NVIDIA 的 Vera CPU 以 88 核设计重新定义 AI 工作负载
realtime news Jun 01, 2026 05:07
NVIDIA 的 Vera CPU 在 agentic AI 性能上比 x86 芯片高出 1.8 倍，成为 AI 工厂和强化学习环境的颠覆者。
NVIDIA 发布了其首款专为 agentic AI 工作负载设计的自研 CPU——88 核 Vera CPU。这款产品在 GTC 2026 大会上亮相，旨在通过优先提升单线程性能、内存带宽和并发性来加速 AI 工厂中的 CPU 依赖型任务，例如 Python 执行、数据库查询和强化学习环境。
Vera CPU 由 NVIDIA 自研的 Olympus 核心驱动，其每周期指令数（IPC）比前代产品 Grace 提升了 50%。这款处理器拥有高达 1.2 TB/s 的 LPDDR5X 内存带宽，专为高吞吐量推理工作负载优化，可支持更智能的 AI 代理执行更多步骤并完成更复杂的任务。5 月 27 日发布的基准测试显示，Vera 在精选的 Linux 和 AI 相关测试中超越了 AMD EPYC 和 Intel Xeon 处理器，尽管所有测试均由 NVIDIA 协调完成。
为什么 Vera CPU 很重要
随着 AI 向 agentic 系统转变——模型采取行动、执行工具并与环境交互——CPU 的角色也变得更加重要。虽然 GPU 在训练和推理中占主导地位，但 CPU 处理类似沙盒代码执行、数据处理和协调等任务。NVIDIA 的 Vera CPU 将这些功能集成到“关键路径”中，从而减少延迟并提升 AI 管道的整体效率。
传统的 x86 CPU 难以满足这些需求，尤其是在摩尔定律趋缓后性能增速放缓的情况下。NVIDIA 使用 Vera 的方法从最大化每美元核心数转向最大化每瓦和每美元的 AI 输出。早期测试表明，Vera 的架构在 agentic 沙盒工作负载上的性能比 x86 芯片高出 1.8 倍，这得益于其神经分支预测、NVIDIA 可扩展一致性结构和高能效的 LPDDR5X 内存。
架构创新
Vera 内部的 Olympus 核心针对分支密集、内存敏感型工作负载设计。其关键特性包括一个神经分支预测器，能够以零惩罚每周期支持两个分支，以及一个10宽解码单元，配备先进的乱序调度功能。这些能力使其能够更快地执行诸如 PyTorch 和图工作负载等深度软件栈。此外，Vera 提供比 x86 CPU 低 40% 的内存延迟，确保复杂强化学习循环中的数据按时交付。
在可扩展性方面，CPU 通过 NVIDIA 的可扩展一致性结构连接，这提供了可预测的核心间通信，其数据移动速度比竞争架构快 50%。这种可预测性对于强化学习至关重要，因为在高负载下保持一致的评估循环是模型改进的关键。
市场定位与定价
NVIDIA 将 Vera CPU 的批量价格定在每单位约 5000 美元，远低于 Rubin GPU 55000 美元的成本。这反映了 Vera 作为 AI 工厂高密度主机处理器的角色，而非通用服务器 CPU。单个机架最多可集成 256 个 Vera CPU，提供高达前代系统 6 倍的吞吐量。然而，NVIDIA 最新 AI 系统（包括 Rubin GPU）的总建造成本已飙升至 780 万美元，部分原因是内存成本激增了 485%。
Vera 的发布正值 NVIDIA 持续主导 AI 硬件市场之际。该公司的股票反映了这一势头，截至 2026 年 5 月 30 日，其市值已达 5.15 万亿美元，尽管其股价最近每日波动较小，收盘价为 211.14 美元。
对 AI 工厂的意义
通过解决 CPU 瓶颈并专注于 agentic 工作负载，Vera CPU 将 NVIDIA 定位为下一代 AI 基础设施的领导者。其最大化每瓦和每美元 AI 吞吐量的能力可能吸引大规模 AI 工厂的运营者，因为效率将直接影响成本和盈利能力。随着 AI 模型的复杂性增加并需要更多与环境的交互，像 Vera 这样的技术可能变得不可或缺。
对于投资者来说，Vera 的成功将取决于其在 NVIDIA 控制之外的实际部署中的表现如何。由于目前独立测试的机会有限，市场将密切关注其更广泛的采用情况以及与 AMD 和 Intel 即将推出的 AI 优化 CPU 的比较。
Image source: Shutterstock.jpg)