Hvorfor SpaceXAI tager Nvidia’s Vera-CPU i brug til agentisk AI

Nvidia oplyser, at SpaceXAI vil indsætte virksomhedens Vera-CPU’er for at understøtte det CPU-tunge arbejde bag næste generation af Groks agentiske AI. Det omfatter blandt andet koordinering af værktøjer, kodekørsel, databehandling og simuleringer – altså de processer, der styrer, hvad der sker mellem modellens GPU-kald, snarere end selve genereringen af svaret. 1

Annonceringen kobler samtidig Vera til SpaceXAI’s bredere infrastrukturplaner. De omfatter Vera Rubin-baserede systemer, der efter planen skal kunne skaleres til gigawatt-kapacitet, samt et optimeret Vera Rubin NVL72-system til en planlagt førstegenerations Starmind-AI-satellit. 1

Vera’s rolle i et agentisk AI-system

Når man taler om AI-hardware, er fokus ofte på den accelerator, der kører modellen. Agentiske systemer kræver imidlertid også et omfattende kontrol- og udførelseslag. Det skal holde styr på tilstand, koordinere gentagne model- og værktøjskald, køre kode, behandle mellemliggende data, simulere miljøer og løbende revidere en plan.

Det gør CPU’en mere central. En CPU, der betjener agentiske arbejdsbelastninger, skal kunne håndtere mange samtidige processer, flytte store mængder tilstand og data og sørge for, at GPU-acceleratorerne hele tiden har arbejde. Vera er Nvidia’s forsøg på at udvikle dette CPU-lag specifikt til agentisk AI, reinforcement learning og databehandling i stedet for blot at bruge CPU’en som en generel værtskomponent. 33

De specifikationer, Nvidia fremhæver

Nvidia oplyser blandt andet følgende om Vera:

• 88 specialdesignede Olympus-CPU-kerner
• LPDDR5X-hukommelse med op til 1,2 TB/s båndbredde
• Op til 1,5 TB hukommelse i konfigurationer, som er omtalt i rapporteringen om chippen 7 32
• Understøttelse af Vera-servere, Vera Rubin-systemer og relaterede AI-infrastrukturplatforme 33

Prioriteringerne passer tæt til de udfordringer, man finder i agentiske arbejdsbelastninger. Flere kerner kan håndtere samtidige orkestrerings- og simuleringsopgaver, mens højere hukommelsesbåndbredde kan mindske forsinkelser, når agenter gentagne gange tilgår tilstand, mellemresultater og datasæt. I et Vera Rubin-system indgår CPU’en i en samlet Nvidia-platform med CPU’er, Rubin-GPU’er, netværk, DPU’er og software – ikke som et isoleret komponentkøb. 33 40

Tallet 1,5 TB pr. sokkel bør dog behandles med forsigtighed. Det optræder i sekundær rapportering og produktbeskrivelser, men de primære udgivelser, der indgår her, bekræfter ikke uafhængigt den præcise konfiguration. Det er derfor mere korrekt at omtale det som et rapporteret eller konfigurerbart tal end som en universelt fastslået specifikation.

Hvad betyder ydelsesløfterne egentlig?

Ved lanceringen af Vera den 16. marts 2026 hævdede Nvidia dobbelt så høj energieffektivitet og 50 procent højere ydelse end traditionelle rack-scale-CPU’er til de målrettede arbejdsbelastninger. 38 I den senere SpaceXAI-annonce henviste Nvidia til op til 1,8 gange hurtigere opgaveafvikling end x86-CPU’er på tværs af udvalgte arbejdsbelastninger inden for agentisk AI, reinforcement learning og databehandling. 1

Tallene er et vigtigt signal om Nvidia’s positionering, men de er ikke det samme som uafhængig dokumentation for, at Vera er hurtigere i alle serverarbejdsbelastninger. Der er tale om leverandørpåstande knyttet til bestemte arbejdsbelastninger og sammenligninger. De dokumenterer ikke en generel overlegenhed over AMD EPYC eller Intel Xeon i traditionel virksomhedsinformatik.

For købere er det sandsynligvis systemydelsen, der bliver mest afgørende: Hvor hurtigt kan en komplet CPU-GPU-platform gennemføre en agents arbejdsforløb? Hvor meget strøm bruger den? Og hvor effektivt håndterer softwarelaget planlægning, hukommelsesflytning og værktøjskald? Nvidia’s annoncerede CPU-tal kan ikke alene besvare de spørgsmål.

