ARM revoluciona la IA: AGI CPU con 136 núcleos
ARM anunció el 24 de marzo su primer chip de fabricación propia en 35 años: el AGI CPU, un procesador de 136 núcleos en 3nm diseñado para inferencia de IA a escala datacenter. Meta es el cliente de lanzamiento, junto a OpenAI, Cerebras, Cloudflare y otros. El movimiento marca la entrada de ARM al mercado de silicon competitivo, aunque como CPU coordinator en la capa de orquestación, no como competidor directo de Nvidia en aceleración GPU.
En 30 segundos
- ARM lanzó el AGI CPU: 136 núcleos Neoverse V3, proceso TSMC 3nm, 300W TDP, latencia sub-100ns en memoria.
- Meta, OpenAI, Cerebras, Cloudflare, SAP, SK Telecom y 50+ empresas (incluyendo AWS, Google, Microsoft, Nvidia) respaldan el chip.
- Se posiciona como CPU orchestrator para inferencia IA agéntica, coordinando modelos y gestión de memoria, no como reemplazo de GPU.
- Early systems disponibles ahora; disponibilidad general esperada en H2 2026.
- Cambio histórico: ARM pasa de empresa de licencias de IP a productor de silicon propio, alterando la dinámica competitiva del datacenter.
ARM es una empresa británica que diseña arquitecturas de procesadores RISC utilizadas en dispositivos móviles, servidores y centros de datos. Sus diseños sirven como base para procesadores fabricados por otras empresas y socios de licencia.
ARM AGI CPU: el primer chip propio en 35 años de historia
Hasta ahora, ARM era la empresa neutral detrás de la arquitectura: licensiaba el diseño, las empresas fabricaban. Eso significa que Qualcomm, Apple, Samsung, MediaTek, todos corrían en arquitectura ARM pero el chip físico lo hacía otro. Eso fue el modelo de negocio durante 35 años.
El AGI CPU rompe eso. (Spoiler: era inevitable que pasara.) ARM no es que haya decidido de la nada entrar al negocio de silicon: leyó el mapa del mercado de IA, vio que el cuello de botella en inferencia a escala no está solo en las GPUs sino en cómo se orquestan, cómo se mueve datos entre modelos, cómo se coordina memoria compartida, y dijo “bueno, acá hay un hueco”. Y metió fichas.
La acción de ARM subió 16-17% el día del anuncio. El mercado interpretó el mensaje: esto no es un experimento, es un pivote estratégico. Según TechCrunch, ejecutivos de ARM confirmaron que esto abre la puerta a productos de silicon propios continuos, no es un one-off.
Especificaciones técnicas: 136 núcleos Neoverse V3 en TSMC 3nm
Los números concretos: 136 núcleos ARM Neoverse V3 en proceso TSMC 3nm, TDP de 300W, ancho de banda de memoria 6 GB/s por núcleo a latencia sub-100ns, rendimiento hasta 2× sobre x86 según mediciones de TrendForce.
Ahora, ¿qué significa “sub-100ns de latencia”? Ponele que vos tenés una orquestación de modelos de lenguaje corriendo en paralelo en 10 máquinas distintas, necesitás mover datos de un modelo a otro sin esperar, sin que la latencia de red te rompa el rendimiento determinístico, sin que un thread se quede esperando indefinidamente y te colapse el scheduler. Eso es latencia predecible: el AGI CPU garantiza que bajo carga sostenida no throttlea, no hay thermal throttling, no hay competencia entre núcleos por memoria. Un núcleo = un hilo de programa = rendimiento sólido, aunque esté toda la máquina bajo carga.
Densidad: hasta 8.160 núcleos por rack con refrigeración por aire, o 45.000+ núcleos por rack si usás liquid cooling. Eso es escala: una sola máquina del tamaño de un refrigerador con más poder de coordinación que clusters enteros de servidores x86. Ya lo cubrimos antes en herramientas y frameworks para inferencia.
Para qué sirve: la capa de orquestación en inferencia IA a escala
No es una GPU. Esto es importante que quede claro porque si no, la gente piensa “ARM compite con Nvidia en inferencia”, y no, no es así. El AGI CPU es CPU. Es más: en la documentación oficial de ARM, explícitamente dicen que el chip está pensado para “AI orchestration layer”, no para cálculo vectorial.
