A NVIDIA acredita que parte dos processadores utilizados atualmente em servidores não está preparada para atender às novas exigências da inteligência artificial. Com a popularização dos chamados agentes de IA, a empresa argumenta que a indústria precisa dar mais atenção ao desempenho por núcleo e à velocidade de comunicação interna das CPUs, em vez de priorizar apenas o aumento da quantidade de núcleos.
A crítica foi apresentada por integrantes da equipe de engenharia responsável pelo NVIDIA Vera, em entrevista ao Wccftech. O processador foi desenvolvido especialmente para data centers e aplicações de inteligência artificial e aposta em uma arquitetura monolítica para reduzir a latência entre os núcleos. Segundo a NVIDIA, essa abordagem pode evitar gargalos que prejudicam a utilização das GPUs em determinadas cargas de trabalho.
Por que a NVIDIA critica o foco em mais núcleos?
Nos últimos anos, fabricantes de processadores para servidores passaram a utilizar cada vez mais arquiteturas baseadas em chiplets. Em vez de concentrar todo o processamento em uma única peça de silício, essa abordagem combina múltiplos blocos menores dentro do mesmo encapsulamento. A estratégia permite aumentar a quantidade de núcleos, melhorar o aproveitamento da fabricação e desenvolver produtos de diferentes tamanhos com maior flexibilidade.
Entretanto, a comunicação entre esses blocos pode introduzir custos adicionais de latência e consumo de energia. Dependendo da arquitetura e da tarefa executada, a movimentação de dados entre núcleos localizados em chiplets diferentes pode ser menos eficiente do que a comunicação dentro de um único die.
Na avaliação da NVIDIA, a indústria priorizou a capacidade de reunir muitos núcleos em um processador, mas nem sempre conseguiu manter o mesmo nível de desempenho por núcleo e de eficiência na comunicação interna. A empresa considera que essa escolha se tornou especialmente relevante com a expansão da IA agêntica, que depende de sequências de operações rápidas e interdependentes.
Um die é uma peça individual de silício que contém circuitos eletrônicos. Em um processador monolítico, os componentes de processamento ficam concentrados em um único die. Já uma CPU baseada em chiplets reúne dois ou mais dies em um mesmo encapsulamento. Os chiplets não são necessariamente mais lentos: o resultado depende do projeto, das interconexões, da organização dos caches e do tipo de aplicação. A vantagem defendida pela NVIDIA é evitar determinadas barreiras de comunicação em cargas que exigem baixa latência.
Como os agentes de IA podem deixar as GPUs ociosas
Os agentes de inteligência artificial são sistemas capazes de executar tarefas em várias etapas, como analisar uma solicitação, consultar informações, utilizar ferramentas, executar código e verificar os resultados. Ao contrário de um processo composto apenas por operações paralelas, parte desse fluxo depende de uma sequência de decisões e ações que precisam ser concluídas antes do início da etapa seguinte.
Nesse cenário, a CPU desempenha um papel importante ao organizar o trabalho, executar códigos, preparar dados e acionar ferramentas. Em seguida, a GPU pode ser chamada para executar operações de inteligência artificial. Se a CPU demora para concluir uma etapa ou disponibilizar as informações necessárias, a GPU pode precisar esperar antes de continuar.
Esse tempo de espera é especialmente importante em infraestruturas caras de data center. Uma GPU de alto desempenho que permanece ociosa por causa de um gargalo no processamento da CPU deixa de aproveitar parte de sua capacidade disponível. Por isso, a NVIDIA defende que acelerar as operações executadas pela CPU pode melhorar a utilização de todo o sistema, mesmo quando a tarefa principal envolve inteligência artificial executada em GPUs.
Imagine um restaurante em que a cozinha tem equipamentos capazes de preparar centenas de pratos, mas os pedidos chegam lentamente porque o atendimento não consegue organizá-los. Comprar equipamentos de cozinha ainda mais rápidos não resolve completamente o problema. Em um sistema de IA, a GPU representa parte da capacidade de processamento, enquanto a CPU coordena tarefas e prepara o trabalho. Melhorar essa coordenação ajuda a reduzir períodos de espera, embora o resultado dependa de cada aplicação.
