Vera CPU ของ Nvidia กับเดิมพันตลาด AI Agents มูลค่า 200 พันล้านดอลลาร์

อย่างไรก็ตาม ตัวเลขนี้เป็น การประเมินเชิงกลยุทธ์ของ Nvidia เอง ไม่ใช่การคาดการณ์จากหน่วยงานอิสระในอุตสาหกรรม

แนวคิดนี้สอดคล้องกับวิสัยทัศน์ของบริษัทที่เรียกศูนย์ข้อมูลยุคใหม่ว่า “AI factories” — โรงงานผลิตผลลัพธ์จาก AI ขนาดใหญ่ ที่มีทั้ง GPU, CPU และเครือข่ายทำงานร่วมกัน

ทำไม AI Agents ต้องการ CPU แบบใหม่

CPU ในคลาวด์แบบดั้งเดิมถูกออกแบบมาเพื่อโหลดงานทั่วไป เช่น

• เว็บเซิร์ฟเวอร์
• ฐานข้อมูล
• virtualization

แต่ agentic AI มีพฤติกรรมต่างออกไปมาก

AI agent มักจะต้องทำหลายขั้นตอน เช่น

• ดึงข้อมูลจากฐานข้อมูลหรืออินเทอร์เน็ต
• เรียกใช้เครื่องมือหรือ API
• รันโค้ดใน sandbox
• ประสานงานหลายโมเดล
• จัดการ memory และ workflow

ขั้นตอนเหล่านี้เกิดขึ้น นอก neural network แต่ต้องทำงานเร็วมากเพื่อไม่ให้ GPU รอคิว

Nvidia จึงออกแบบ Vera ให้เหมาะกับงานประเภทนี้โดยเฉพาะ โดยบริษัทระบุว่าในบางกรณีสามารถทำงานได้

• มีประสิทธิภาพมากขึ้นประมาณ 2 เท่า
• และเร็วกว่า CPU ระดับ rack แบบเดิมราว 50%

ในเชิงสถาปัตยกรรม Vera มี 88 คอร์ “Olympus” ที่ Nvidia ออกแบบเองและรองรับ Arm พร้อมแบนด์วิดท์หน่วยความจำสูงสำหรับระบบ AI ขนาดใหญ่

Vera ทำงานร่วมกับ GPU Rubin อย่างไร

Vera ไม่ได้มาแทน GPU แต่ทำหน้าที่เป็น สมองควบคุมของระบบ AI

ในแพลตฟอร์ม Nvidia Vera Rubin บริษัทได้รวมชิปหลายประเภทเข้าด้วยกัน เช่น

• Vera CPU
• Rubin GPU
• NVLink 6
• ConnectX‑9 networking
• BlueField‑4 DPU
• Spectrum‑6 Ethernet switch

ทั้งหมดนี้ถูกออกแบบให้ทำงานเป็นระบบเดียวในระดับ rack ของดาต้าเซ็นเตอร์

ตัวอย่างคือ Vera Rubin NVL72 ซึ่งประกอบด้วย

• 72 Rubin GPUs
• 36 Vera CPUs

ทั้งหมดเชื่อมต่อกันผ่าน NVLink ความเร็วสูง

ภายในระบบนี้ CPU จะทำหน้าที่

• ควบคุม workflow ของ AI
• จัดการหน่วยความจำและการเคลื่อนย้ายข้อมูล
• สั่งงาน GPU
• รันสภาพแวดล้อมซอฟต์แวร์ของ agent

เป้าหมายคือทำให้ GPU ที่มีราคาสูง ไม่ต้องรอคิวงาน และทำงานได้เต็มประสิทธิภาพตลอดเวลา

เมื่อ AI Agents เพิ่มเป็นพันล้านตัว

ข้อสมมติหลักของ Nvidia คือ วิธีการใช้ AI กำลังเปลี่ยนไป

ระบบ generative AI รุ่นแรกส่วนใหญ่ทำแค่

• รับ prompt
• สร้างคำตอบ

แต่ระบบ agent จะทำงานเป็นขั้นตอน เช่น

• วิเคราะห์งาน
• วางแผน
• เรียกใช้โมเดลหลายครั้ง
• ติดต่อเครื่องมือและฐานข้อมูล

นักวิเคราะห์บางรายระบุว่าความต้องการ compute สำหรับ agentic AI อาจสูงกว่า generative AI แบบเดิม หลายลำดับขั้น เพราะ agent ต้องเรียกโมเดลและเครื่องมือซ้ำ ๆ ในงานเดียว

ในโลกแบบนี้ CPU จะกลายเป็น control plane ของโครงสร้างพื้นฐาน AI ทำหน้าที่

• scheduling
• I/O
• environment runtime
• orchestration ของ GPU จำนวนมาก

ถ้าอนาคตมี AI agents หลายพันล้านตัวทำงานบนคลาวด์พร้อมกัน CPU จะกลายเป็นตลาดใหญ่ของโครงสร้างพื้นฐาน AI

กลยุทธ์ของ Nvidia ต่อ Intel, AMD และผู้ให้บริการคลาวด์

การเปิดตัว Vera ยังสะท้อนกลยุทธ์ใหม่ของ Nvidia ในการแข่งขัน

เดิมที

• Intel และ AMD ครองตลาด CPU เซิร์ฟเวอร์
• hyperscalers อย่าง AWS หรือ Google เริ่มออกแบบชิปเอง

Nvidia เลือกแนวทางต่างออกไป: ขายระบบ AI แบบครบสแต็ก

แพลตฟอร์ม Vera Rubin แสดงให้เห็นแนวคิดนี้อย่างชัดเจน โดย Nvidia ออกแบบร่วมกันทั้ง

• CPU
• GPU
• เครือข่าย
• accelerator
• ซอฟต์แวร์

เพื่อให้ทั้งหมดทำงานเป็นแพลตฟอร์ม AI เดียว

บริษัทเชื่อว่าการออกแบบแบบบูรณาการนี้สามารถให้

• ประสิทธิภาพสูงกว่า
• ต้นทุนต่อ token ต่ำกว่า

สำหรับบริการ AI ขนาดใหญ่

อย่างไรก็ตาม การแข่งขันยังเปิดกว้าง เพราะผู้ให้บริการคลาวด์รายใหญ่มีแรงจูงใจสูงที่จะพัฒนาชิปของตัวเองเพื่อลดการพึ่งพา Nvidia

การเปลี่ยนบทบาทของ Nvidia

Vera CPU สะท้อนการเปลี่ยนแปลงสำคัญของบริษัท

Nvidia ไม่ได้วางตำแหน่งตัวเองเป็นแค่ ผู้ผลิต GPU อีกต่อไป แต่กำลังพยายามเป็นผู้ให้บริการ โครงสร้างพื้นฐาน AI แบบครบวงจร ตั้งแต่ชิป ไปจนถึงระบบระดับดาต้าเซ็นเตอร์

หากแนวคิดของ Jensen Huang เรื่องยุคของ AI agents กลายเป็นจริง Vera อาจเป็นหนึ่งในชิ้นส่วนหลักของระบบคอมพิวเตอร์ยุคใหม่ และอาจเปลี่ยนตลาดที่เคยหมุนรอบ GPU ให้กลายเป็น ระบบนิเวศ AI infrastructure ที่ใหญ่กว่ามาก