Por qué SpaceXAI desplegará las CPU Vera de NVIDIA para la IA agéntica

El anuncio de NVIDIA del 24 de agosto presenta la adopción de Vera por parte de SpaceXAI como el paso de una evaluación inicial a un despliegue planificado. Estas CPU se encargarán del trabajo que rodea a la inferencia de los modelos —la coordinación de agentes, el uso de herramientas, la ejecución de código, el procesamiento de datos y las simulaciones— para que las GPU puedan mantenerse ocupadas durante más tiempo. 3

La noticia también revela una apuesta más amplia: NVIDIA no quiere ser únicamente el proveedor de los aceleradores que ejecutan los modelos de IA, sino también de las CPU, las redes y la infraestructura de procesamiento que los rodean.

Qué anunció SpaceXAI

NVIDIA afirmó que SpaceXAI desplegará CPU Vera para su próxima generación de aplicaciones de IA agéntica. La compañía también planea ampliar la infraestructura que sustenta Grok sobre NVIDIA Vera Rubin y llevar al espacio un sistema Vera Rubin NVL72 optimizado, integrado en el primer satélite Starmind. 3

Se trata de una declaración arquitectónica relevante, pero no equivale a una confirmación de un despliegue completo en toda la flota. El anuncio establece una adopción prevista, pero no aporta una cifra verificada de sistemas Vera para SpaceXAI, un calendario de entregas finalizado ni resultados de producción medidos de forma independiente.

Vera está diseñada para el trabajo entre llamadas al modelo

Los sistemas agénticos hacen mucho más que generar una respuesta aislada. Pueden seleccionar herramientas, ejecutar código, lanzar simulaciones, procesar datos y coordinar varios pasos antes de ofrecer un resultado. NVIDIA ha orientado Vera hacia esas operaciones intensivas en CPU, en lugar de presentarla simplemente como otro procesador de servidor de propósito general. 38

El objetivo es coordinar mejor las CPU y las GPU. Cuando la carga de trabajo del lado de la CPU se convierte en un cuello de botella, los aceleradores —mucho más costosos— pueden quedar inactivos mientras los agentes esperan a que terminen tareas de orquestación, aislamiento o procesamiento de datos. NVIDIA sostiene que Vera está diseñada para mantener las GPU alimentadas y hacer que los agentes respondan con mayor rapidez. 8

Arquitectura y rendimiento declarado de Vera

NVIDIA describe Vera como su primera CPU creada específicamente para agentes de IA. Sus características incluyen:

• 88 núcleos Olympus diseñados por NVIDIA.
• Spatial Multithreading.
• Memoria LPDDR5X con hasta 1,2 TB/s de ancho de banda.
• Compatibilidad con cargas de trabajo de IA agéntica, aprendizaje por refuerzo y procesamiento de datos. 3

NVIDIA afirma que Vera puede completar determinadas tareas hasta 1,8 veces más rápido que las CPU x86. Esa cifra procede de NVIDIA y debe interpretarse como una afirmación del fabricante, no como un resultado validado por una prueba independiente. La compañía también asegura que Vera ofrece hasta un 80 % más de rendimiento en entornos aislados —conocidos como sandbox— que la infraestructura de CPU tradicional. 38

Para los operadores, la pregunta práctica no es si Vera es más rápida en abstracto, sino cómo se comporta con sus propias cargas de orquestación, aprendizaje por refuerzo, simulación y entornos aislados. También habrá que evaluar el coste total del sistema, incluidas las GPU, la memoria, las redes y el software.

De la evaluación al despliegue previsto

La relación entre SpaceXAI y NVIDIA comenzó antes del anuncio de agosto. NVIDIA afirma que entregó a SpaceXAI un sistema Vera inicial en mayo de 2026. Después, SpaceXAI evaluó el procesador para cargas de aprendizaje por refuerzo y canalizaciones de simulación basadas en agentes conectadas a su infraestructura de entrenamiento. 1

El anuncio de agosto representa el siguiente paso declarado: utilizar Vera en la infraestructura que respaldará futuras aplicaciones de IA agéntica, en lugar de limitarla a una fase de evaluación. Aun así, la información pública no permite saber con qué rapidez se producirá la transición ni cuántos sistemas acabarán desplegándose.

