Pourquoi le CPU Vera d’NVIDIA pourrait rebattre les cartes face à Intel et AMD

Les centres de données dédiés à l’intelligence artificielle reposent depuis longtemps sur un modèle classique : des processeurs x86 — principalement Intel Xeon ou AMD EPYC — orchestrent les tâches autour de GPU spécialisés.

Avec le CPU Vera, NVIDIA propose une approche différente. Au lieu d’un processeur généraliste, l’entreprise introduit un CPU conçu spécifiquement pour les infrastructures d’IA et étroitement intégré à ses GPU.

L’objectif n’est pas seulement de créer un processeur plus rapide, mais de bâtir une plateforme informatique complète pour les “usines d’IA” — ces immenses clusters capables d’entraîner et d’exécuter des modèles de plus en plus massifs. Si cette stratégie fonctionne, elle pourrait progressivement réduire la dépendance aux CPU x86 traditionnels dans certaines infrastructures IA.

Un processeur Arm pensé pour les charges de travail de l’IA

Vera est un processeur serveur compatible Arm développé par NVIDIA pour les centres de données. Contrairement aux CPU d’entreprise classiques, conçus pour un large éventail d’applications, Vera cible surtout les tâches qui alimentent les grappes de GPU à grande échelle.

Parmi les caractéristiques clés :

• 88 cœurs Arm personnalisés “Olympus” développés par NVIDIA.
• Jusqu’à 1,2 TB/s de bande passante mémoire LPDDR5X, nettement supérieure à celle de nombreux CPU serveurs actuels.
• Jusqu’à 1,5 TB de mémoire système connectée au processeur.
• 176 threads simultanés grâce au multithreading spatial.

Cette architecture privilégie le débit soutenu et la gestion massive de tâches parallèles, notamment pour des workloads modernes comme l’orchestration d’agents IA, l’exécution d’outils, les compilateurs ou les pipelines d’inférence à grande échelle.

Des gains de performance annoncés face aux serveurs x86

NVIDIA affirme que Vera peut offrir plusieurs avantages par rapport aux CPU de centres de données utilisés aujourd’hui aux côtés des GPU.

Les performances revendiquées incluent :

• Jusqu’à 50 % de performances supplémentaires dans certains environnements logiciels, soit environ 1,5× plus rapide dans des benchmarks internes.
• Une bande passante mémoire allant jusqu’à 1,2 TB/s, facilitant l’alimentation continue des GPU en données.
• Une bande passante mémoire par cœur nettement supérieure, décrite comme plusieurs fois plus élevée que celle de nombreux CPU serveurs traditionnels.

Ces gains sont liés à l’évolution des charges de travail dans les centres de données IA. Aujourd’hui, les CPU ne réalisent plus la majorité des calculs ; ils coordonnent plutôt les GPU, gèrent les flux de données et exécutent les couches logicielles d’orchestration. NVIDIA affirme que Vera est optimisé précisément pour ces tâches.

L’entreprise indique également que les systèmes basés sur Vera pourraient atteindre environ deux fois l’efficacité énergétique de certaines infrastructures CPU traditionnelles dans des flux de travail IA.

Vera Rubin NVL72 : un système d’IA à l’échelle du rack

Vera n’est pas destiné à concurrencer les CPU classiques en tant que composant isolé. Il est surtout conçu pour fonctionner dans la plateforme Vera Rubin NVL72, un système rack‑scale pour l’entraînement et l’inférence de grands modèles.

Dans cette configuration :

• Un rack peut intégrer 36 CPU Vera et 72 GPU Rubin.
• Les processeurs communiquent via NVLink‑C2C, une interconnexion très rapide permettant un partage de données direct entre CPU et GPU.

Cette architecture illustre la stratégie d’NVIDIA : passer d’une simple vente de GPU à une infrastructure complète d’IA, incluant CPU, GPU, interconnexions réseau et logiciel.

Traditionnellement, les GPU sont connectés à des serveurs x86 génériques via PCIe. NVIDIA cherche à supprimer ces goulets d’étranglement en concevant un système où tous les composants sont pensés ensemble.

Des hyperscalers et constructeurs déjà impliqués

Plusieurs acteurs majeurs du cloud et du matériel informatique collaborent déjà avec NVIDIA autour de Vera.

Parmi les fournisseurs cloud mentionnés :

• Alibaba Cloud
• ByteDance
• Meta
• Oracle Cloud Infrastructure
• CoreWeave et d’autres plateformes cloud spécialisées dans l’IA

Du côté des constructeurs de serveurs, des systèmes autour de Vera sont développés notamment par Dell Technologies, HPE, Lenovo et Supermicro, avec des partenaires industriels tels qu’ASUS, Foxconn ou Quanta Cloud Technology.

Cet écosystème montre que la cible principale du processeur n’est pas le serveur d’entreprise classique, mais les infrastructures hyperscale dédiées à l’IA.

Prévisions de marché et volumes attendus

Les perspectives financières évoquées autour de Vera sont ambitieuses.

Selon des déclarations de l’entreprise et des analyses du secteur :

• NVIDIA estime que Vera lui ouvre un marché potentiel d’environ 200 milliards de dollars qu’elle n’adressait pas auparavant.
• L’entreprise prévoit environ 20 milliards de dollars de revenus liés aux CPU Vera au cours de l’exercice fiscal en cours.
• Certains analystes anticipent environ 4 millions d’unités expédiées d’ici l’exercice 2027, ce qui représenterait également près de 20 milliards de dollars de ventes si ces projections se concrétisent.

Ces chiffres restent des prévisions et des modèles d’analystes, et non des résultats garantis.

Ce que cela pourrait changer pour Intel et AMD

Intel et AMD dominent toujours largement le marché des CPU serveurs. Toutefois, l’essor de l’IA modifie profondément le rôle du processeur dans les centres de données.

Aujourd’hui, les CPU servent surtout à :

• orchestrer les tâches GPU
• gérer les pipelines de données
• exécuter les frameworks et logiciels d’orchestration

Dans ce contexte, l’optimisation de la bande passante mémoire, de l’efficacité énergétique et de la connexion aux accélérateurs devient parfois plus importante que la performance brute du CPU.

C’est précisément la niche que vise Vera. Si la plateforme rencontre un large succès, elle pourrait marquer une évolution progressive : passer de serveurs x86 généralistes à des systèmes Arm spécialisés, étroitement intégrés aux accélérateurs d’IA.

Pour NVIDIA, cela signifierait contrôler une part beaucoup plus grande de l’infrastructure — du GPU au CPU, en passant par les interconnexions et les logiciels — et potentiellement redéfinir la façon dont les centres de données IA sont construits.