- CoreWeave sumará la CPU NVIDIA Vera a su nube para cargas de IA agéntica y aprendizaje por refuerzo.
- El despliegue será bare metal a escala de rack, con 128 CPU y 11.264 núcleos por rack.
- Vera promete 88 núcleos Olympus, 176 hilos, LPDDR5X y NVLink-C2C para acelerar el trabajo de CPU alrededor de los agentes.
- CoreWeave Sandboxes busca lanzar miles de entornos aislados con arranques más rápidos que en x86.
CoreWeave ha comunicado que ampliará su catálogo de cómputo con la CPU NVIDIA Vera, un procesador que la compañía presenta como el primero concebido específicamente para agentes de inteligencia artificial. El movimiento no se limita a añadir una pieza de hardware: la empresa quiere ejecutarlo en bare metal y a escala de rack para tareas de IA agéntica y aprendizaje por refuerzo, manteniendo la misma plataforma, modelos de consumo y lógica económica que el resto de su flota.
El anuncio se produjo en el marco de Fully Connected, la conferencia de nube de IA de CoreWeave en San Francisco, un encuentro que la firma sitúa por encima de los 4.500 asistentes entre clientes, socios, desarrolladores y responsables de IA. La propuesta encaja con una idea que gana peso en el sector: las GPUs no lo hacen todo y, alrededor de cada paso de un agente, hay una cantidad creciente de trabajo que recae en la CPU.
Qué es Vera y por qué se habla tanto de la CPU en la IA de agentes
CoreWeave describe la IA agéntica como un bucle continuo de ejecutar, observar, curar, mejorar y evaluar. En ese ciclo, las GPUs se ocupan del entrenamiento y del razonamiento pesado de los modelos, mientras que las CPUs asumen las tareas de contorno: sandboxes aislados, entornos de aprendizaje por refuerzo, llamadas a herramientas, ejecución de código y canalizaciones de datos. Es un reparto menos vistoso que el de los aceleradores, pero marca el ritmo real cuando se despliegan agentes en producción.
La demanda de esas tareas es intermitente y difícil de anticipar. Según la compañía, un solo paso del bucle puede necesitar miles de entornos durante una hora y pasar después a casi nada hasta la siguiente ejecución. A medida que crecen las cargas posteriores al entrenamiento y las de IA agéntica, ese trabajo intensivo en CPU gana peso, de modo que la infraestructura necesita densidad para los picos y flexibilidad para escalar a la baja sin complicaciones operativas.
La apuesta de CoreWeave: rack, bare metal y sandboxes
El despliegue de CoreWeave con Vera se organiza a escala de rack. Cada rack aloja 128 CPU y 11.264 núcleos, con DPUs BlueField-4 y conmutación Ethernet Spectrum-X para conectar los nodos. Con esa densidad, la empresa afirma que puede dar cabida a más de 11.000 entornos concurrentes de agentes, una cifra relevante para equipos que necesitan lanzar muchos procesos efímeros sin que el rendimiento por sandbox se desmorone.
La pieza que permite ese planteamiento es CoreWeave Sandboxes, lanzado el 14 de mayo de 2026. Se trata de una capa de ejecución que ofrece entornos seguros y aislados para aprendizaje por refuerzo, uso de herramientas de agente y evaluación de modelos. Está disponible en la infraestructura del cliente mediante CoreWeave Kubernetes Service o como tiempo de ejecución sin servidor a través de Weights & Biases, con un SDK de Python que incluye gestión de sesiones, integración de almacenamiento y herramientas de monitorización.
En las pruebas de CoreWeave, los tiempos de arranque de sandbox sobre la CPU NVIDIA Vera fueron más de tres veces más rápidos que en una CPU x86 comparable. La empresa insiste en que cada sandbox opera por defecto en un entorno virtual totalmente aislado, de forma que un fallo o un proceso descontrolado en uno no debería afectar a otro. Esa combinación de aislamiento y velocidad busca que los agentes se ejecuten junto a los trabajos de entrenamiento que los alimentan.
