I stedet for et klassisk single-core kapløb opstiller AMD et tankeeksperiment: Giv hver platform en rack-effektramme på 100 kW, og se, hvor meget virkeligt agent-arbejde den kan håndtere. I dette scenarie viser AMD's interne modellering, at deres EPYC-processorer med højt kerneantal dramatisk overhaler NVIDIA's Vera. Ikke fordi hver kerne er enormt meget hurtigere, men fordi en overlegen energieffektivitet gør det muligt at pakke langt flere kerner ind i den samme effektkonvolut .

Rack-skala-scorecardet: Sådan vurderer AMD, at CPU'erne klarer sig

AMD's modellerede sammenligning normaliserer alle platforme til et 100 kW dual-socket (2P) serverrack. Den kombinerer seks arbejdsbyrder, som er centrale for agentisk AI – SPECrate 2017 heltalsydelse, server-side Java, NGINX web-servering, Redis, Memcached og relationelle databaser – til en geometrisk-gennemsnitlig gennemløbsscore med Vera som baseline .

Nedbrydningen på arbejdsbyrdeniveau for den kommende Venice-chip mod Vera er særligt aggressiv. Fremskrivningerne spænder fra en forbedring på 2,40x i heltalsydelse til hele 4,05x i relationelle databasetransaktioner (TPROC-C) .

Metodologidebatten: Kerner per watt vs. ydelse per kerne

Uenigheden bunder i en fundamental fysik- og effektivitetsberegning. AMD's model estimerer, at deres chips trækker en lavere normaliseret 2P-nodeeffekt end Vera. Når hvert rack er begrænset til 100 kW, betyder et lavere effektforbrug per node, at du fysisk kan installere flere servere. AMD's analyse viser, at mens et Vera-rack har et normaliseret nodeantal på 1,00x, kan et EPYC 9965-rack rumme 1,86x normaliserede kerner, og et Venice-rack hele 2,08x .

Rack-gennemløbet beregnes derefter som produktet af ydelse per node og antallet af noder per rack. Selv hvis Vera var marginalt hurtigere per kerne – hvilket tidlige uafhængige tests har antydet for visse opgaver – er AMD's argument, at det er matematisk umuligt at overvinde den enorme fordel i kernetæthed, som deres mere energieffektive design muliggør i et effektbegrænset rack .

AMD fremsætter dog også påstande om selve per-kerne-ydelsen. Deres metodologipapir estimerer, at en 64-kernet Venice-CPU vil levere en 27 % højere per-kerne SPECrate-ydelse end Veras 88-kerneprocessor, og at selv en 96-kernet Venice-chip vil bevare et forspring på 11 % per kerne .

To linser i CPU-krigen

Dette er en klassisk kamp om, hvordan benchmarks skal fortolkes, hvor hvert firma vælger den måling, der bedst passer til deres designfilosofi . Du kan tænke på det som at sammenligne en række sportsvogne (single-socket-hastighed) med en flåde af lastbiler (rack-skala-densitet) – begge er hurtige, men til vidt forskellige opgaver.

• NVIDIA's linse: Single-socket-hastighed. NVIDIA positionerer Vera som "CPU'en til agenter," bygget til massivt parallelle sandkassemiljøer, hvor hurtig single-chip-ydelse er altafgørende. Virksomhedens egen tekniske blog hævder, at Vera leverer op til 1,5x højere agentisk sandkasseydelse sammenlignet med konkurrerende x86-platforme, understøttet af 1,2 TB/s hukommelsesbåndbredde og brugerdefinerede Olympus-kerner med NVIDIA Spatial Multithreading .
• AMD's linse: Rack-skala servicetæthed. AMD omformulerer diskussionen til at handle om produktionsmiljøer for agentisk AI. Her udfører en GPU modellen, men CPU'en håndterer alt omkring den – orkestrering, brugerautentificering, cache-lag og databaseforespørgsler. I dette perspektiv kræver det massiv flertrådet gennemløb at betjene 10.000 samtidige AI-agenter, og det opnås bedst ved at maksimere kernetætheden per rack .

