agentes de IA.

Vera cuenta con 88 núcleos personalizados diseñados por NVIDIA, bajo la marca Olympus. Su subsistema de memoria ofrece hasta 1,2 terabytes por segundo de ancho de banda. Esas no son especificaciones diseñadas para una CPU que simplemente arranca el sistema y transfiere trabajo a una GPU. Son especificaciones para un procesador al que se espera que soporte una carga de cómputo sustancial por sí mismo.

La documentación misma de NVIDIA enumera las tareas para las que está pensada Vera: ejecutar entornos Python, ejecutar código en sandboxs aislados, orquestar flujos de trabajo de múltiples pasos, realizar análisis de datos y mantener las GPUs abastecidas de trabajo sin ciclos ociosos. Este último punto es crítico: una GPU que se quedaIdle esperando a su CPU es una GPU cara e ociosa.

Vera también se posiciona como parte de una plataforma combinada junto a la GPU Rubin de próxima generación de NVIDIA, bajo el nombre Vera Rubin. El emparejamiento señala que NVIDIA ve el futuro como heterogéneo, no monolítico.

Quién gana, quién pierde

Arm gana claramente. Todo su modelo de negocio —licenciar arquitecturas de CPU a decenas de diseñadores de chips— obtiene una narrativa renovada. Durante años, Arm tuvo que defenderse contra la percepción de que los núcleos ARM móviles eran irrelevantes para el centro de datos. La narrativa de la IA centrada en GPUs reforzaba ese prejuicio. La narrativa centrada en agentes la invierte: ahora las cosas que hacen útiles a los agentes requieren más ciclos de CPU, no menos, y esos ciclos pueden ejecutarse en diseños ARM.

NVIDIA también gana, pero de forma condicional. Vera es la manera de NVIDIA de garantizar que el lado de CPU del asunto no caiga en manos de un competidor. Si alguien más construye la capa de orquestación de agentes, la ventaja de GPUs de NVIDIA por sí sola podría no bastar para asegurar el valor de la pila completa. Vera es defensiva tanto como estratégica.

Intel enfrenta presión. Su línea Xeon nunca se posicionó como complementaria a la inferencia de IA basada en GPU. La narrativa del renacimiento de la CPU podría ampliar la brecha entre lo que los compradores de centros de datos esperan y lo que Intel ofrece actualmente, a menos que Alder Lake-SP y Granite Rapids encuentren un rol creíble en la pila de agentes.

AMD ocupa un terreno intermedio interesante. Sus plataformas Ryzen AI y EPYC ya combinan cómputo de CPU y GPU de maneras que se mapean naturalmente al modelo de carga de trabajo de agentes. Todavía está por verse si AMD aprovecha este momento.

Qué significa esto para los centros de datos

La implicación práctica es que las decisiones de arquitectura de centros de datos están a punto de volverse más complicadas. El viejo manual era simple: apilar GPUs, conectarlas con NVLink, colocar una CPU modesta en el nodo para gestión. Ese manual asumía que la GPU hacía casi todo el trabajo significativo.

Con agentes de IA, la relación CPU-GPU en cada nodo importará más. Los ingenieros tendrán que pensar en el ancho de banda de memoria hacia la CPU, no solo hacia la GPU. Tendrán que considerar la latencia de ejecución de código, la sobrecarga de aislamiento en sandboxs y la capacidad de orquestación: métricas que no tienen nada que ver con el rendimiento de punto flotante.

Esto no es una preocupación teórica. El énfasis de NVIDIA en la ejecución de Python y entornos aislados dentro de Vera apunta directamente a una realidad de despliegue: los agentes de IA ejecutarán código no confiable o semi-confiable, y ese código debe ejecutarse en algún lugar rápido y seguro. La CPU es ese lugar.

La implicación más amplia: una nueva carrera de hardware

La prensa tecnológica occidental ha ignorado en gran medida este cambio porque no encaja en la narrativa existente. La supremacía de GPU es una historia limpia. La co-igualdad de CPU es más desordenada, e involucra a actores como Arm, cuyas ambiciones en centros de datos han estado subrepresentadas en los medios en inglés.

Los medios tecnológicos japoneses, particularmente ITmedia y Atmark IT, han cubierto este ángulo con más profundidad que la mayoría de sus contrapartes occidentales. Su enfoque —de que la pregunta ya no es GPU versus CPU, sino cómo dividen el trabajo— refleja una comprensión más madura del rumbo que toma la industria.

La idea clave es esta: el cuello de botella en la IA se está desplazando. Siempre iba a desplazarse. A medida que los modelos se vuelven más capaces, el valor marginal de la velocidad cruda de inferencia disminuye en relación con el valor marginal de la capacidad de respuesta del sistema. Un agente que razona rápido pero no puede ejecutar eficientemente es peor que un agente que razona ligeramente más lento pero completa la tarea completa.

Qué sigue

Esperar más anuncios de CPUs por parte de los fabricantes de GPUs. Si NVIDIA construyó Vera, AMD y posiblemente incluso el equipo de silicio personalizado de Apple tendrán razones para profundizar sus diseños de CPU para cargas de trabajo de agentes. Podrían emerger conjuntos de instrucciones especializados para la orquestación de agentes, similar a cómo surgieron los núcleos tensor para multiplicaciones de matrices.

Esperar que ARM empuje más fuerte hacia el centro de datos. El plan de rutas existente de núcleos para servidores de la compañía probablemente se acelerará, con argumentos de rendimiento por vatio reforzados por la narrativa de agentes.

Esperar una reevaluación de la planificación de capacidad de centros de datos. Los ciclos de adquisición de GPUs deberán emparejarse con decisiones de provisión de CPU que antes no importaban. Los equipos de compras que traten a las CPUs como un afterthought pagarán por ello en latencia y ciclos de GPU desperdiciados.

La era de asumir que las GPUs por sí solas cargarían la IA terminó. La CPU no está reemplazando a la GPU. La está alcanzando.

Y por primera vez en una década, el chip más importante en el centro de datos de IA podría no ser el que todos han estado observando.