Fra tidlig evaluering til konkret plan

Samarbejdet er blevet udviklet i flere trin. Nvidia lancerede Vera den 16. marts 2026 og oplyste først, at partnersystemer ville blive tilgængelige i anden halvdel af året. 38 I maj leverede Nvidia-direktøren Ian Buck personligt de første Vera-systemer til SpaceXAI, Anthropic, OpenAI og Oracle Cloud Infrastructure. Nvidia beskriver selv leverancerne som den første kundeudrulning, men de bør ikke forveksles med bevis på, at alle modtagere allerede havde gennemført en fuldskalaudrulning. 11

Annonceringen den 24. august flytter SpaceXAI fra at være en tidlig hardwaremodtager til at være en virksomhed med en offentligt fremlagt implementeringsplan. Nvidia siger, at processorerne skal understøtte Grok-relaterede agentiske arbejdsbelastninger på Jorden og indgå i et planlagt, rumbaseret Vera Rubin-system til Starmind. 1

Den jordbaserede del er det mest nærliggende og lettest forståelige scenarie: CPU-tung orkestrering og databehandling kombineres med Rubin-GPU’er i et AI-datacentermiljø. Den orbitale del er mere usikker. Nvidia anerkender selv, at databehandling i kredsløb medfører andre krav til strøm, varmehåndtering, båndbredde, driftssikkerhed og integration. 1

Den orbitale plan er mere end en chiptest

At placere et AI-system i kredsløb kræver løsninger på problemer, der ikke kan reduceres til antal kerner eller hukommelsesbåndbredde. Et rumsystem skal blandt andet tage højde for strømproduktion, bortledning af varme, strålingsbestandighed, opsendelsesmasse, kommunikationskapacitet og langsigtet vedligeholdelse.

Det gør den planlagte Starmind-nyttelast til en systemteknisk test lige så meget som en Vera-test. Annonceringen viser en tilsigtet arkitektur og et partnerskab; den dokumenterer endnu ikke vedvarende orbital databehandling i stor skala. Rapporteringen beskrev opsendelsen som mulig allerede i 2027, men det er fortsat en fremtidig plan. 18

Nvidia bevæger sig ind i CPU-laget

Vera udvider Nvidia’s strategi for AI-infrastruktur. Virksomheden konkurrerer ikke længere kun om acceleratoren i en AI-server, men tilbyder også CPU, forbindelser, netværk, lagring og software omkring den. Nvidia’s martsannoncering nævnte cloududbydere og systemproducenter, der planlægger at samarbejde om Vera. Oracle har samtidig sagt, at den næste generation af OCI Supercluster skal kombinere Vera-CPU’er med Rubin-GPU’er, BlueField-DPU’er, NVLink, SuperNIC’er og Ethernet-switche. 38 40

Oracle Cloud Infrastructure er et særligt vigtigt valideringspunkt, fordi rapporteringen siger, at tjenesten planlægger at indsætte hundredtusindvis af Vera-CPU’er fra 2026. 8 39 Hvis planerne bliver realiseret, vil Vera bevæge sig fra en prestigefyldt kundeafprøvning til en reel hyperscale-udrulning.

Det konkurrencepres rammer især AMD og Intel, hvis server-CPU’er fortsat er grundlæggende for datacenterinfrastruktur. Nvidia’s fordel er ikke nødvendigvis et universelt CPU-forspring. Den ligger snarere i muligheden for at sælge en tæt integreret AI-fabrik som samlet platform. Kunder kan værdsætte integrationen til agentisk AI, mens andre kan foretrække heterogene serverparker, der bevarer valgfriheden mellem CPU-leverandører og mindsker afhængigheden af én producent.

Markedsreaktionen var ikke en dom over Vera

Nvidia- og SpaceX-aktierne faldt på dagen for annonceringen den 24. august. En rapport opgjorde faldet til 2,91 procent for Nvidia og 1,44 procent for SpaceX. 18

Den éndagsbevægelse viser ikke, at investorerne afviste partnerskabet, eller at Vera teknisk set har slået fejl. Aktiepriser påvirkes også af de generelle markedsforhold, forventninger til regnskaber, kapitaludgifter og investorernes positionering. Den vigtigere test bliver, om SpaceXAI og andre kunder omsætter annoncerede planer til stabile driftsudrulninger, og om uafhængige målinger bekræfter Nvidia’s påstande om effektivitet og ydelse.

Konklusion

SpaceXAI’s Vera-udrulning er vigtig, fordi den gør CPU’en til en førsteklasses del af infrastrukturen til agentisk AI. Nvidia siger, at Vera’s 88 Olympus-kerner og højhastighedshukommelse er udviklet til koordinering, udførelse, simulering og datatransport omkring GPU-baseret inferens og træning. 1 33

Den umiddelbare kommercielle historie er, at en markant AI-kunde tager Nvidia’s CPU-platform i brug. Den bredere strategiske historie er, at Nvidia forsøger at erobre en større del af serverstakken, mens Oracle’s planlagte hyperscale-udrulning bliver endnu en prøve på efterspørgslen.

Den orbitale Starmind-satellit er den mest ambitiøse forlængelse af planen. Indtil den er opsendt og fungerer i praksis, bør den dog forstås som et erklæret implementeringsmål – ikke som en allerede dokumenteret kapacitet.