Por Canuto  

Nvidia sostiene que ajustes de software específicos para los núcleos Olympus pueden elevar casi 39% el rendimiento de Vera en una prueba de multiplicación de matrices. El resultado también muestra una brecha entre la capacidad del hardware y lo que logra el código existente.
***

  • Un kernel adaptado a Olympus elevó de 5,43 a 7,53 las instrucciones por ciclo de Vera en la prueba DGEMM.
  • Con ese código, Vera superó a Grace casi 67% por núcleo y ciclo en esa carga de trabajo concreta.
  • Nvidia presenta Vera para tareas de IA y procesamiento de datos exigentes, no como CPU de propósito general.

 


Nvidia afirma que una optimización de software diseñada para su arquitectura Olympus puede elevar casi 39% el rendimiento de su CPU Vera en una prueba de multiplicación de matrices. La demostración presentada en la conferencia Supercomputing 2026 también expone una limitación práctica: el código que funciona en procesadores Arm existentes puede aprovechar parte de las capacidades de Vera, pero no necesariamente toda la potencia que ofrece su hardware.

Una CPU especializada y con núcleos propios

Vera puede operar como procesador independiente para centros de datos y también como anfitrión de los servidores Vera Rubin NVL72. Nvidia la diseñó con una microarquitectura propia, Olympus, en vez de recurrir a los núcleos Arm Neoverse V2 que utiliza Grace. Esa diferencia importa porque el software optimizado para una arquitectura no siempre utiliza con la misma eficiencia los recursos de otra.

El diseño de Olympus pone el acento en el rendimiento por núcleo y en el desempeño agregado, con 88 núcleos de propósito general y soporte para la tecnología de multihilo espacial de Nvidia, que permite un total de 176 hilos. La empresa eligió esa combinación en lugar de maximizar la cantidad de núcleos por socket, según explicó Hannah Coutand, líder de marketing de producto de Vera en Nvidia, en una entrevista con Tom’s Hardware. La decisión refleja una concesión de diseño: más núcleos no necesariamente dejan espacio para elevar también las instrucciones por ciclo.

Para respaldar ese objetivo, cada núcleo Olympus incluye un decodificador de 10 vías, un predictor neuronal de saltos y un motor de ejecución fuera de orden. También dispone de seis unidades de ejecución vectorial, cuatro pipelines de carga y dos de almacenamiento, junto con cachés privadas amplias y mecanismos de prefetch. Estos componentes buscan mantener ocupadas las unidades de ejecución y reducir demoras al acceder a los datos, aunque su presencia por sí sola no garantiza que cualquier programa los aproveche plenamente.

Nvidia vincula esas características con aplicaciones que necesitan alto rendimiento por núcleo, mucho ancho de banda de memoria y baja latencia. Coutand describió Vera como una CPU que no pretende cubrir de manera indistinta todas las tareas de un centro de datos: para un servidor web de propósito general, dijo, podrían existir alternativas más adecuadas. La compañía la orienta principalmente a cargas de inteligencia artificial, incluida la IA agéntica, y a aplicaciones de procesamiento de datos que valoren esas capacidades.

La prueba que mostró la brecha del software

Para comparar Olympus con Neoverse V2, investigadores de Nvidia utilizaron una carga DGEMM, es decir, una operación de multiplicación general de matrices en doble precisión. El kernel inicial provenía de OpenBLAS, una biblioteca abierta de álgebra lineal que incluye código adaptado a Neoverse V2, el tipo de núcleo que impulsa a Grace. Sin embargo, esa biblioteca no contaba con un kernel creado específicamente para Olympus, una diferencia que condiciona la comparación entre ambos procesadores.

Los investigadores también recurrieron a miniKernelGEMM, un benchmark independiente, con un problema de matrices de 128 por 128 que cabe en la caché L1 de los dos procesadores. Con el kernel de Neoverse V2, Grace alcanzó 4,51 instrucciones por ciclo de reloj y 13,03 operaciones FP64 por ciclo. Vera ejecutó exactamente el mismo código y registró 5,43 instrucciones por ciclo y 15,69 operaciones FP64, una mejora aproximada de 20% frente a Grace en esa medición.

La brecha aumentó cuando Nvidia sustituyó el código compartido por un kernel ajustado para Olympus. En esa configuración, Vera llegó a 7,53 instrucciones por ciclo y 21,75 operaciones FP64 por ciclo, lo que representa casi 67% más rendimiento que Grace por núcleo y ciclo en esta prueba particular. La mejora de casi 39% destacada por Nvidia compara el resultado de Vera con el código no adaptado frente al obtenido tras optimizarlo para su arquitectura, no una aceleración garantizada para todo tipo de programa.

La capacidad máxima teórica también ayuda a interpretar los resultados. Neoverse V2 cuenta con cuatro pipelines SIMD de 128 bits que pueden ejecutar en conjunto 16 operaciones FP64 por ciclo, mientras que Olympus integra seis pipelines de ese tipo y alcanza hasta 24, una diferencia de 50% en el pico computacional. Sin embargo, el kernel diseñado para Neoverse V2 aprovechó 81,4% del máximo de Grace, pero solo cerca de 66,5% de los recursos FP64 de Vera.

El código debe acompañar al hardware

Los cambios específicos para Olympus elevaron el uso de la capacidad FP64 de Vera a 90,6%, de acuerdo con el tutorial de Nvidia presentado en SC26. El equipo modificó la organización de las matrices en bloques o tiles, la asignación de registros y la programación de instrucciones. Esos ajustes no cambiaron el procesador: ordenaron el trabajo para que se correspondiera mejor con la forma en que Olympus ejecuta las operaciones.

El resultado ilustra por qué trasladar una aplicación entre procesadores compatibles con Arm no siempre basta para conservar el mismo nivel de eficiencia. Un kernel escrito para Neoverse V2 todavía pudo correr en Vera y ofrecer una mejora sobre Grace, pero dejó sin utilizar una parte mayor de los recursos vectoriales de Olympus. La optimización específica redujo esa brecha en la multiplicación de matrices evaluada, aunque no permite concluir que otras aplicaciones obtendrán el mismo aumento.

La prueba tampoco responde cuánto rendimiento adicional puede conseguirse al adaptar software para Olympus en tareas distintas de DGEMM. Los datos divulgados se refieren a un benchmark concreto y a operaciones de doble precisión, por lo que la magnitud del beneficio dependerá de las necesidades de cada carga de trabajo y de cómo esta use los recursos del procesador. El desempeño potencial de Vera y el que ofrece un programa sin ajustes pueden ser distintos.

Nvidia también plantea Vera como una CPU para servidores independientes, además de su uso en sistemas Vera Rubin. Para que alcance su potencial en aplicaciones sensibles al rendimiento, el software crítico tendrá que adaptarse a las particularidades de Olympus, un trabajo que también han afrontado durante años Intel y AMD con sus propias arquitecturas. Nvidia cuenta con experiencia en el desarrollo de ecosistemas y herramientas para plataformas como CUDA, pero la prueba no establece qué aplicaciones recibirán optimizaciones ni cuándo.


Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín