NVIDIA Vera CPU: um novo padrão para tarefas de IA agêntica nas fábricas de IA

O blog para desenvolvedores da NVIDIA publicou em maio de 2026 um texto sobre o processador Vera, que a empresa posiciona como um novo padrão de computação para tarefas de IA agêntica nas chamadas "fábricas de IA": data centers densos construídos especificamente para treinamento e inferência de modelos. O ponto de partida do texto é a ideia de que cada nova onda de IA gera sua própria lei de escala. O pré-treinamento ampliou a inteligência dos modelos com mais dados, mais parâmetros e sistemas de GPU massivamente paralelos, mas a próxima etapa, a dos agentes autônomos, exige outro tipo de núcleo de computação.

Como mudaram as leis de escala da IA

Na etapa de pré-treinamento, a indústria seguia uma fórmula simples: mais dados, mais parâmetros, mais GPUs reunidas em clusters paralelos, e o modelo fica mais capaz. Essa lei de escala definiu a arquitetura dos data centers da última década, em que a maior parte da carga de computação ficava com as GPUs, enquanto a CPU tinha papel de apoio: orquestrar e preparar dados para as GPUs. O texto da NVIDIA descreve essa época como a primeira onda, seguida por uma lógica específica não mais do treinamento, mas do uso dos modelos como agentes que trabalham de forma autônoma por longos períodos.

Nos últimos anos, a NVIDIA tem seguido a prática de batizar suas gerações de chips com nomes de cientistas conhecidos, tradição que já deu nome ao processador Grace e às GPUs da linha Blackwell. A Vera continua essa tradição na nova geração de CPUs da empresa. O fato de o blog para desenvolvedores dedicar um texto separado ao papel da CPU, e não da GPU, já é revelador: por muito tempo a GPU foi a heroína incontestável dos materiais técnicos e de marketing da NVIDIA, enquanto o processador era tratado como componente de apoio da plataforma.

O que o processador Vera traz de novo

A Vera é um processador que a NVIDIA prepara como sucessor da linha Grace em sua arquitetura de plataforma, voltada à combinação de CPU e GPU para tarefas de IA. A ideia é que as cargas agênticas, com sessões de longa duração, orquestração de várias chamadas paralelas de ferramentas e necessidade de alternar rapidamente entre tarefas, impõem à CPU exigências diferentes das da inferência clássica. Importa a largura de banda de memória para a GPU, mas também a capacidade da CPU de gerenciar com eficiência muitos processos leves simultâneos da lógica agêntica. É para essa carga que a NVIDIA formula sua nova lei de escala, colocando a Vera no centro da arquitetura das "fábricas de IA" de próxima geração.

Fatos principais:

• O texto foi publicado no blog para desenvolvedores da NVIDIA em maio de 2026
• O processador se chama Vera e é posicionado para tarefas de IA agêntica
• A NVIDIA usa o termo "fábricas de IA" para data centers densos voltados a treinamento e inferência
• Tese do texto: o pré-treinamento escalou por meio de dados, parâmetros e sistemas de GPU paralelos; a etapa agêntica exige uma nova abordagem

O que significa uma "fábrica de IA" para tarefas agênticas

O conceito de "fábrica de IA" reflete uma mudança de metáfora. Em vez do data center como depósito de capacidade de computação, a NVIDIA descreve uma linha de montagem: entram dados e requisições, saem decisões e ações de agentes, produzidas com velocidade e custo previsíveis. Numa fábrica assim, um processador como a Vera não é um auxiliar secundário da GPU, mas um elemento pleno da linha de produção, responsável por orquestrar milhares de sessões agênticas simultâneas.

Para operadores de data centers e desenvolvedores de plataformas agênticas, isso significa que, ao planejar a infraestrutura para sistemas agênticos de grande escala, as características da CPU de nova geração devem ser tratadas como um parâmetro próprio, e não secundário, no mesmo nível do número e do tipo de aceleradores gráficos instalados. A mudança de foco para a CPU nas tarefas agênticas pode ser vista como o reconhecimento de que o crescimento do desempenho da infraestrutura de IA não se resume mais a adicionar novas gerações de aceleradores gráficos: o equilíbrio de toda a plataforma, incluindo processador, memória e conexões de rede entre nós, torna-se tão importante para a eficiência quanto a potência de computação bruta de uma GPU individual.