Nvidia destaca ressurgimento das CPUs em fluxos de trabalho de IA agente

As unidades de processamento gráfico (GPUs) da Nvidia têm sido os chips mais vendidos nos últimos anos, mas o surgimento repentino da inteligência artificial agente trouxe um renascimento para seu chip hospedeiro mais modesto, a unidade central de processamento (CPU).

Agora, a Nvidia está pronta para revelar novos detalhes sobre suas CPUs otimizadas para IA agente em sua conferência anual GTC, que começa na segunda-feira, com um rack apenas de CPUs provavelmente presente no showroom.

“CPUs estão se tornando o gargalo em termos de expansão desses fluxos de trabalho de IA e agentes”, disse Dion Harris, chefe de infraestrutura de IA da Nvidia, à CNBC nesta semana, chamando isso de “uma oportunidade empolgante”.

A gigante de chips anunciou sua primeira CPU para data centers, Grace, em 2021, e a próxima geração, Vera, já está em produção. As CPUs normalmente são usadas junto com as famosas GPUs Hopper, Blackwell ou Rubin da Nvidia em sistemas de rack em escala completa.

A demanda explosiva por GPUs transformou a Nvidia em um nome conhecido mundialmente e na empresa de capital aberto mais valiosa do mundo, com uma capitalização de mercado de US$ 4,4 trilhões (R$ 23,32 trilhões). Sua estratégia de chips sofreu uma grande mudança em fevereiro, quando a Nvidia firmou um acordo multianual com a Meta que incluiu o primeiro uso em grande escala das CPUs Grace sozinhas, com planos de implantar a Vera em 2027.

Milhares de CPUs independentes da Nvidia também estão ajudando a alimentar supercomputadores no Texas Advanced Computing Center e no Los Alamos National Lab, informou a Nvidia à CNBC.

O Bank of America prevê que o mercado de CPUs mais que dobrará, passando de US$ 27 bilhões (R$ 143,1 bilhões) em 2025 para US$ 60 bilhões (R$ 318 bilhões) em 2030. Apenas no último trimestre, a Nvidia gerou receita de data centers superior a US$ 62 bilhões (R$ 328,6 bilhões), um aumento de 75% em relação ao ano anterior.

O ressurgimento das CPUs é impulsionado por uma mudança fundamental nas necessidades de computação, à medida que a adoção em massa de IA se desloca de chatbots de perguntas e respostas para aplicativos orientados a tarefas com agentes.

Enquanto GPUs são ideais para treinar e rodar modelos de IA devido a milhares de núcleos pequenos focados em realizar muitas operações simultaneamente, CPUs têm um número menor de núcleos poderosos que executam tarefas gerais de forma sequencial.

A IA agente requer muita capacidade de processamento geral, pois movimenta grandes quantidades de dados para fluxos de trabalho de IA, coordenando múltiplos agentes.

“Esses sistemas agentes geram diferentes agentes trabalhando em equipe”, disse o CEO Jensen Huang na teleconferência de resultados da Nvidia no mês passado. “O número de tokens sendo gerados cresceu de forma exponencial, então precisamos inferir em uma velocidade muito maior.”

Huang mencionou IA agente várias vezes na chamada, e disse que “o melhor desempenho por watt é literalmente tudo”, à medida que as necessidades de hardware mudam.

A empresa afirmou em comunicado à imprensa que suas CPUs independentes oferecem melhorias significativas de desempenho por watt nos data centers da Meta.

“Esta é uma nova infraestrutura: expansão de racks de CPUs cuja única função é rodar IA agente”, disse o analista de chips Ben Bajarin, da Creative Strategies. “Seu software ficará em outro lugar, seus aceleradores apenas processarão tokens, mas algo precisa estar no meio e orquestrar isso.”

‘Crise silenciosa de fornecimento’

Agora, o mercado outrora tranquilo de processadores centrais enfrenta o que o The Futurum Group chama de “crise silenciosa de fornecimento”, prevendo que a taxa de crescimento do mercado de CPUs poderá superar a das GPUs até 2028.

Principais fornecedores de CPU, AMD e Intel, alertaram clientes na China sobre escassez de fornecimento, segundo a Reuters. Os prazos de entrega de CPUs estão em até seis meses, e os preços subiram mais de 10%, segundo o relatório.

“Os aumentos na demanda são sem precedentes nos últimos seis a nove meses”, disse Forrest Norrod, chefe de data center da AMD, à CNBC.

Norrod afirmou que não vê “qualquer perspectiva de desaceleração ou interrupção em breve”, mas que a AMD antecipou o aumento na demanda e está “trabalhando diligentemente” para atendê-la.

Um porta-voz da Intel disse à CNBC que espera que o estoque atinja seu “nível mais baixo” no trimestre atual, “mas estamos atuando de forma agressiva e esperamos melhoria no fornecimento no segundo trimestre de 2026”.

