NVIDIA Vera CPU 将 Agentic AI 性能提升 1.8 倍，相较 x86
realtime news Jul 07, 2026 16:08
NVIDIA 的 Vera CPU 将 agentic AI 工作负载的性能提升至 x86 CPU 的1.8倍，同时降低延迟并在 AI 工厂中最大化 GPU 效率。
NVIDIA 今年早些时候发布的定制 Vera CPU，在解决 agentic AI 系统独特需求方面展现了令人印象深刻的成果。根据 NVIDIA 最新测试，Vera CPU 专为高并发、逻辑密集型工作流设计，在满负载下提供比 x86 处理器快 1.8 倍的性能。
Agentic AI 系统结合了推理、推断和多步骤操作，这些操作很大程度上依赖于 CPU 来处理 GPU 驱动的模型更新之间的任务，包括代码执行、数据处理和检索操作。较慢的 CPU 会造成瓶颈，导致强化学习 (RL) 循环的延迟增加，并加重 GPU 资源的负担。Vera CPU 通过其 88 个 Olympus 核心和单片设计直接解决了这些低效问题，与传统的 x86 芯片相比，其峰值延迟降低了 40%，并且每核心吞吐量显著提高。
更智能的 Agentic AI 与 Vera
强化学习作为 agentic AI 的核心支柱，需要 CPU 和 GPU 之间实时反馈循环。NVIDIA 报告称，与基线 CPU 的 45% 相比，Vera CPU 使得多达 85% 的 RL 环境评估能在训练窗口内完成。这意味着更丰富的训练信号和更快的模型收敛，最终产生更智能的 AI 代理。
推动这种效率的关键架构特性包括一个 10 宽解码前端以提高指令吞吐量、神经分支预测以应对复杂的 AI 工作流，以及深度乱序执行以最大限度减少停顿。与 NVIDIA 的可扩展一致性结构结合，Vera CPU 能够在数千个并行任务中保持性能，而不会像多芯片设计那样出现延迟尖峰。
对 GPU 效率的影响
AI 工厂依赖于无缝的 CPU-GPU 协作以最大化吞吐量。在 agentic 推断中，CPU 通常在 GPU 计算步骤之间执行工具调用或数据查询。如果这些任务被延迟，GPU 可能需要清除缓存数据，从而导致昂贵的重复计算。Vera CPU 减少了这些延迟，确保了更高效的 GPU 利用率，并尽量减少浪费的计算周期。
Vera 提供高达 1.2 TB/s 的内存带宽和每核心 14 GB/s 的性能，也支持复杂 AI 环境所需的大量数据流。这种高带宽与可预测的延迟相结合，使代理在满负载下也能维持状态和上下文，从而避免在高峰活动期间性能下降。
NVIDIA 的战略转型
Vera 标志着 NVIDIA 从 GPU 先锋到全栈 AI 平台供应商演变的重要里程碑。与依赖 Arm Neoverse 核心的前代 Grace CPU 不同，Vera 完全由 NVIDIA 自主设计。这种控制水平允许与公司 GPU 的更紧密集成，例如 Vera Rubin NVL72 平台中的 GPU，这使得 NVIDIA 成为数据中心市场中 AMD 的 EPYC 和 Intel 的 Xeon 处理器的强有力竞争者。
时机也很关键：随着 AI 工作负载的日益复杂，对高度优化的 CPU-GPU 系统的需求正在激增。NVIDIA 声称，Vera 提供比 Grace 高 50% 的每周期指令数 (IPC)，并且相比于 x86 CPU，具有显著更高的性能功耗比，使其成为超大规模 AI 部署的有力选择。
展望未来
随着 agentic AI 系统成为下一代 AI 工厂的基石，Vera CPU 可能在重塑数据中心设计方面发挥关键作用。通过解决 CPU 端的瓶颈，NVIDIA 旨在加速训练时间并提高 AI 系统的响应能力，设定高性能计算的新标准。
对于交易者而言，NVIDIA 进军 CPU 市场巩固了其作为全栈 AI 领导者的地位。尽管公司股票价格今天几乎没有波动，报 $193.43 (-0.01%)，但 Vera 在颠覆数据中心 CPU 市场的长期潜力可能推动未来的增长。投资者应该密切关注 Vera Rubin 平台的采用指标以及即将发布的基准测试作为其市场影响的重要指标。
Image source: Shutterstock.jpg)