Nvidia está usando su propia CPU Vera para diseñar los chips que vienen después de Vera. La compañía publicó el 26 de julio que ha puesto el procesador a correr las cargas de automatización de diseño electrónico (EDA, las herramientas con las que se simula y verifica un chip antes de fabricarlo) y que en las pruebas iniciales alcanza hasta 1,5 veces más rendimiento con el mismo número de núcleos.
Puntos clave
- Vera combina 88 núcleos propios Olympus, un subsistema de memoria LPDDR5X y la segunda generación del Scalable Coherent Fabric de Nvidia.
- Las mejoras de hasta 1,5x se midieron en Cadence Jasper (verificación formal) y Synopsys VCS (verificación funcional), las dos herramientas estándar del sector.
- Las cargas objetivo son simulación lógica, verificación formal e implementación digital, no entrenamiento de modelos.
- El siguiente procesador de la hoja de ruta es Rosa, construido sobre el núcleo Rigel.
Por qué una CPU y no una GPU
Puede sonar raro que la empresa de las GPU presuma de un procesador central, pero es que verificar un chip no se parece a entrenar un modelo. La simulación lógica y la verificación formal son cargas de un solo hilo tirando a caprichosas: dependen de que cada núcleo sea rápido, de que la memoria responda y de que el conjunto aguante mucho trabajo en paralelo sin atascarse. Ahí las GPU no ayudan tanto.
Eso es exactamente lo que Nvidia dice haber optimizado en Vera. Los 88 núcleos Olympus son diseño propio, no licencia de terceros, y el fabric coherente de segunda generación es lo que mantiene la memoria alimentando a todos esos núcleos sin que se queden esperando.
Qué gana en la práctica
El argumento de Nvidia no es que un chip se diseñe más rápido de golpe. Es que cada tanda de verificación tarda menos, y como esas tandas se repiten miles de veces durante un proyecto, los ingenieros pueden probar más alternativas dentro de la misma ventana de tiempo.
En diseño de silicio eso vale mucho más que el ahorro en horas de máquina. Un fallo que aparece tarde obliga a rehacer etapas enteras, con lo que cuesta cada iteración cuando ya hay máscaras de fabricación de por medio. Comprimir el ciclo de verificación es comprimir el riesgo.
El detalle de que las mejoras se midieran en Cadence y Synopsys tampoco es casual. Son los dos proveedores que dominan el software de diseño de chips: cualquier fabricante que quiera usar Vera para esto ya tiene sus flujos montados encima de esas herramientas.
El bucle: chips que diseñan chips
Aquí está la parte interesante para quien mira la industria de lejos. Nvidia ya contó cómo Vera Rubin entrena los modelos grandes con la cuarta parte de GPU que Blackwell, y las mismas GPU Vera Rubin son las que Microsoft va a desplegar en Europa con Mistral tras su acuerdo de cómputo soberano. Ahora la parte CPU de esa plataforma se usa para acortar el diseño de la generación siguiente, que será Rosa con núcleo Rigel.
Es un bucle cerrado: la generación actual acelera el diseño de la próxima, que acelerará el diseño de la que venga detrás. Con AMD apretando por el lado del sistema completo tras lanzar Helios y fichar a Microsoft Azure, acortar el ciclo de producto es una ventaja competitiva por sí sola.
Por qué importa
Si tu empresa no diseña chips, esto no cambia nada esta semana. Lo que cambia es el ritmo al que llega el hardware que sí acabas pagando, en la factura de tu proveedor de nube o en el precio por millón de tokens de tu modelo. Cuando el fabricante que ocupa la mayor parte del mercado recorta el tiempo entre generaciones, la presión sobre el coste de la inferencia baja antes.
Y hay una lección aplicable a cualquier negocio, sin silicio de por medio. Nvidia está usando su producto para fabricar su producto, y mide la mejora en 1,5x sobre dos herramientas concretas, no en sensaciones. Ese es el nivel de concreción que hay que exigir cuando alguien dice que ha metido IA en sus procesos.
Relacionado
