一个GPU企业，为什么开始拿CPU说事？

在AI算力叙事中，GPU显然是主角，这也是NVIDIA被投资者追捧的缘由。不过，8月底，NVIDIA Vera CPU正式实现批量出货。Vera的到来，正在打破这一固有认知：在AI Agent浪潮之下，CPU不再只是简单的处理器，而是整个AI工厂的调度中枢。

一、AI时代，为什么传统CPU越来越不够用？

很长一段时间，AI行业存在一个普遍认知误区：AI算力等于GPU算力。训练、推理的绝大部分重计算工作交给GPU，CPU只负责基础操作系统、网络转发与简单调度。但这套逻辑在智能体时代面临巨大挑战。

智能体的运行逻辑并非简单一次性生成Token，而是一套循环往复的执行链路。整套链路大量是串行逻辑，上一步没有完成，下一步就无法启动。此时单纯堆砌CPU核心数量，并不能缩短单步循环的延迟，反而会因为多核心争抢总线、缓存资源，拖累单核响应速度。智能体的响应速度，很大程度被CPU单线程性能锁死。

这正是Vera CPU诞生的底层逻辑。英伟达没有继续沿着Grace CPU的路线单纯堆叠核心，而是选择大规模部署下的极致单线程性能作为核心设计目标，直面Agent工作负载带来的全新算力矛盾。目前首批Vera CPU已交付OpenAI、Anthropic、SpaceX AI、Oracle等头部客户，戴尔、HPE、超微、联想等整机厂商完成硬件适配，多家云厂商已上线基于Vera的智能体云服务，生产环境实测数据持续落地。

二、Vera CPU核心架构：为AI智能体量身定制

Vera CPU的核心亮点，是英伟达全新自研的Olympus CPU核心，基于ARMv9.2‑A指令集打造，单片集成88颗Olympus核心、支持176线程。芯片搭载英伟达独创的空间多线程Spatial Multithreading技术，彻底区别于传统SMT超线程的时分复用模式，通过对流水线、寄存器资源做物理隔离，让每个核心的两个任务拥有独立硬件支撑。

这一设计完美适配AI工厂多租户、高并发的复杂场景，能够稳定控制任务延迟，避免资源抢占导致的性能波动。对比上一代Grace CPU，Olympus核心IPC提升50%，重点强化分支预测、深度乱序执行能力，精准匹配智能体场景高频分支跳转、沙盒代码高频运行的业务特征，从底层解决传统CPU串行任务卡顿、响应滞后的痛点。

内存吞吐是制约AI智能体运行效率的关键短板，也是Vera CPU重点优化的方向。该芯片搭载第二代低功耗LPDDR5X内存，最高带宽可达1.2TB/s，相较传统通用CPU带宽翻倍，同时功耗控制在40W以内，仅为传统产品的一半。

针对智能体频繁数据读取、图遍历、多轮数据校验的工作特性，Vera的内存架构能够大幅降低数据读写延迟，图遍历类核心工作负载性能较传统x86 CPU提升3倍以上。同时搭载第二代可扩展一致性架构SCF，实现88核高速互通，片间带宽高达3.4TB/s，即便CPU满载运行，也能维持低抖动、低延迟的稳定表现，彻底解决高并发场景下的性能跳水问题。

在异构算力协同上，Vera CPU搭载第二代NVLink‑C2C互联技术，实现CPU与Rubin GPU之间1.8TB/s的双向带宽，性能是PCIe 6.0的7倍，极大缩减CPU与GPU之间的数据搬运开销，让AI任务调度、数据交互更高效。

同时芯片兼容PCIe6.4、CXL3.1主流高速接口，支持ARM机密计算，兼顾AI专属场景的极致性能与通用数据中心的兼容性需求。TDP区间控制在250‑450W，部署场景灵活，既可搭配Rubin GPU组成Vera‑Rubin全功能AI异构平台，也可独立部署，专注智能体编排、强化学习仿真、数据流水线处理等任务，高密度液冷机架单机架最高可部署256颗Vera CPU，适配大规模AI集群建设需求。

在Vera之前，英伟达其实推出了Grace CPU。

Grace CPU的核心定位是替代传统通用服务器CPU，主打通用计算、HPC超算、常规AI加速场景，核心优势是全域适配性，满足数据中心通用算力需求，稳稳守住传统数据中心市场。

而Vera是纯AI智能体专属CPU，完全针对Agent循环执行、串行调度、高频交互的特殊负载优化，放弃了冗余的通用计算能力，集中资源强化单线程延迟、内存带宽、异构协同能力，精准卡位智能体、强化学习、大模型工具调用等全新增量市场。一者守存量、一者拓增量，让英伟达在数据中心CPU赛道形成全覆盖优势。

三、行业格局变化：Arm崛起，x86面临新挑战

Vera的量产落地，不仅是英伟达的产品迭代，更是搅动算力芯片市场。长期以来，x86架构凭借成熟的生态，垄断全球绝大多数数据中心市场。

但是随着大模型与AI Agent所引发的变革，传统x86架构的短板开始暴露：单核调度延迟高、内存带宽不足、异构协同效率低，难以适配智能体的高频循环任务。

为此，AMD Zen6、英特尔Diamond Rapids等新一代x86服务器CPU，都开始针对性强化单线程性能与内存带宽，侧面印证智能体正在重塑服务器CPU的设计标准。

与此同时，Arm架构迎来新一轮爆发。Arm AGI CPU、AWS Graviton、微软自研CPU、英伟达Vera等产品，凭借低功耗、高带宽、强异构协同的优势，持续抢占x86市场份额。

随着Grace CPU过去十二个月营收突破50亿美元，叠加Vera的规模化落地，CPU已然成为英伟达继GPU之后的第二增长曲线。

不可否认，Vera CPU具备极强的AI场景适配能力，但同样存在明确的落地边界。优势层面，Vera深度适配英伟达CUDA生态，Vera‑Rubin异构平台的内部协同效率行业顶尖，是目前大规模部署AI智能体集群的最优算力底座之一，能够最大化释放大模型与智能体的落地价值。

但短板也十分突出：其一，产品高度绑定英伟达软硬件栈，在非CUDA生态的通用业务场景中，性能优势无法充分发挥，适配场景相对垂直；其二，作为Arm架构处理器，其操作系统、中间件、行业业务迁移的软件生态，仍需持续完善，短期内无法适配政企、金融等高度依赖x86生态的传统业务场景。因此，Vera的主战场将长期聚焦AI原生、大模型、智能体等前沿赛道，而非全面替代通用x86服务器CPU。

结语

对于Vera CPU批量交付的意义，我们不应将视角局限于一款新品芯片的发布。

当下的AI算力体系中，GPU负责核心计算生成，CPU承担规划调度、工具交互、环境仿真等核心控制工作，各司其职，形成完整算力闭环。

可以预见，随着AI智能体加速商业化落地，CPU将成为AI基础设施的主角,从而完成自身价值的重新评估。（文/李祥敬）