El calendario comercial de Vera

NVIDIA presentó Vera en marzo de 2026 y describió inicialmente sistemas en varios formatos: servidores independientes, configuraciones compatibles con Rubin y despliegues a escala de rack. En aquel momento, la compañía también advirtió que los plazos y la disponibilidad del producto podían cambiar. 211

En mayo, los primeros sistemas Vera llegaron a clientes seleccionados, entre ellos SpaceXAI y Oracle Cloud Infrastructure. En una actualización del 27 de agosto, NVIDIA describió Vera como un producto que ya se enviaba a escala, lo que marca la evolución desde el anuncio inicial hasta las primeras entregas y una disponibilidad de producción más amplia. 1

Este calendario es importante porque el anuncio sobre SpaceXAI habla de adopción dentro de una plataforma en rápida expansión, no solo de un diseño de chip futuro. Sin embargo, decir que Vera se envía “a escala” describe la disponibilidad del producto de NVIDIA; no confirma el tamaño ni la fecha de finalización del despliegue propio de SpaceXAI.

El plan de Oracle aporta peso comercial

Oracle Cloud Infrastructure comunicó que prevé desplegar “cientos de miles” de CPU Vera a partir de 2026 y se describió como el primer proveedor de nube que planea utilizar Vera a escala de hiperescala. NVIDIA ya había entregado a OCI un sistema Vera inicial. 1

El plan de OCI podría ofrecer a Vera un canal de distribución en la nube más allá de los laboratorios individuales de IA. También servirá para comprobar si la arquitectura de NVIDIA puede convertirse en un producto de infraestructura repetible en distintos entornos cloud, en lugar de permanecer como un componente altamente personalizado de los sistemas de referencia de la compañía.

Por qué el acuerdo importa a NVIDIA

Vera forma parte del intento de NVIDIA por controlar una porción mayor de la llamada “fábrica de IA”: el conjunto de CPU, GPU, memoria, redes y software necesario para entrenar y ejecutar sistemas de inteligencia artificial. La estrategia conecta la CPU con las GPU de NVIDIA mediante NVLink-C2C y la sitúa junto al hardware de redes y procesamiento de datos BlueField. 2

Esta integración podría beneficiar a NVIDIA de tres maneras:

1. Reducir los cuellos de botella de CPU: una orquestación y un movimiento de datos más rápidos pueden ayudar a que las GPU trabajen de forma más continua.
2. Aumentar la dependencia de la plataforma: los clientes que adopten CPU, GPU, redes y software de NVIDIA tendrán una parte mayor de su infraestructura vinculada a la pila tecnológica de un solo proveedor.
3. Cuestionar el papel tradicional de las CPU anfitrionas: Vera ofrece una alternativa diseñada para determinadas cargas de IA frente a los servidores x86 convencionales. El anuncio público, no obstante, no demuestra que vaya a sustituir a x86 en la informática de propósito general.

SpaceXAI resulta especialmente significativa porque el anuncio conecta la misma arquitectura general de Vera Rubin con la infraestructura de Grok en la Tierra y con un sistema orbital previsto. Esto apunta a la ambición de NVIDIA de utilizar una arquitectura integrada en entornos de despliegue muy distintos, aunque el componente satelital sigue siendo un plan y no una implementación de producción demostrada. 3

La conclusión

El mensaje más claro del anuncio es que las CPU están ganando importancia estratégica a medida que los sistemas de IA pasan de responder preguntas a ejecutar acciones en varios pasos. SpaceXAI planea usar Vera para la capa de orquestación, ejecución y procesamiento de datos que rodea a sus modelos, mientras que el plan de escala de OCI podría dar a la plataforma una huella comercial mucho más amplia. 13

Pero las afirmaciones más contundentes siguen mirando hacia el futuro. Las cifras de rendimiento de NVIDIA son declaraciones de la propia compañía, y el anuncio no confirma de forma independiente el volumen final del despliegue de SpaceXAI, su rendimiento en producción ni un calendario firme de entregas para toda la flota. La importancia de Vera dependerá, en última instancia, de si sus beneficios a nivel de sistema —sobre todo en utilización de GPU, capacidad de respuesta de los agentes y eficiencia— se mantienen en cargas de trabajo reales.