Nvidia aposta em CPUs para a era da IA autônoma e prepara virada estratégica no GTC

As GPUs da Nvidia dominaram o mercado de chips de inteligência artificial nos últimos anos, mas a rápida expansão da chamada IA agentic — sistemas capazes de executar tarefas de forma autônoma — está provocando uma nova valorização das CPUs (unidades centrais de processamento), tradicionalmente vistas como chips auxiliares em servidores.

Agora, a Nvidia deve apresentar novos detalhes sobre seus processadores voltados para IA agentic durante a conferência anual GTC, que começa nesta segunda-feira (16). A expectativa é que a empresa mostre inclusive racks completos compostos apenas por CPUs, destacando a mudança de estratégia no desenvolvimento de infraestrutura para inteligência artificial.

Segundo Dion Harris, chefe de infraestrutura de IA da Nvidia, as CPUs estão se tornando um gargalo para a expansão das aplicações de inteligência artificial. “As CPUs estão se tornando o gargalo para ampliar os fluxos de trabalho de IA e IA agentic”, afirmou o executivo em entrevista à CNBC, classificando o momento como “uma oportunidade empolgante” para a empresa.

A gigante dos semicondutores anunciou seu primeiro processador para data centers, o Grace, em 2021, e atualmente já produz a nova geração chamada Vera. Esses chips costumam ser utilizados ao lado das GPUs Hopper, Blackwell ou Rubin, formando sistemas completos de computação em escala de rack voltados para cargas intensivas de inteligência artificial.

A demanda explosiva por GPUs transformou a Nvidia na empresa de capital aberto mais valiosa do mundo, com um valor de mercado de US$ 4,4 trilhões (R$ 23,06 trilhões). A estratégia da companhia ganhou um novo rumo em fevereiro, quando a empresa firmou um acordo plurianual com a Meta para implantar CPUs Grace em larga escala nos data centers da companhia, com planos de introduzir o processador Vera em 2027.

Além disso, milhares de CPUs independentes da Nvidia já ajudam a operar supercomputadores no Texas Advanced Computing Center e no Los Alamos National Laboratory, ampliando a presença da empresa em ambientes de computação científica e de alto desempenho.

De acordo com projeção do Bank of America, o mercado global de CPUs pode mais que dobrar, passando de US$ 27 bilhões (R$ 141,48 bilhões) em 2025 para US$ 60 bilhões (R$ 314,40 bilhões) até 2030. No trimestre mais recente, a Nvidia registrou receita superior a US$ 62 bilhões (R$ 324,88 bilhões) apenas com data centers, uma alta de 75% em relação ao mesmo período do ano anterior.

‘Quiet supply crisis’

O ressurgimento das CPUs é impulsionado por mudanças profundas nas necessidades de computação, à medida que a adoção em massa de IA evolui de chatbots de perguntas e respostas para aplicações autônomas capazes de executar tarefas complexas.

Enquanto GPUs são ideais para treinar e executar modelos de IA, graças aos seus milhares de pequenos núcleos especializados em operações paralelas, as CPUs possuem menos núcleos, porém mais poderosos, capazes de executar tarefas sequenciais e de propósito geral.

Aplicações de IA agentic exigem grande capacidade de computação geral, já que esses sistemas precisam movimentar grandes volumes de dados e coordenar múltiplos agentes de inteligência artificial trabalhando em conjunto.

“Esses sistemas agentic criam diferentes agentes trabalhando como uma equipe”, afirmou Jensen Huang, CEO da Nvidia, durante a divulgação dos resultados da companhia no mês passado. Segundo ele, o volume de tokens gerados por esses sistemas está crescendo de forma exponencial, o que exige processamento de inferência em velocidades cada vez maiores.

Huang mencionou IA agentic mais de uma dúzia de vezes na teleconferência com investidores e ressaltou que “a melhor relação desempenho por watt é literalmente tudo”, destacando a importância da eficiência energética na nova geração de hardware.

A Nvidia afirmou em comunicado que suas CPUs independentes oferecem melhorias significativas de desempenho por watt nos data centers da Meta, reforçando a eficiência energética da nova arquitetura.

Para Ben Bajarin, analista da Creative Strategies, a infraestrutura necessária para essa nova fase da inteligência artificial é inédita. “Estamos vendo uma expansão de racks de CPUs cujo único trabalho é executar IA agentic”, disse. “Os aceleradores processam tokens, mas alguém precisa coordenar tudo no meio do caminho.”

Apesar do crescimento acelerado da demanda, o mercado enfrenta o que o Futurum Group chama de “crise silenciosa de oferta”, com previsão de que o crescimento das CPUs possa superar o das GPUs até 2028.

Fabricantes líderes como AMD e Intel já alertaram clientes na China sobre possíveis escassezes de chips, segundo reportagem da Reuters. O prazo de entrega de CPUs pode chegar a seis meses, enquanto os preços subiram mais de 10%.

