Os rumos dos próximos chips de IA e lançamentos

A NVIDIA não está só lançando chips, está redesenhando a hierarquia de computação de IA em dois eixos paralelos e interdependentes: um para data centers agênticos (Vera Rubin), outro para PCs pessoais como assistentes físicos (RTX Spark). A Vera Rubin é a primeira plataforma da empresa com CPU própria projetada exclusivamente para orquestrar agentes, não apenas executar tarefas. A CPU Vera não é uma cópia de x86 ou Arm genérica: é uma máquina de estado de 88 núcleos Arm Olympus com Spatial Multithreading, otimizada para sandboxing, scheduling e controle de fluxo entre múltiplos agentes simultâneos, algo que CPUs tradicionais ainda fazem via software pesado ou com isolamento fraco.

O RTX Spark, por sua vez, é o primeiro superchip que funde GPU Blackwell e CPU Grace num único pacote 3nm com memória unificada real (não apenas coherente), permitindo que LLMs de 120B rodem com 1M tokens de contexto sem paginação ou fallback para disco. Diferente de soluções ARM Windows anteriores, ele traz NVLink-C2C integrado na embalagem, não via PCIe, garantindo 600 GB/s entre CPU e GPU, o que elimina o gargalo que limitava o desempenho de modelos locais em laptops até agora. A colaboração com a MediaTek foi decisiva: ela ajudou a projetar o core N1X da CPU Grace para consumo sub-15W sob carga contínua, mantendo os 20 núcleos ativos mesmo em baterias de 75Wh.

Isso muda o custo de posse de IA em três níveis: no data center, a Vera Rubin reduz o número de racks necessários para treinar modelos de 1T+ parâmetros em até 40%, não por ser mais rápida, mas por eliminar a necessidade de 'replicação de estado' entre servidores durante o treinamento distribuído. No PC, o RTX Spark torna obsoleto o modelo de 'cloud-offload' para agentes pessoais: não há mais necessidade de enviar dados sensíveis para APIs externas, porque o pipeline completo (percepção, raciocínio, ação em apps Windows) roda localmente com OpenShell como guardião. E no ecossistema, a integração da Groq 3 LPU não é um acréscimo, é uma mudança de paradigma: agora inferência de baixa latência (como RAG em tempo real) e treinamento pesado (fine-tuning de LoRAs) podem rodar lado a lado no mesmo rack, sem competir por largura de banda HBM.