Deep Analysis

NVIDIA Computex 2026: Vera CPU Ships, N1X Laptop SoC Debuts, $6.5B Silicon Photonics — Three Strategic Fronts Converge

事件概述

5月26日,NVIDIA超大规模计算VP Ian Buck亲手将首批Vera CPU系统交付Anthropic、OpenAI、SpaceX AI和Oracle Cloud。5月29日,NVIDIA、微软、Arm三方同步在X平台发布“A new era of PC”预告,锁定6月1日黄仁勋Computex keynote发布N1X笔记本SoC。同一天,NVIDIA三个月内累计65亿美元硅光子学投资的细节被CNBC完整披露——Lumentum、Coherent、Marvell各20亿,Corning 5亿,Ayer Labs 5亿E轮。

三条线同步卡位Computex时间窗口,Vera卡AI工厂CPU位,N1X卡AI PC终端位,硅光子学卡万卡集群互连位。

背景

NVIDIA的GPU垄断地位从未被动摇,但三块拼图一直缺位:数据中心CPU仍被x86把持,AI PC终端被Apple/Qualcomm先手,万卡以上集群的铜缆互连已成带宽和功耗天花板。

Vera的前代Grace验证了Arm CPU+GPU协同的技术可行性,但72核Neoverse-V2性能不足以独立支撑AI工厂的Agent调度负载。N1X的延迟(原计划2025发布)源于Windows on Arm兼容性打磨。硅光子学的瓶颈更根本——CPO封装良率极低,光学与硅基对准容错率接近零,量产被业界普遍认为要到2028年。

技术/战略分析

Vera:从“GPU搭档”到“Agent专用CPU”的质变

Vera的核心不是88核数量(EPYC 9755有128核),而是Olympus自研核心的单核性能。Phoronix实测:Linux内核编译20秒(✅已验证),Geomean 26.40 vs EPYC 9575F 23.79(✅已验证),单核编译效率与5.0GHz EPYC 9575F持平。1.2TB/s内存带宽+2MB L2/core(2x Grace)直接面向Agent工作负载的三大特征:150万Token上下文管理、毫秒级工具调用响应、多Agent并发调度。TDP 450W下内存功耗不到30W(⚠️厂商宣称),能效比仍是黑箱——Phoronix未获授权发布每瓦性能数据。

黄仁勋将Vera定位为“下一个数十亿美元级业务”,内部预测2026年Vera营收约200亿美元(⚠️厂商宣称)。首批客户Anthropic(月租Colossus集群12.5亿美元)、OpenAI、SpaceX AI、Oracle全是AI工厂运营商,验证了“Agent需要专用CPU”的产品逻辑。

N1X:Arm生态的第三次冲击

N1X规格:20核(10×Cortex-X925 + 10×Cortex-A725,联发科设计)+ 6144 CUDA核心(Blackwell架构)+ 128GB LPDDR5X统一内存 + 180-200 TOPS AI算力(⚠️高置信度),3nm制程,TDP 65-120W。Geekbench 6.4跑分3096/18837(⚠️高置信度)。

关键信号不是规格本身,而是微软的联合背书。三方同步预告意味着Windows on Arm对NVIDIA的适配已到产品级——这是Qualcomm Snapdragon X系列没能完全解决的问题。Dell、Lenovo、ASUS已准备设备,首批2026年10月出货(⚠️高置信度),大规模2027Q1。

但N1X的本质挑战不是性能,而是生态:macOS有6年Arm原生优化积累,Windows的x86兼容层仍拖累效率。NVIDIA的统一内存架构(301GB/s带宽)对AI推理是优势,但对游戏和传统应用反而受限——没有独立GDDR显存。