En una arquitectura de inferencia IA moderna, tenés múltiples capas: el modelo corre en GPU (H100, H200, B200), genera outputs, esos outputs entran a otro modelo, o entran a un módulo de reasoning, o van a memoria compartida para el siguiente request. Ahí es donde entra el ARM AGI CPU: coordina qué modelo corre cuándo, dónde se guardan los activations, cómo se mueven los embeddings, qué GPU atiende cuál request. Determinismo bajo carga: si vos sos OpenAI y tenés que servir 100 millones de requests de inferencia simultáneamente, sin que ninguno se pierda ni se quede esperando en cola indefinidamente, necesitás una CPU con overhead de context-switching de nanosegundos, no microsegundos. Eso es lo que ARM entrega.
Otra forma de decirlo: mientras Nvidia optimiza la velocidad de multiplicación matricial, ARM optimiza que 10.000 tareas diferentes no se pisoteen en memoria. (Si es que se puede llamar “competencia” cuando ambas van al mismo datacenter pero en capas distintas.)
Los clientes de lanzamiento: Meta, OpenAI y el club de los early adopters
Meta es el cliente principal. Tiene sentido: Meta corre Meta AI en escala masiva, entrena modelos propios, sirve inferencia a miles de millones de usuarios. OpenAI también está en la lista. Junto con Cerebras (startup de IA), Cloudflare (edge computing / AI), F5 (networking), Positron (fintech AI), Rebellions (startup de semiconductores), SAP (enterprise), SK Telecom (telecom asiático).
En cuanto a OEMs de servidores: Supermicro, Lenovo, Quanta Computer, ASRock Rack. Eso significa que para fin de trimestre ya hay sistemas físicos disponibles. Tom’s Hardware reporta que ARM espera disponibilidad general en H2 2026, así que estamos hablando de junio-diciembre como ventana realista.
El ecosistema detrás: más de 50 empresas
Esto es lo más interesante del anuncio. No es solo que Meta compre. AWS, Broadcom, Google Cloud, Marvell, Micron, Microsoft, Nvidia, Samsung, SK Hynix, TSMC todos expresaron respaldo oficial. Incluso Nvidia. (Eso fue el momento “¿en serio?”) Complementá con construir tu propia infraestructura.
¿Por qué Nvidia apoyaría un potencial competidor? La respuesta es que el AGI CPU no compite con Nvidia en lo que Nvidia domina (aceleración matricial, TensorRT, CUDA). Complementa. Una GPU sin un CPU bueno que la coordine es como tener un Ferrari pero sin conductor. El AGI CPU es el conductor.
Pero ahí está la paradoja a largo plazo: si ARM entra en silicon propio, ¿cuánto falta para que ARM lance aceleradores de IA propios? Eso sí sería un competidor directo de Nvidia. Entonces Nvidia apoya ahora para tener good faith, influencia en el board de ARM, y poder frenar eso después. Política corporativa del datacenter.
ARM vs Nvidia: ¿competidor o complemento?
Hoy, complemento. El AGI CPU no reemplaza H100, H200, B200 de Nvidia. Las GPU siguen siendo el motor de cálculo. Pero ARM en el mercado de CPU para datacenter IA sí compite con Intel y AMD, que hasta ahora eran los únicos en la cancha. Y eso importa porque, según Futurum Group, el mercado de CPU para datacenters de IA vale 15.000 millones de dólares. Eso es un mercado serio. Intel Xeon y AMD EPYC todavía dominan (sobre todo Xeon en infraestructura heredada), pero ARM AGI CPU entra a esa partida.
A largo plazo: ¿ARM lanza acelerador propio? Si lo hace, ahí sí se rompe el acuerdo tácito con Nvidia. Pero por ahora, ARM está jugando en una capa que Nvidia no domina. Lo explicamos a fondo en seguridad en procesamiento de datos.
Disponibilidad, hoja de ruta y qué esperar en H2 2026
Fin de marzo 2026: early systems, acceso limitado. Finales de Q2 / inicio Q3: más sistemas. H2 2026: disponibilidad general. Formato: servidores 1U y 2U para aire, liquid-cooled para densidad máxima.