“O aumento da demanda nos últimos seis a nove meses foi sem precedentes”, afirmou Forrest Norrod, chefe da divisão de data centers da AMD, em entrevista à CNBC.

Segundo ele, não há “qualquer perspectiva de desaceleração no curto prazo”, embora a empresa esteja trabalhando intensamente para ampliar a produção.

Um porta-voz da Intel disse à CNBC que a companhia espera que os estoques atinjam seu nível mais baixo no trimestre atual, mas afirmou que a empresa está agindo de forma agressiva para melhorar o abastecimento ao longo do segundo trimestre de 2026.

“Wafers não crescem em árvores”, afirmou Ben Bajarin, referindo-se às placas de silício usadas na fabricação de chips. “Não é possível simplesmente colher 10% a mais de wafers de silício. Há uma escassez em toda a indústria.”

Questionado sobre eventuais atrasos nas entregas de CPUs da Nvidia, Dion Harris afirmou que, até agora, a cadeia de suprimentos da empresa tem conseguido atender à demanda, graças à robustez de sua rede de fornecedores.

Otimizados para ‘alimentar GPUs’

Segundo Harris, a Nvidia adotou uma abordagem diferente no design de seus processadores, tornando-os especialmente adequados para fluxos de dados e aplicações de IA agentic, em contraste com os processadores de uso geral produzidos por Intel e AMD.

Uma das principais diferenças está no número de núcleos por chip.

As linhas EPYC da AMD e Xeon da Intel podem chegar a 128 núcleos, enquanto o Grace da Nvidia possui 72 núcleos.

“Se você é um hyperscaler, quer maximizar o número de núcleos por CPU para reduzir o custo por núcleo”, explicou Harris. “Esse é um modelo de negócios diferente do que estamos buscando.”

A estratégia da Nvidia, segundo ele, é garantir que suas GPUs — extremamente caras — nunca fiquem ociosas esperando dados.

“O desempenho por thread se torna muito mais importante do que o custo por núcleo, porque você precisa garantir que esse recurso caríssimo, que é a GPU, não fique parado”, disse.

Outra diferença importante é que a Nvidia utiliza arquitetura Arm em suas CPUs, comum em chips de smartphones e dispositivos de baixo consumo, enquanto Intel e AMD utilizam a arquitetura x86, dominante no mercado de servidores há quase 50 anos.

Segundo Forrest Norrod, da AMD, os chips da Nvidia foram “otimizados muito bem para alimentar suas GPUs”, mas não são tão adequados para aplicações de uso geral.

De fato, em algumas plataformas a Nvidia ainda utiliza CPUs da Intel ou AMD, como na plataforma HGX Rubin NVL8, usada por clientes como base para seus próprios racks de IA.

‘Plataforma agnóstica’

A entrada da Nvidia no mercado de CPUs independentes ocorre em um momento em que grandes empresas de tecnologia também estão desenvolvendo seus próprios processadores baseados em Arm para data centers.

A Amazon foi pioneira ao lançar o Graviton em 2018, enquanto o Google apresentou o processador Axion em 2024, que hoje executa cerca de 30% das aplicações internas da empresa, segundo o Futurum Group. Já a Microsoft lançou seu processador Cobalt de segunda geração em novembro, e a Arm também deve apresentar seu próprio chip ainda este ano, tendo Meta como cliente inicial.

Segundo estimativa da Mercury Research, o mercado de CPUs para servidores no último trimestre de 2025 era liderado pela Intel, com 60% de participação, seguida pela AMD, com 24,3%, enquanto a Nvidia possuía cerca de 6,2%.

Diante da crescente demanda por capacidade de processamento, a Nvidia tem adotado uma postura relativamente aberta em relação à concorrência. Em maio, a empresa anunciou que abriria sua tecnologia de interconexão NVLink para licenciamento por terceiros.

Desde então, foram firmados acordos com empresas como Intel, Qualcomm, Fujitsu e Arm, facilitando a integração de CPUs de diferentes fabricantes com GPUs da Nvidia em servidores de IA.

A empresa também passou a suportar a arquitetura aberta RISC-V, que permite que empresas desenvolvam seus próprios processadores sem pagar licenças a companhias como Arm.

Em janeiro, a Nvidia firmou acordo com a empresa americana SiFive, permitindo que chips baseados em RISC-V sejam conectados a GPUs da Nvidia por meio do NVLink.

Segundo Dion Harris, independentemente de qual tecnologia prevaleça, a estratégia da empresa continuará sendo “agnóstica em relação à plataforma”.

“Estamos construindo CPUs baseadas em Arm, mas também estamos profundamente investidos no ecossistema x86, então teremos uma posição forte em qualquer cenário”, afirmou.

Para Ben Bajarin, essa mudança representa uma estratégia “do começo ao fim” da Nvidia no mercado de infraestrutura de inteligência artificial.

“Para competir, a Nvidia não pode simplesmente dizer: compre nossas GPUs ou nada mais”, afirmou o analista. “A empresa precisa expandir seu portfólio de produtos para atender a diferentes tipos de cargas de trabalho.”