NVIDIAs Vera CPU: En Arm-baseret processor, der kan ændre magtbalancen i AI-datacentre

NVIDIA siger, at designet prioriterer vedvarende gennemstrømning for arbejdsbelastninger, der er almindelige i moderne AI-systemer – såsom agent-orkestrering, tool-execution og store inferens-pipelines.

Hævdede ydelsesfordele i forhold til x86-servere

NVIDIA og understøttende rapporter fremhæver flere ydelsesfordele, når Vera sammenlignes med traditionelle rack-skala-CPU'er, der bruges sammen med GPU'er:

• Op til 50 % hurtigere softwaremiljø-ydelse, hvilket groft svarer til omkring 1,5× hastighedsforbedringer i NVIDIAs interne benchmarks.
• Massiv hukommelsesbåndbredde på op til 1,2 TB/s, hvilket hjælper med at holde GPU'erne forsynet med data.
• Højere båndbredde per kerne – angiveligt flere gange højere end mange konventionelle datacenter-CPU'er.

Disse gevinster er tæt knyttet til den type arbejdsbelastninger, som AI-datacentre nu kører. I stedet for rene database- eller enterprise-workloads udfører moderne AI-klynger compilere, scriptværktøjer, runtime-motorer og agent-rammeværker, der orkestrerer GPU-beregning. NVIDIA argumenterer for, at Veras arkitektur forbedrer gennemstrømningen på tværs af disse kontrolplan-opgaver.

Virksomheden hævder også forbedret effektivitet og siger, at systemer bygget omkring Vera kan levere omtrent dobbelt så høj energieffektivitet som traditionel CPU-infrastruktur i nogle AI-workloads.

Vera Rubin NVL72-platformen: Et rack-skala AI-system

Vera er ikke primært tænkt som en selvstændig CPU. Dens hovedrolle er inde i NVIDIAs Vera Rubin NVL72-arkitektur, et rack-skala AI-system designet til træning og inferens af store modeller.

I denne konfiguration:

• Et rack kan kombinere 36 Vera CPU'er med 72 Rubin GPU'er.
• CPU'er og GPU'er kommunikerer via højhastigheds NVLink-C2C-interconnects, hvilket muliggør ekstremt hurtig datadeling mellem processorerne.

Dette design afspejler NVIDIAs bredere skub mod fuld-stak AI-infrastruktur, hvor CPU'er, GPU'er, netværk og software er udviklet sammen som en enkelt platform snarere end blandet fra flere leverandører.

Tilgangen står i kontrast til traditionel datacenterarkitektur, hvor GPU'er er koblet til generiske x86-servere via PCIe. Ved at integrere CPU'en tæt med GPU-arkitekturen sigter NVIDIA mod at fjerne flaskehalse i dataflytning og orkestrering.

Tidlig adoption af hyperscalere og OEM'er

Adskillige cloud-udbydere og hardwareproducenter er allerede blevet nævnt som partnere, der planlægger implementeringer.

Ifølge NVIDIAs meddelelser omfatter samarbejdspartnere store hyperscalere som:

• Alibaba Cloud
• ByteDance
• Meta
• Oracle Cloud Infrastructure
• CoreWeave og andre AI-cloudplatforme

Serverproducenter, der bygger systemer omkring Vera, omfatter virksomheder som Dell Technologies, HPE, Lenovo og Supermicro samt produktionspartnere som ASUS, Foxconn og Quanta Cloud Technology.

Dette tidlige økosystem antyder, at CPU'en primært er beregnet til hyperscale AI-infrastruktur frem for traditionelle enterprise-servere.

Markedsforudsigelser og forventede leverancer

Adskillige prognoser fremhæver, hvor stor en mulighed NVIDIA mener, det kan blive.

Udtalelser fra virksomheden og analytikerrapporter indikerer:

• NVIDIA's ledelse siger, at Vera CPU'en åbner op for et totalt adresserbart marked på 200 milliarder dollars, som virksomheden tidligere ikke konkurrerede i.
• Virksomheden forventer omkring 20 milliarder dollars i omsætning fra Vera-relateret CPU-salg i det indeværende regnskabsår, adskilt fra GPU-omsætning.
• Nogle analytikere forventer omkring 4 millioner solgte Vera CPU'er inden FY2027, hvilket, hvis det realiseres, potentielt kan generere omkring 20 milliarder dollars i salg.

Disse tal stammer fra virksomhedens kommentarer og ekstern analytikermodellering, så de bør betragtes som fremadskuende prognoser snarere end garanterede resultater.

Hvad det betyder for Intel og AMD

Intel Xeon og AMD EPYC-processorer dominerer stadig server-CPU-markedet, især i enterprise-infrastruktur. AI-æraen har imidlertid ændret på, hvordan CPU'er bruges i datacentre.

I stedet for selv at udføre det meste af beregningen, skal CPU'er i stigende grad:

• Koordinere GPU-workloads
• Administrere datapipelines
• Køre orkestreringssoftware og agent-rammeværker

Den ændring begunstiger arkitekturer, der er optimeret til båndbredde og GPU-forbindelse frem for traditionel CPU-gennemstrømning. Vera er designet specifikt til den rolle.

Hvis platformen vinder indpas, kan det signalere et gradvist skift fra generelle x86-servere mod specialiserede Arm-baserede CPU'er, der er tæt integreret med AI-acceleratorer. NVIDIA ville så kontrollere en større del af datacenter-stakken – fra GPU til CPU til interconnects – hvilket potentielt kan omforme, hvordan AI-infrastruktur bygges.

Om Vera reelt vil udhule Intels og AMDs dominans, afhænger af implementeringer og ydelse i den virkelige verden. Men arkitekturen afspejler klart en stor industritrend: AI-datacentre, der udvikler sig til vertikalt integrerede computerplatforme snarere end samlinger af udskiftelige komponenter.