NVIDIAs Vera CPU utmanar Intel och AMD: En ny era för AI-datacenter

NVIDIA uppger att designen prioriterar ihållande genomströmning för arbetslaster som är vanliga i moderna AI-system – såsom agentorkestrering, verktygsexekvering och storskaliga inferenspipelines.

Påstådda prestandafördelar jämfört med x86-servrar

NVIDIA och stödjande rapporter lyfter fram flera prestandafördelar när Vera jämförs med traditionella rackbaserade CPU:er som används tillsammans med GPU:er:

• Upp till 50 % snabbare prestanda i programvarumiljön, vilket ungefär motsvarar en 1,5× hastighetsökning i NVIDIAs interna riktmärken.
• Massiv minnesbandbredd på upp till 1,2 TB/s som hjälper till att hålla GPU:erna matade med data.
• Högre bandbredd per kärna, som rapporteras vara flera gånger högre än för många konventionella datacenter-CPU:er.

Dessa vinster är tätt knutna till den typ av arbetslaster som AI-datacenter nu kör. Istället för rena databas- eller företagsarbetslaster exekverar moderna AI-kluster kompilatorer, skriptverktyg, runtime-motorer och agentramverk som orkestrerar GPU-beräkning. NVIDIA argumenterar för att Veras arkitektur förbättrar genomströmningen för dessa kontrollplansuppgifter.

Företaget hävdar också förbättrad effektivitet, där system byggda kring Vera kan leverera ungefär dubbelt så hög energieffektivitet som traditionell CPU-infrastruktur i vissa AI-arbetsflöden.

Vera Rubin NVL72-plattformen: Ett AI-system i rackskala

Vera är inte främst tänkt att konkurrera som en fristående CPU. Dess huvudroll är i NVIDIAs Vera Rubin NVL72-arkitektur, ett rackskaligt AI-system designat för träning och inferens av stora modeller.

I denna konfiguration:

• Ett rack kan kombinera 36 Vera CPU:er med 72 Rubin GPU:er.
• CPU:er och GPU:er kommunicerar via höghastighets NVLink-C2C-anslutningar, vilket möjliggör extremt snabb datadelning mellan processorerna.

Denna design speglar NVIDIAs bredare strävan mot fullstack-AI-infrastruktur, där CPU:er, GPU:er, nätverk och mjukvara är konstruerade tillsammans som en enda plattform snarare än blandade från flera leverantörer.

Tillvägagångssättet står i kontrast till traditionell datacenterarkitektur, där GPU:er kopplas till generiska x86-servrar via PCIe. Genom att integrera CPU:n tätt med GPU-arkitekturen syftar NVIDIA till att eliminera flaskhalsar i dataförflyttning och orkestrering.

Tidig adoption av hyperscalers och OEM-tillverkare

Flera molnleverantörer och hårdvarutillverkare har redan namngetts som partner som planerar driftsättningar.

Enligt NVIDIAs tillkännagivanden inkluderar samarbetspartners stora hyperscalers som:

• Alibaba Cloud
• ByteDance
• Meta
• Oracle Cloud Infrastructure
• CoreWeave och andra AI-molnplattformar

Server tillverkare som bygger system kring Vera inkluderar företag som Dell Technologies, HPE, Lenovo och Supermicro, tillsammans med tillverkningspartner som ASUS, Foxconn och Quanta Cloud Technology.

Denna tidiga ekosystemindikation tyder på att CPU:n är avsedd främst för hyperskala AI-infrastruktur snarare än traditionella företagsservrar.

Marknadsprognoser och leveransförväntningar

Flera prognoser belyser hur stor NVIDIA tror att möjligheten kan bli.

Företagsuttalanden och analytikerrapporter indikerar:

• NVIDIA-chefer säger att Vera CPU:n öppnar en total adresserbar marknad på 200 miljarder dollar som företaget tidigare inte konkurrerade på.
• Företaget förväntar sig cirka 20 miljarder dollar i intäkter från Vera-relaterad CPU-försäljning under den aktuella räkenskapsperioden, separat från GPU-intäkter.
• Vissa analytiker prognostiserar cirka 4 miljoner levererade Vera CPU:er under FY2027, vilket potentiellt skulle kunna generera cirka 20 miljarder dollar i försäljning om det realiseras.

Dessa siffror kommer från företagskommentarer och extern analytikermodellering, så de bör behandlas som framåtblickande prognoser snarare än garanterade utfall.

Vad detta innebär för Intel och AMD

Intel Xeon och AMD EPYC-processorer dominerar fortfarande server-CPU-marknaden, särskilt inom företagsinfrastruktur. Men AI-eran har förändrat hur CPU:er används i datacenter.

Istället för att utföra det mesta av beräkningen själva, CPU:er i allt högre grad:

• Koordinera GPU-arbetslaster
• Hantera datapipelines
• Köra orkestreringsprogramvara och agentramverk

Denna förändring gynnar arkitekturer som är optimerade för bandbredd och GPU-anslutning snarare än traditionell CPU-genomströmning. Vera är designad specifikt för den rollen.

Om plattformen vinner mark kan det signalera en gradvis övergång från allmänna x86-servrar till specialiserade Arm-baserade CPU:er tätt integrerade med AI-acceleratorer. NVIDIA skulle då kontrollera mer av datacenterstacken – från GPU till CPU till sammankopplingar – vilket potentiellt kan omforma hur AI-infrastruktur byggs.

Huruvida Vera på allvar urholkar Intels och AMDs dominans kommer att bero på verkliga driftsättningar och prestanda. Men arkitekturen återspeglar tydligt en stor branschtrend: AI-datacenter som utvecklas till vertikalt integrerade datorplattformar snarare än samlingar av utbytbara komponenter.