Especificaciones de NVIDIA Vera: núcleos, memoria y enlaces
NVIDIA describe Vera como una CPU pensada para el trabajo que queda detrás de la IA agéntica y el aprendizaje por refuerzo: ejecución de código, uso de herramientas, sandboxing, análisis, canalizaciones de datos y orquestación más allá del modelo. El procesador incorpora 88 núcleos Olympus personalizados y su Multihilo Espacial permite alcanzar 176 hilos con recursos de núcleo particionados, una forma de aumentar la concurrencia sin multiplicar físicamente los núcleos.
- Memoria: LPDDR5X con hasta 1,2 TB/s de ancho de banda y capacidad de hasta 1,5 TB.
- Interconexión: Scalable Coherency Fabric de segunda generación con 3,4 TB/s de ancho de banda bisectivo.
- Enlace con GPU: NVLink-C2C con hasta 1,8 TB/s de ancho de banda coherente entre las CPU Vera y las GPU de NVIDIA.
La compañía asegura que Vera ejecuta las cargas de compilación, análisis de código y cadena de herramientas de Python de un bucle de razonamiento de agente hasta 1,8 veces más rápido que las CPU x86 líderes. También afirma que su subsistema de memoria LPDDR5X ofrece el doble de ancho de banda total y tres veces el ancho de banda por núcleo que las CPU x86 líderes con DDR5. Son cifras relativas facilitadas por NVIDIA, comparadas con la CPU x86 de última generación, y la propia empresa advierte de que pueden cambiar.
Qué cambia para los equipos que trabajan con agentes
Para los equipos que desarrollan agentes, el mensaje de fondo es que el coste y la latencia no dependen solo de la GPU. Si un producto lanza herramientas, ejecuta código o genera miles de sandboxes en paralelo, la CPU generalista puede convertirse en el cuello de botella. Vera apunta a esa capa intermedia y lo hace dentro de una plataforma que ya orquesta GPUs, lo que puede reducir el tiempo entre pasos del bucle y simplificar la operación.
En el caso de España o Europa, donde muchas empresas dependen de proveedores cloud internacionales, la relevancia está en la disponibilidad y en las condiciones contractuales. CoreWeave sostiene que Vera funciona igual que el resto de su flota: en bare metal, bajo la misma plataforma y con los mismos modelos de consumo. Para un equipo europeo, eso implica preguntar por regiones, latencia, cumplimiento y coste por sesión antes de mover cargas agenticas a una infraestructura de este tipo.
Chen Goldberg, vicepresidenta ejecutiva de producto e ingeniería en CoreWeave, ha resumido la tesis de la compañía con una idea directa: la infraestructura de propósito general limita la IA agéntica y Vera es, según ella, la primera CPU diseñada explícitamente para acelerarla. Goldberg también señala que la plataforma de CoreWeave admite Vera de forma nativa mediante productos como CoreWeave Sandboxes, lo que permite crear miles de entornos aislados sin fricción operativa adicional.
El anuncio de CoreWeave encaja con una tendencia más amplia: las nubes de IA ya no compiten solo por tener las GPUs más rápidas, sino por orquestar bien todo lo que rodea al modelo. En cargas de aprendizaje por refuerzo y agentes, la capacidad de crear entornos aislados, ejecutar herramientas y procesar datos con rapidez puede marcar la diferencia entre un prototipo y un servicio en producción.
Quedan preguntas razonables: cuánto de ese rendimiento se traslada a aplicaciones reales, cómo se comporta Vera con cargas mixtas y qué precios tendrán los entornos concurrentes. Lo que está claro es que CoreWeave quiere posicionar su nube como un lugar donde las CPUs para agentes dejan de ser un complemento y pasan a ser una pieza de primera línea. Para los equipos que ya pelean con costes de cómputo y tiempos de arranque, la propuesta merece seguimiento, aunque conviene medirla con pruebas propias antes de dar nada por sentado.