Roadmap: ARM confirmó que el AGI CPU es el primer producto de una línea. Traducción: no es one-time. Vendrán generaciones, optimizaciones, probablemente aceleradores especializados en el futuro. Eso sí cambia el modelo de negocio: ARM pasó de royalties por licencia a ingresos directos por silicon, lo que hace que tenga incentivos distintos en arquitectura.
Errores comunes si pensás en usar esto ahora
1. Pensar que reemplaza tu GPU
No. El AGI CPU es CPU. Si tu workload es entrenamiento de modelos o inferencia vectorial pesada, necesitás GPU igualmente. El AGI CPU coordina, no calcula en matrices.
2. Asumir que está disponible hoy para todos
No. Ahora mismo está en early access para clientes gigantes (Meta, OpenAI, etc.). Si vos no sos una de esas empresas, esperate a H2 2026 para siquiera tener opción de comprar en volumen. Para más detalles técnicos, mirá plataformas empresariales de desarrollo.
3. Olvidar que el problema de tu cluster no es CPU orchestration
Antes de salir a comprar ARM AGI CPU, preguntate: “¿es realmente el CPU el cuello de botella en mi infraestructura?”. Para 90% de las empresas que hacen inferencia, la respuesta es no. Es memoria, es GPU throughput, es latencia de red. El AGI CPU resuelve problemas muy específicos: multi-model orchestration a escala masiva con SLA determinísticas. Nuestros colegas de seguridadenwordpress.com lo analizan en aplicaciones avanzadas de IA.
Esto se conecta con ARM presenta AGI CPU: su primer chip propio con 136 núcleos, donde profundizamos en el tema.
Otro desarrollo importante en este rubro es ARM presenta AGI CPU: su primer chip propio con 136 núcleos, que analizamos en detalle.
Esto se conecta con ARM presenta AGI CPU: su primer chip propio con 136 núcleos, donde cubrimos las novedades en hardware.
Preguntas Frecuentes
¿ARM fabrica sus propios chips de IA ahora?
Sí, desde el 24 de marzo de 2026, con el AGI CPU. Pero aclaremos: es su primer chip propio en 35 años. Hasta ahora solo licenciaba arquitectura. Ahora fabrica en TSMC pero diseño propio, y lo vende.
¿ARM va a competir con Nvidia?
No en aceleración. En CPU para orquestación, sí, pero contra Intel y AMD, no contra Nvidia. El AGI CPU y las GPU de Nvidia trabajan juntas. Ahora, si ARM lanza aceleradores en el futuro, eso ya sería competes directo. Por ahora no es el caso.
¿Cuándo puedo comprar un servidor con AGI CPU?
Early access ahora para gigantes (Meta, OpenAI, etc.). Para el resto, apunta a H2 2026. Supermicro, Lenovo, Quanta, ASRock ya tienen diseños, así que no va a ser imposible conseguir, pero probablemente va a haber espera.
¿Esto significa que Intel y AMD están muertos para datacenter?
No, para nada. Intel Xeon y AMD EPYC siguen siendo el standard en la mayoría de datacenters. El AGI CPU entra a un nicho muy específico: multi-model IA orchestration. Para enterprise general, web servers, databases, seguís con x86.
Conclusión
El AGI CPU es un hito porque marca un cambio tectónico en la estructura del mercado: ARM deja de ser neutral y entra como jugador. Eso tiene consecuencias para toda la industria. Nvidia se beneficia (mejor orquestación = mejor utilización de GPU). Intel y AMD pierden territorio en datacenter (aunque solo en un segmento específico, por ahora). Los proveedores de nube (Meta, Google, OpenAI, AWS) ganan flexibilidad para arquitecturas propias.
Para la mayoría, esto es una noticia de observar, no de actuar ya. El AGI CPU es para empresas con problemas de escala masiva de inferencia IA. Pero si vos construís infraestructura de IA, o administrás datacenters, o evaluás qué comprar para los próximos 5 años, esto es tendencia que tenés que tener en la mira. ARM en silicon propio cambia el juego.
!["There's a new generation of empirical deep learning researchers, hacking away at whatever seems trendy, blowing with the wind" [D] - ilustracion](https://donweb.news/wp-content/uploads/2026/04/investigadores-deep-learning-tendencias-2026-hero-768x429.jpg)