NVIDIA Vera aposta em arquitetura monolítica
Para enfrentar esse problema, a NVIDIA desenvolveu o Vera com um projeto que concentra seus 88 núcleos de processamento em um único die. A empresa afirma que essa organização permite que os núcleos compartilhem informações por meio de uma estrutura de comunicação interna de alta velocidade, sem depender da comunicação entre chiplets de processamento separados.
O processador utiliza núcleos Olympus e uma segunda geração da NVIDIA Scalable Coherency Fabric, tecnologia responsável por conectar os núcleos, o cache e outros componentes do sistema. Segundo as especificações divulgadas pela fabricante, a largura de banda interna chega a 3,4 terabytes por segundo, valor que a empresa afirma ser aproximadamente três vezes superior ao de CPUs x86 concorrentes usadas como referência.
- Quantidade de núcleos: 88 núcleos Olympus.
- Arquitetura: die monolítico, com os núcleos concentrados em uma única peça de silício.
- Largura de banda interna: até 3,4 TB/s para comunicação dentro do processador.
- Cache L3: 164 MB de cache compartilhado.
- Largura de banda de memória: até 1,2 TB/s com memória LPDDR5X.
- Capacidade de memória: até 1,5 TB, conforme a configuração divulgada pela NVIDIA.
- Conexão com GPUs: NVLink-C2C de segunda geração, com até 1,8 TB/s de largura de banda bidirecional.
Esses números representam diferentes partes da arquitetura. A largura de banda interna de 3,4 TB/s descreve a comunicação dentro da CPU, enquanto os 1,2 TB/s correspondem à comunicação com a memória principal. Já os 1,8 TB/s do NVLink-C2C dizem respeito à conexão coerente entre processadores e GPUs compatíveis. Não são medidas intercambiáveis nem significam que todas as tarefas terão a mesma aceleração.
Desempenho por núcleo ganha importância na era da IA agêntica
A proposta do Vera não se limita a colocar mais núcleos em um processador. A NVIDIA também desenvolveu os núcleos Olympus para executar instruções rapidamente e reduzir atrasos em tarefas que dependem de decisões sequenciais, acesso à memória e desvios no fluxo de execução.
Segundo a fabricante, a arquitetura inclui uma unidade de busca e decodificação capaz de lidar com até dez instruções por ciclo, previsão de desvios auxiliada por técnicas neurais e execução fora de ordem. Esses recursos ajudam o processador a manter o trabalho avançando mesmo quando o código contém dependências complexas ou acessos à memória difíceis de prever.
Em materiais técnicos publicados pela empresa, o Vera apresenta até 1,5 vez o desempenho por núcleo de um processador AMD Venice de referência em um conjunto de quatro cargas de trabalho representativas, incluindo compilação, análise estática e execução de Python. Em outras comparações divulgadas pela NVIDIA, o ganho em desempenho sustentado por núcleo em tarefas de IA agêntica chega a 1,8 vez em relação a CPUs x86 utilizadas como referência.
Os resultados, entretanto, dependem dos testes e das configurações utilizados. Eles não significam que o Vera será automaticamente 50% ou 80% mais rápido em qualquer programa, nem que toda CPU x86 apresente o mesmo comportamento. As comparações são resultados divulgados pela própria NVIDIA e devem ser interpretadas dentro das cargas de trabalho avaliadas.
Vera promete acelerar o trabalho entre as operações da GPU
Um dos argumentos centrais da NVIDIA é que os ganhos da CPU podem se acumular ao longo de uma tarefa executada por um agente de IA. Um sistema pode precisar interpretar uma solicitação, executar um programa, consultar dados, chamar um modelo de inteligência artificial e verificar o resultado antes de avançar. Se cada etapa controlada pela CPU demorar menos, o tempo total da operação também poderá diminuir.
A empresa divulgou ainda um exemplo de fluxo de programação em que o Vera concluiu uma tarefa real de clonagem de um repositório e execução de testes em ambientes isolados aproximadamente 1,5 vez mais rápido do que a plataforma x86 utilizada na comparação. Segundo a NVIDIA, a inicialização de ambientes simultâneos também foi até 1,9 vez mais rápida nesse cenário.