Væsentlige forbehold bag 3,3x-tallet

Selvom AMD's overskriftstal er opsigtsvækkende, kræver de en sund portion kontekst. Lad os se på de vigtigste faldgruber:

• Alle tal er AMD's interne estimater. Det mest afgørende forbehold er, at især Venice-tallene er pre-silicon-projektioner, ikke uafhængigt målte resultater. Selve analysen er en model, ikke en test .
• NVIDIA fortæller en anden historie med andre arbejdsbyrder. NVIDIA's egne benchmarks, som bruger deres udvalg af sandkasse- og kompileringsopgaver, viser ofte, at Vera på single-socket-basis overgår AMD's nuværende high-end EPYC-processorer .
• Sammenligning af æbler og appelsiner. AMD's geometriske gennemsnit af seks arbejdsbyrder fokuserer på CPU-side infrastrukturtjenester. Det inkluderer ikke de agentiske sandkasseopgaver som kompilering, kodeafvikling og værktøjskald, som er omdrejningspunktet i NVIDIA's Vera-markedsføring .
• Vera's effekt er estimeret af AMD. En central drivkraft bag AMD's fordel på rack-niveau er antagelsen om Vera's nodeeffekt. I AMD's normaliserede model har Vera den højeste 2P-nodeeffekt, hvilket begrænser antallet af noder per rack. Dette er en AMD-modelleringsantagelse, ikke en uafhængigt verificeret måling af det endelige silicium .

Tilgængelighed: Hvornår kommer siliciummet egentlig?

Produktionstidslinjerne tilføjer endnu et lag til den konkurrencemæssige dynamik.

• AMD EPYC 9965 "Turin" (Zen 5): Denne 192-kerneprocessor er det nuværende flagskib og grundlaget for AMD's påstand om 2,37x rack-gennemløb over Vera. Den sendes nu .
• AMD EPYC "Venice" (Zen 6, 256 kerner): AMD bekræftede den 21. maj 2026, at Venice er gået i volumenproduktion på TSMC's avancerede 2nm-procesteknologi . Server-versionen EPYC Venice forventes lanceret i anden halvdel af 2026, mens desktop-modellerne følger senere .
• NVIDIA Vera: NVIDIA begyndte at sende de første Vera-CPU'er til førende AI-laboratorier som Anthropic, OpenAI og Oracle Cloud Infrastructure i midten af maj 2026, med bredere partnertilgængelighed forventet i anden halvdel af året .

Efterhånden som begge chips nærmer sig generel tilgængelighed, vil debatten endelig flytte sig fra producenternes slide-decks til tredjeparts test i rigtige datacentre. Indtil da er den mest brugbare konklusion måske ikke, hvilken CPU der er hurtigst, men snarere at sikre, at din infrastrukturvurdering stemmer overens med den specifikke arbejdsbyrde, du har tænkt dig at køre.

I stedet for et klassisk single-core kapløb opstiller AMD et tankeeksperiment: Giv hver platform en rack-effektramme på 100 kW, og se, hvor meget virkeligt agent-arbejde den kan håndtere. I dette scenarie viser AMD's interne modellering, at deres EPYC-processorer med højt kerneantal dramatisk overhaler NVIDIA's Vera. Ikke fordi hver kerne er enormt meget hurtigere, men fordi en overlegen energieffektivitet gør det muligt at pakke langt flere kerner ind i den samme effektkonvolut .

Rack-skala-scorecardet: Sådan vurderer AMD, at CPU'erne klarer sig

AMD's modellerede sammenligning normaliserer alle platforme til et 100 kW dual-socket (2P) serverrack. Den kombinerer seks arbejdsbyrder, som er centrale for agentisk AI – SPECrate 2017 heltalsydelse, server-side Java, NGINX web-servering, Redis, Memcached og relationelle databaser – til en geometrisk-gennemsnitlig gennemløbsscore med Vera som baseline .

Nedbrydningen på arbejdsbyrdeniveau for den kommende Venice-chip mod Vera er særligt aggressiv. Fremskrivningerne spænder fra en forbedring på 2,40x i heltalsydelse til hele 4,05x i relationelle databasetransaktioner (TPROC-C) .

Metodologidebatten: Kerner per watt vs. ydelse per kerne

Uenigheden bunder i en fundamental fysik- og effektivitetsberegning. AMD's model estimerer, at deres chips trækker en lavere normaliseret 2P-nodeeffekt end Vera. Når hvert rack er begrænset til 100 kW, betyder et lavere effektforbrug per node, at du fysisk kan installere flere servere. AMD's analyse viser, at mens et Vera-rack har et normaliseret nodeantal på 1,00x, kan et EPYC 9965-rack rumme 1,86x normaliserede kerner, og et Venice-rack hele 2,08x .

Rack-gennemløbet beregnes derefter som produktet af ydelse per node og antallet af noder per rack. Selv hvis Vera var marginalt hurtigere per kerne – hvilket tidlige uafhængige tests har antydet for visse opgaver – er AMD's argument, at det er matematisk umuligt at overvinde den enorme fordel i kernetæthed, som deres mere energieffektive design muliggør i et effektbegrænset rack .

