NVIDIA发布Vera CPU，为AI代理工作负载定义新设计标准
内容摘要
核心要点
NVIDIA官方博客详细阐述了Vera CPU的架构设计，核心是应对AI代理时代（Agentic AI）的工作负载变化。在AI代理循环中，CPU负责执行模型生成的内容（如沙盒代码、工具调用、数据检索与处理），其性能直接成为影响延迟和加速器利用率的“关键路径”。
Vera CPU搭载了88个自研的NVIDIA Olympus核心，宣称相比Grace CPU有高达50%的IPC提升。其关键特性包括：用于分支密集型代码的神经网络分支预测器（Neural Branch Predictor）、10宽解码单元、深度乱序执行引擎，以及针对图分析和代理内存遍历优化的图预取器（Graph Prefetcher）。内存子系统采用LPDDR5X，提供高达1.2 TB/s的带宽，并在负载下维持超过90%的峰值带宽，同时内存功耗低于30瓦（对比DDR5的100瓦以上）。所有核心通过NVIDIA Scalable Coherency Fabric (SCF)互联。
NVIDIA声称，在满负载的代理沙盒工作负载（如代码编译、分析、Python执行）中，Vera CPU性能超过传统x86架构1.8倍以上。其设计目标从最大化“每美元核心数”（云经济）转向最大化“每美元令牌数”（AI工厂经济）。
重要性说明
（控制层转移型）这标志着AI基础设施价值衡量标准的根本性重构。控制层正从由Intel/AMD定义的通用CPU（价值核心是‘每美元核心数’的云经济）移向由NVIDIA定义的AI代理专用CPU（价值核心是‘每美元AI输出/令牌数’的工厂经济）。NVIDIA通过自研CPU（Olympus核心）和配套内存/互联技术，正在系统性夺取AI工厂全栈架构的定义权和控制点，旨在将传统CPU供应商在AI工作负载中的角色边缘化为通用计算组件，从而巩固其系统级垄断地位。
PRO 决策建议
[Vendors]（如Intel、AMD、云厂商）必须立即评估并回应这一新的“AI代理CPU”设计范式，要么加速自有架构的类似优化（如更多核心、更高IPC、专用加速），要么在软件栈和生态上强化与NVIDIA GPU的耦合度，以防止在AI基础设施栈中被系统性边缘化。
[Enterprises]规划或建设AI工厂的企业，需将“每美元令牌数”和CPU在代理循环中的性能纳入TCO和架构选型核心指标，而不仅仅是比较GPU算力。应要求供应商提供针对代理工作负载的端到端基准测试数据。
[Investors]需关注半导体竞争格局的潜在裂变。NVIDIA向CPU的扩张可能侵蚀传统数据中心CPU市场的份额，并提升其系统级产品的定价权和利润率。应同时关注Arm生态在数据中心，特别是AI场景的加速渗透。
觉得这篇分析有用？
每周收到3-5条AI基础设施关键信号 →
💬 评论 (0)