“Wafers não crescem em árvores”, disse Bajarin. “Não é como se pudéssemos simplesmente colher 10% a mais de wafers de silício. Há uma escassez em toda a indústria. Infelizmente, os wafers de CPU estão restritos.”

Quanto a possíveis atrasos no envio de CPUs da Nvidia, Harris disse à CNBC: “Até agora, tudo bem”.

Ele afirmou que a “robusta cadeia de suprimentos” da Nvidia tem sido capaz de gerenciar a demanda, principalmente porque muitas de suas CPUs serão vendidas junto com GPUs em seus sistemas de rack.

Otimizada para ‘alimentar suas GPUs’

Harris disse que a Nvidia adotou uma abordagem de design fundamentalmente diferente, tornando suas CPUs “mais adequadas” para processamento de dados e fluxos de trabalho de IA agente, em comparação com CPUs de uso geral feitas por líderes do setor, Intel e AMD.

Uma grande diferença está no número de núcleos de cada CPU.

A linha EPYC da AMD e as CPUs de servidores de alto desempenho Xeon da Intel normalmente possuem 128 núcleos, comparados a 72 núcleos na CPU Grace da Nvidia.

“Se você é um hyperscaler, quer maximizar o número de núcleos por CPU, e isso essencialmente reduz o custo, o valor por núcleo. Esse é um modelo de negócio”, explicou Harris.

Em vez disso, a Nvidia projetou sua CPU especificamente para ajudar suas GPUs a rodarem cargas de IA.

“O desempenho single-thread se torna muito mais importante que o custo por núcleo, porque você quer garantir que aquele recurso muito caro, a GPU, não fique ocioso esperando”, disse Harris.

A Nvidia também baseia suas CPUs na arquitetura Arm, mais comum em chips de dispositivos de baixa potência como smartphones, enquanto Intel e AMD usam arquitetura x86 tradicional. Introduzida pela Intel há quase 50 anos, a x86 é o conjunto de instruções dominante em processadores de PCs e servidores desde então.

Norrod, da AMD, disse que a Nvidia “otimizou muito bem seus chips, eu acho, para alimentar suas GPUs. Eles não são bem otimizados para aplicações de uso geral.”

De fato, a Nvidia ainda depende de CPUs de uso geral para alguns produtos. Por exemplo, combina suas GPUs com CPUs hospedeiras da Intel ou AMD em sua plataforma HGX Rubin NVL8, usada pelos clientes para montar seus próprios racks de IA.

‘Plataforma agnóstica’

A incursão da Nvidia em CPUs independentes ocorre à medida que mais clientes desenvolvem seus próprios processadores Arm para data centers.

A Amazon foi a primeira grande hyperscaler a lançar uma CPU interna com o Graviton, em 2018. O processador Axion do Google, lançado em 2024, agora lida com cerca de 30% das aplicações internas, segundo o Futurum Group. A Microsoft lançou seu processador Cobalt de segunda geração em novembro. Espera-se que a Arm lance sua própria CPU interna este ano, com a Meta como cliente inicial.

A Mercury Research estima que, no último trimestre de 2025, a participação no mercado de CPUs para servidores foi dominada pela Intel com 60%, AMD com 24,3%, e Nvidia com 6,2%, com a fatia restante dividida entre CPUs Arm internas de hyperscalers como Amazon, Microsoft e Google.

Diante da demanda insaciável por processamento, a Nvidia geralmente adota uma postura receptiva à concorrência. Mantendo essa tradição, a Nvidia abriu sua tecnologia de rede NVLink para licenciamento de terceiros em maio.

No restante de 2025, houve uma série de acordos NVLink com Intel, Qualcomm, Fujitsu e Arm, facilitando a integração de CPUs de terceiros com GPUs Nvidia em servidores de IA.

Embora esses acordos envolvam CPUs feitas em arquitetura Arm ou x86, a Nvidia agora também oferece suporte à arquitetura de conjunto de instruções aberta RISC-V. Ganhando força nos últimos anos, o RISC-V permite que empresas projetem processadores personalizados sem pagar licenças para empresas como a Arm.

Em janeiro, a Nvidia fechou um acordo permitindo à empresa americana SiFive usar NVLink para conectar seus chips RISC-V às GPUs da Nvidia.

Harris disse que, independentemente de como a demanda por CPUs seja atendida, a estratégia da Nvidia permanece “plataforma agnóstica”.

“Estamos certamente construindo uma CPU baseada em Arm, mas estamos tão investidos na comunidade x86, tão investidos em todo o ecossistema, que teremos uma posição forte de qualquer forma.”

Bajarin descreve a estratégia em mudança da Nvidia como “do início ao fim”.

“Para competir, a resposta da Nvidia não pode ser ‘você compra GPUs de nós ou nada mais’”, disse Bajarin. Seja com GPUs, CPUs ou hardware especializado, “é assim que o produto precisa evoluir para atender a uma diversidade de cargas de trabalho.”