Esse tipo de resultado ajuda a explicar por que a empresa considera a CPU um componente estratégico para a próxima geração de data centers de inteligência artificial. Em vez de avaliar somente a velocidade com que uma GPU executa uma operação, a proposta é acelerar o conjunto de etapas necessárias para que os agentes concluam suas tarefas.
O projeto monolítico não torna os chiplets obsoletos
Apesar das críticas, a arquitetura monolítica não representa uma solução universal para todos os processadores. Reunir uma grande quantidade de circuitos em um único die pode aumentar a complexidade de fabricação, os custos de produção e os desafios de rendimento industrial. Em processadores com muitos núcleos, dividir o projeto em chiplets pode permitir produtos maiores e mais flexíveis sem exigir uma única peça de silício extremamente grande.
Por isso, AMD, Intel e outros fabricantes continuam utilizando diferentes combinações de dies e interconexões para equilibrar desempenho, consumo, custo e escalabilidade. A eficiência de cada estratégia depende do projeto completo, incluindo a organização dos caches, a velocidade das conexões e a natureza das aplicações executadas.
A própria NVIDIA já indicou que não considera os chiplets uma tecnologia que deva ser descartada em todas as circunstâncias. A empresa afirma que a arquitetura precisa ser escolhida de acordo com os objetivos de cada produto. No caso do Vera, o foco em cargas de IA agêntica e comunicação rápida entre núcleos favoreceu a escolha monolítica.
O que muda para os consumidores?
Por enquanto, o NVIDIA Vera foi desenvolvido para servidores, data centers e infraestruturas de inteligência artificial. Não se trata de um processador destinado diretamente a computadores domésticos, notebooks ou máquinas voltadas a jogos. A arquitetura também é baseada no conjunto de instruções Arm, diferentemente das CPUs x86 tradicionalmente utilizadas em muitos PCs.
As técnicas empregadas no Vera podem influenciar o desenvolvimento de futuros processadores, principalmente no que diz respeito ao desempenho por núcleo, à latência e à comunicação entre componentes. Entretanto, não há garantia de que o mesmo projeto será adotado em CPUs para consumidores, pois computadores domésticos precisam equilibrar fatores diferentes, como preço, consumo de energia, compatibilidade e desempenho em jogos e aplicativos variados.
O recado da NVIDIA é que o avanço da inteligência artificial está mudando a maneira como os processadores precisam ser avaliados. Em determinados ambientes, aumentar a quantidade de núcleos não basta: também é necessário garantir que eles consigam trabalhar juntos com rapidez e que a CPU não se transforme em um obstáculo para as GPUs. O Vera é a aposta da empresa para demonstrar essa abordagem em escala de data center.
Perguntas frequentes sobre a CPU NVIDIA Vera
O que é o NVIDIA Vera?
É um processador de servidor desenvolvido pela NVIDIA para cargas de trabalho de inteligência artificial, computação acelerada e IA agêntica. Ele possui 88 núcleos Olympus e prioriza o desempenho por núcleo, a comunicação interna e a eficiência em tarefas executadas em várias etapas.
Por que a NVIDIA critica as CPUs baseadas em chiplets?
A empresa argumenta que a comunicação entre dies separados pode aumentar a latência em determinadas cargas de trabalho. Para a NVIDIA, esse fator merece atenção especial em aplicações de IA agêntica, nas quais etapas sequenciais precisam ser concluídas rapidamente.
O Vera é mais rápido do que todos os processadores AMD e Intel?
Não é possível fazer essa afirmação de maneira geral. A NVIDIA divulgou vantagens em testes específicos de desempenho por núcleo e cargas de trabalho de IA agêntica. Os resultados variam conforme o processador comparado, o programa e a metodologia de avaliação.
O que significa a largura de banda interna de 3,4 TB/s?
É a capacidade de comunicação interna anunciada para a estrutura que conecta os núcleos e outros componentes do Vera. Ela não deve ser confundida com a largura de banda da memória principal ou com a velocidade da conexão entre CPU e GPU.
O NVIDIA Vera será lançado para computadores domésticos?
O Vera foi desenvolvido para servidores e data centers. Até o momento, não há confirmação de uma versão destinada diretamente a computadores domésticos. Algumas ideias de projeto podem influenciar produtos futuros, mas isso não garante que a arquitetura será reproduzida em CPUs para consumidores.
