A Vera combina núcleos Olympus, memória LPDDR5X de alta largura de banda e conexão estreita com GPUs. Mas o benchmark divulgado pela NVIDIA ainda não permite declarar uma vitória geral sobre AMD e Intel.
A discussão sobre hardware para inteligência artificial costuma ser dominada por GPUs. Elas fazem sentido para operações massivamente paralelas, mas os sistemas atuais também dependem de uma camada menos visível: CPUs que coordenam ferramentas, executam código, movimentam dados e mantêm milhares de ambientes de software ativos. É nesse espaço que a NVIDIA posiciona a Vera, sua CPU de data center baseada nos núcleos Olympus.
A empresa lista 88 núcleos customizados, 176 threads, até 1,2 TB/s de largura de banda de memória LPDDR5X e até 1,5 TB de capacidade de memória. Também destaca a integração com GPUs por NVLink-C2C [1]. A proposta é relevante para infraestrutura de IA, mas não deve ser confundida com uma nova CPU de desktop nem com uma prova automática de que a arquitetura Arm ultrapassou todo o mercado x86.
Resposta curta
A NVIDIA Vera é uma CPU de servidor desenhada para tarefas de coordenação e execução que aparecem em agentes de IA, ambientes de reinforcement learning e fábricas de IA. Seu diferencial declarado é combinar alto desempenho por núcleo, memória de alta largura de banda e comunicação estreita com GPUs [1] [2].
A NVIDIA também divulgou um resultado de SPECrate Integer do SPEC CPU 2026: 925 para um sistema Vera contra 898 para um sistema com AMD Epyc 9755, diferença de aproximadamente 3%. A Tom’s Hardware ressalta que o resultado não é oficial, foi obtido em um sistema de referência, depende do compilador e usa normalizações específicas para determinadas cargas [3]. Portanto, o dado é um sinal interessante sobre o projeto, não um veredito universal de desempenho ou custo.
Por que uma CPU importa em sistemas de agentes
Um agente de IA não faz apenas uma multiplicação de matrizes. Ele pode interpretar uma solicitação, decidir qual ferramenta chamar, executar um trecho de código, consultar um banco de dados, avaliar o resultado e iniciar outra etapa. Muitas dessas tarefas têm dependências entre si e não se beneficiam da mesma forma de paralelismo amplo usado no treinamento de modelos.
A NVIDIA diz que os núcleos Olympus foram pensados para caminhos irregulares e dependentes, comuns em agentes, reinforcement learning e infraestrutura de IA [2]. Isso ajuda a entender o posicionamento da Vera: a CPU não aparece como substituta direta da GPU, mas como parte do sistema que alimenta, coordena e acompanha o trabalho acelerado por GPU.
Essa distinção é importante para o leitor brasileiro que acompanha o mercado de servidores. Mais núcleos, mais memória ou uma conexão mais rápida com a GPU não significam automaticamente mais respostas por real gasto. O resultado depende do software, do grau de paralelismo, do acesso a dados, do número de ambientes simultâneos e da forma como o provedor organiza os recursos.
O que a Vera oferece, segundo a NVIDIA
A lista abaixo reúne especificações apresentadas pela própria fabricante. Elas devem ser lidas como características anunciadas do produto, não como resultados de teste independente.
Núcleos: 88 Olympus. Por que importa: pode ampliar a capacidade de executar tarefas de controle e processamento em paralelo.
Threads: 176, via NVIDIA Spatial Multithreading. Por que importa: permite atender mais fluxos simultâneos, com recursos particionados segundo a NVIDIA.
Memória: até 1,5 TB. Por que importa: ajuda a manter conjuntos de dados e ambientes de software próximos da CPU.
Largura de banda da memória: até 1,2 TB/s de LPDDR5X. Por que importa: reduz gargalos quando a carga movimenta muitos dados.
Interconexão com GPUs: até 1,8 TB/s de largura de banda coerente via NVLink-C2C. Por que importa: pode diminuir o custo de troca de dados entre CPU e GPU.
Interconexão interna: 3,4 TB/s de largura de banda bisseccional no SCF, segundo a página da NVIDIA. Por que importa: busca manter acesso previsível entre núcleos, cache, memória e I/O.
O sistema também usa a segunda geração do NVIDIA Scalable Coherency Fabric, ou SCF, para conectar núcleos, cache, memória, entrada e saída e NVLink-C2C em um único compute die [1]. A ideia é evitar parte das penalidades de comunicação entre chiplets e manter latência e vazão mais previsíveis, especialmente quando a CPU está muito ocupada. Essa é a proposta técnica da NVIDIA; o dossiê consultado não contém uma medição independente que confirme o ganho em diferentes aplicações.
O que significa a arquitetura Olympus
O material técnico da NVIDIA descreve uma arquitetura com execução fora de ordem profunda, previsão de valores, renomeação de memória, prefetchers e um graph prefetcher [2]. Em linguagem simples, esses mecanismos tentam antecipar dependências e dados para que o processador passe menos tempo esperando.
Isso faz sentido em cargas nas quais a próxima etapa depende do resultado da anterior. Um agente pode precisar concluir uma chamada de ferramenta antes de iniciar a seguinte, ou executar pequenos trechos de código em ambientes isolados. Uma CPU capaz de reduzir essas esperas pode melhorar o tempo de resposta por tarefa, mesmo quando não é o componente responsável pelo maior volume de cálculos.
Ainda assim, é preciso evitar uma conclusão exagerada. A existência de mecanismos avançados na microarquitetura não informa, sozinha, o desempenho em um serviço real. Compiladores, bibliotecas, sistema operacional, topologia do servidor, configuração de memória e comportamento do aplicativo também influenciam o resultado.