65亿美元硅光子学:买通未来5年的互连命脉

NVIDIA不是在做技术投资,是在做产能锁定。Lumentum的InP激光器产能已预订至2028年(✅已验证),Corning合作金额最高可达32亿美元(⚠️高置信度),鸿海CPO交换机柜出货目标上调至5万台。CPO渗透率预测从2026年0.5%跳至2030年35%(⚠️行业预估),中间有近70倍增长空间。

被投企业股价已反映预期:Lumentum +134%、Marvell +141%、Coherent +104%、Corning +111%(✅已验证)。但Forrester分析师Alvin Nguyen和Futurum Group的Nick Patience都指向同一现实:技术可行,量产是瓶颈,大规模落地2028年后。

薄弱点

1. Vera每瓦性能不透明:NVIDIA禁止Phoronix发布功耗基准数据。在AI工厂TCo中,能效比是决定性指标,450W TDP是否代表实际负载功耗未知。AMD EPYC Venice(Zen 6)和Intel Diamond Rapids都在加速。

2. N1X生态窗口期有限:Qualcomm已先发一年,Apple M5 Pro预计同期更新。Windows on Arm的应用兼容性尚未经历大规模用户验证。

3. 硅光子学回报周期长:65亿美元投入,CPO封装良率问题未解,2028年才规模化。AMD同步布局,Google/Microsoft投了nEye——NVIDIA没有独占窗口。

厂商应对

  • AMD:EPYC Venice(Zen 6)已量产,目标2026下半年上市;同时布局硅光子学(Enosemi收购、Ayer Labs联合投资、Celestial AI股权)
  • Intel:Diamond Rapids加速推进,但Q1财报持续失速
  • Qualcomm:Snapdragon X系列占据AI PC先发位,但N1X的GPU性能将重新定义AI笔记本上限
  • Cisco/Arista:硅光子学如果走CPO路线,传统交换机价值将被压缩到软件层

预判

1. Vera 2026年不会产生显著营收。首批交付量级有限,真正规模化取决于Vera Rubin NVL72机架出货节奏,预计2027H2财报体现。但信号意义大于营收:Arm在数据中心CPU的第三极地位正式确立。

2. N1X将定义“AI笔记本”品类,但不会颠覆游戏本市场。2027年N1X出货量预计500万台以内(⚠️高置信度),主要吃掉高端Creator PC和AI Developer Workstation市场。

3. 硅光子学是NVIDIA最长但最确定的赌注。铜缆互连在万卡以上集群已成物理极限,CPO不是“是否”而是“何时”。NVIDIA通过产能锁定将竞争对手时间窗口压缩至少1年。

4. 三线并发的深层含义:NVIDIA正在构建AI工厂完整技术栈——Vera管调度,Rubin管训练推理,硅光子学管互连,N1X管终端接入。当四层都由同一家公司提供时,传统“最佳组件组合”的采购逻辑将让位于“全栈一致性”的架构逻辑。

🎯

Why it Matters

NVIDIA's three-front launch is one synchronized full-stack AI infrastructure strategy. Vera validates Arm CPU surpassing x86 in AI factory workloads, N1X embeds AI inference at the edge with Microsoft's co-sign, and silicon photonics locks up interconnect capacity for million-GPU clusters. NVIDIA is transitioning from GPU vendor to full-stack AI platform, and procurement logic must shift from best-of-breed components to stack consistency.
PRO

DECISION

Enterprise AI infrastructure teams should evaluate Vera Rubin NVL72 procurement timelines while keeping AMD EPYC Venice as a CPU alternative. AI PC strategies should wait for N1X shipments to assess Windows on Arm compatibility. Silicon photonics investments should track capacity delivery cadence; CPO should not be the sole interconnect strategy before 2028.
🔮 PRO

PREDICT

Vera will have limited 2026 revenue; signal value exceeds commercial value. N1X defines the AI laptop category with conservative volumes. Silicon photonics is the most certain long-term bet, contributing network business growth in 2028-2030. The three-front convergence marks NVIDIA's structural transition from GPU company to full-stack AI platform.

💬 Comments (0)