AMD fremsætter dog også påstande om selve per-kerne-ydelsen. Deres metodologipapir estimerer, at en 64-kernet Venice-CPU vil levere en 27 % højere per-kerne SPECrate-ydelse end Veras 88-kerneprocessor, og at selv en 96-kernet Venice-chip vil bevare et forspring på 11 % per kerne .

To linser i CPU-krigen

Dette er en klassisk kamp om, hvordan benchmarks skal fortolkes, hvor hvert firma vælger den måling, der bedst passer til deres designfilosofi . Du kan tænke på det som at sammenligne en række sportsvogne (single-socket-hastighed) med en flåde af lastbiler (rack-skala-densitet) – begge er hurtige, men til vidt forskellige opgaver.

• NVIDIA's linse: Single-socket-hastighed. NVIDIA positionerer Vera som "CPU'en til agenter," bygget til massivt parallelle sandkassemiljøer, hvor hurtig single-chip-ydelse er altafgørende. Virksomhedens egen tekniske blog hævder, at Vera leverer op til 1,5x højere agentisk sandkasseydelse sammenlignet med konkurrerende x86-platforme, understøttet af 1,2 TB/s hukommelsesbåndbredde og brugerdefinerede Olympus-kerner med NVIDIA Spatial Multithreading .
• AMD's linse: Rack-skala servicetæthed. AMD omformulerer diskussionen til at handle om produktionsmiljøer for agentisk AI. Her udfører en GPU modellen, men CPU'en håndterer alt omkring den – orkestrering, brugerautentificering, cache-lag og databaseforespørgsler. I dette perspektiv kræver det massiv flertrådet gennemløb at betjene 10.000 samtidige AI-agenter, og det opnås bedst ved at maksimere kernetætheden per rack .

Væsentlige forbehold bag 3,3x-tallet

Selvom AMD's overskriftstal er opsigtsvækkende, kræver de en sund portion kontekst. Lad os se på de vigtigste faldgruber:

• Alle tal er AMD's interne estimater. Det mest afgørende forbehold er, at især Venice-tallene er pre-silicon-projektioner, ikke uafhængigt målte resultater. Selve analysen er en model, ikke en test .
• NVIDIA fortæller en anden historie med andre arbejdsbyrder. NVIDIA's egne benchmarks, som bruger deres udvalg af sandkasse- og kompileringsopgaver, viser ofte, at Vera på single-socket-basis overgår AMD's nuværende high-end EPYC-processorer .
• Sammenligning af æbler og appelsiner. AMD's geometriske gennemsnit af seks arbejdsbyrder fokuserer på CPU-side infrastrukturtjenester. Det inkluderer ikke de agentiske sandkasseopgaver som kompilering, kodeafvikling og værktøjskald, som er omdrejningspunktet i NVIDIA's Vera-markedsføring .
• Vera's effekt er estimeret af AMD. En central drivkraft bag AMD's fordel på rack-niveau er antagelsen om Vera's nodeeffekt. I AMD's normaliserede model har Vera den højeste 2P-nodeeffekt, hvilket begrænser antallet af noder per rack. Dette er en AMD-modelleringsantagelse, ikke en uafhængigt verificeret måling af det endelige silicium .

Tilgængelighed: Hvornår kommer siliciummet egentlig?

Produktionstidslinjerne tilføjer endnu et lag til den konkurrencemæssige dynamik.

• AMD EPYC 9965 "Turin" (Zen 5): Denne 192-kerneprocessor er det nuværende flagskib og grundlaget for AMD's påstand om 2,37x rack-gennemløb over Vera. Den sendes nu .
• AMD EPYC "Venice" (Zen 6, 256 kerner): AMD bekræftede den 21. maj 2026, at Venice er gået i volumenproduktion på TSMC's avancerede 2nm-procesteknologi . Server-versionen EPYC Venice forventes lanceret i anden halvdel af 2026, mens desktop-modellerne følger senere .
• NVIDIA Vera: NVIDIA begyndte at sende de første Vera-CPU'er til førende AI-laboratorier som Anthropic, OpenAI og Oracle Cloud Infrastructure i midten af maj 2026, med bredere partnertilgængelighed forventet i anden halvdel af året .

Efterhånden som begge chips nærmer sig generel tilgængelighed, vil debatten endelig flytte sig fra producenternes slide-decks til tredjeparts test i rigtige datacentre. Indtil da er den mest brugbare konklusion måske ikke, hvilken CPU der er hurtigst, men snarere at sikre, at din infrastrukturvurdering stemmer overens med den specifikke arbejdsbyrde, du har tænkt dig at køre.