Como ler o benchmark de SPEC CPU 2026
O número mais comentado é 925 para Vera contra 898 para um sistema baseado no AMD Epyc 9755. A diferença é de cerca de 3% na pontuação base reportada pela NVIDIA [3].
O SPEC CPU é uma família de testes para avaliar desempenho de processadores em cargas computacionais padronizadas. No caso citado, a análise da Tom’s Hardware destaca o SPECrate Integer, que mede vazão: em vez de perguntar apenas quanto tempo uma tarefa individual leva, o teste observa quanto trabalho o sistema consegue concluir em determinado período. Esse tipo de medição tende a favorecer máquinas com mais núcleos quando o conjunto de tarefas escala bem.
A Tom’s Hardware fez três ressalvas que mudam a leitura do resultado [3]. Primeiro, o número não era um resultado oficial submetido ao órgão responsável pelo benchmark. Segundo, a Vera foi testada em um sistema de referência de disponibilidade limitada. Terceiro, o compilador pode influenciar significativamente a pontuação, e a comparação usou GNU 15.2 nos dois sistemas.
Além disso, a NVIDIA normalizou parte dos dados por núcleo para representar cargas de agentes e reinforcement learning que executam muitos ambientes simultaneamente. Essa escolha pode ser útil para o caso de uso defendido pela empresa, mas não transforma a medição em um retrato de todo servidor, aplicação ou serviço de IA.
O que o resultado permite concluir
O benchmark sustenta uma conclusão moderada: a NVIDIA tem um projeto de CPU capaz de competir em uma carga inteira específica, mesmo com uma configuração que, segundo a análise independente, teria desvantagem de threads em relação ao sistema comparado. Isso torna a Vera uma peça relevante para acompanhar.
O resultado não sustenta, sozinho, que a Vera seja mais rápida em bancos de dados, virtualização, compilação, aplicações corporativas, cargas de uso geral ou todos os serviços de agentes. Também não permite comparar custo total de propriedade, consumo, disponibilidade, manutenção ou desempenho por watt, porque esses dados não estão no dossiê.
Para um operador de infraestrutura, a pergunta prática não é apenas “qual CPU venceu?”. É “qual combinação de CPU, memória, GPU, software e rede entrega o menor tempo de resposta e o menor custo por tarefa no meu serviço?”. A resposta exigiria testes reproduzíveis com a aplicação real.
Impacto prático e pontos ainda em aberto
A Vera pode interessar principalmente a empresas que montam infraestrutura integrada de IA e precisam coordenar muitas tarefas curtas entre CPU e GPU. A conexão NVLink-C2C, a largura de banda de memória anunciada e o foco em desempenho por núcleo são coerentes com esse cenário [1] [2].
Mas ainda faltam informações importantes para uma decisão de compra: preço, disponibilidade comercial, consumo comparável, desempenho em aplicações reais, suporte de fornecedores de nuvem e disponibilidade no Brasil. Nenhuma dessas respostas pode ser inferida apenas a partir das especificações anunciadas ou do resultado preliminar de SPECrate.
Também não há, nas fontes consultadas, um benchmark independente completo que coloque Vera, Epyc e Xeon em uma série ampla de cargas. Até que esse material exista, a melhor postura é considerar a Vera uma arquitetura promissora para um nicho de data center, não uma substituta universal para todas as CPUs de servidor.
Limitações desta análise
Este artigo usa a página oficial da NVIDIA, um texto técnico da própria empresa e a análise independente da Tom’s Hardware. Não inclui teste próprio, acesso a um sistema Vera, medição de consumo, preço, disponibilidade, custo de operação ou benchmark independente reproduzível. Os números de especificação são alegações da fabricante; a comparação 925 contra 898 é um resultado divulgado pela NVIDIA e analisado pela Tom’s Hardware, não uma certificação universal de desempenho.
Conclusão
A NVIDIA Vera mostra como a disputa por infraestrutura de IA está se deslocando para além da GPU. Em agentes, a CPU precisa coordenar ferramentas, dados e ambientes com baixa latência, e a NVIDIA desenhou Olympus, a memória LPDDR5X e o NVLink-C2C para esse tipo de integração [1] [2].
O resultado preliminar de SPEC CPU 2026 reforça que a empresa tem uma proposta competitiva, mas a diferença de aproximadamente 3% não encerra a discussão. O teste é específico, não oficial e sujeito a escolhas de compilador e normalização [3]. Para o mercado, a notícia mais importante não é que a Vera “venceu” a AMD: é que a NVIDIA está tentando controlar também a camada de CPU da infraestrutura que sustenta seus sistemas de IA.
Antes de concluir que a Vera muda o mercado, será necessário observar preço, disponibilidade, consumo, suporte de software e testes independentes em cargas reais. São esses fatores, e não apenas a contagem de núcleos ou um único número de SPECrate, que decidirão se a arquitetura encontrará espaço amplo nos data centers.
Fontes e referências
[1] NVIDIA. *Next Gen Data Center CPU | NVIDIA Vera CPU*. Página oficial de produto. https://www.nvidia.com/en-us/data-center/vera-cpu/
[2] NVIDIA Developer Blog. *NVIDIA Vera CPU: Olympus Cores Built for Maximum Single-Thread Performance in Agentic AI*. 21 jul. 2026. https://developer.nvidia.com/blog/inside-nvidia-vera-cpu-olympus-cores-built-for-maximum-single-threaded-performance-in-agentic-ai/
[3] ROACH, Jake. *Nvidia deep dives Vera CPU for AI data centers — SPEC CPU 2026 benchmarks revealed, Olympus architecture specifics, and more*. Tom’s Hardware, 21 jul. 2026. https://www.tomshardware.com/pc-components/cpus/nvidia-spills-the-beans-on-vera-cpu-spec-benchmarks-revealed-olympus-architecture-detailed-and-more