แก่นสำคัญของข้อโต้แย้งจาก AMD ไม่ใช่การบอกว่า Vera เป็นชิปที่ช้า หากแต่เป็นการชี้ว่า NVIDIA กำลังวัดค่าผิดตัว สำหรับกระแสใหม่ของ Agentic AI หรือเอไอที่ทำงานเชิงรุกได้ด้วยตัวเอง ซึ่งมี AI Agent หลายพันตัวที่ต้องพึ่งพาการประสานงาน (Orchestration), การเข้าถึงฐานข้อมูล, เว็บเซิร์ฟเวอร์ และระบบแคชจากฝั่ง CPU อย่างต่อเนื่อง AMD ยืนยันว่าตัวชี้วัดเดียวที่มีความหมายคือ ปริมาณงานรวมต่อแร็ค (Rack-Scale Throughput) ภายใต้งบประมาณพลังงานที่เท่ากัน

แทนที่จะแข่งขันกันที่ความเร็วต่อหนึ่งคอร์แบบตัวต่อตัว AMD เสนอการทดลองทางความคิด: หากให้แต่ละแพลตฟอร์มมีงบพลังงานต่อแร็คที่ 100 กิโลวัตต์ และดูว่ามันจะจัดการงานของ Agentic AI ในโลกแห่งความเป็นจริงได้มากน้อยเพียงใด ในสถานการณ์นั้น แบบจำลองภายในของ AMD บ่งชี้ว่า ซีพียู EPYC ที่มีจำนวนคอร์สูงจะเหนือกว่า Vera ของ NVIDIA อย่างมาก ไม่ใช่เพราะแต่ละคอร์เร็วกว่ากันแบบก้าวกระโดด แต่เป็นเพราะ ประสิทธิภาพพลังงานที่เหนือกว่าทำให้สามารถอัดจำนวนคอร์ลงในงบพลังงานที่จำกัดเท่ากันได้มากกว่ามหาศาล

เปิดสกอร์การ์ดระดับแร็ค: AMD จัดอันดับซีพียูแต่ละค่ายอย่างไร

การเปรียบเทียบของ AMD นี้ ทำให้ทุกแพลตฟอร์มอยู่ในมาตรฐานเดียวกัน คืองบพลังงาน 100 กิโลวัตต์สำหรับเซิร์ฟเวอร์แบบ Dual-Socket (2P) หนึ่งแร็ค โดยรวมเอาภาระงาน 6 ประเภทที่เป็นหัวใจของ Agentic AI มาใช้คำนวณคะแนนประสิทธิภาพรวมเป็นค่าเฉลี่ยเรขาคณิต (geometric mean throughput) ได้แก่ ประสิทธิภาพจำนวนเต็มของ SPECrate 2017, งาน Java ฝั่งเซิร์ฟเวอร์, เว็บเซิร์ฟเวอร์ NGINX, ฐานข้อมูล Redis, ระบบแคช Memcached, และฐานข้อมูลเชิงสัมพันธ์ โดยใช้ Vera เป็นค่าตั้งต้น (Baseline)

หากเจาะลึกลงไปในรายละเอียดของ Venice เทียบกับ Vera จะเห็นตัวเลขที่ก้าวร้าวขึ้นไปอีก โดยมีช่วงคาดการณ์ตั้งแต่ประสิทธิภาพเหนือกว่าถึง 2.40 เท่าในงานจำนวนเต็ม ไปจนถึง 4.05 เท่าในการทำธุรกรรมฐานข้อมูลแบบ TPROC-C

ข้อถกเถียงสุดคลาสสิก: จำนวนคอร์ต่อวัตต์ vs ประสิทธิภาพต่อคอร์

การเห็นต่างในครั้งนี้ตั้งอยู่บนฟิสิกส์พื้นฐานและการคำนวณประสิทธิภาพพลังงาน แบบจำลองของ AMD ประมาณการว่าชิปของตนใช้พลังงานรวมต่อโหนด (Node Power) แบบ Dual-Socket ในระดับที่เป็นมาตรฐานต่ำกว่า Vera เมื่อทุกแร็คถูกจำกัดที่ 100 กิโลวัตต์ การใช้พลังงานต่อโหนดที่ต่ำกว่าย่อมหมายความว่า คุณสามารถติดตั้งเซิร์ฟเวอร์ได้มากขึ้นในทางกายภาพ การวิเคราะห์ของ AMD แสดงให้เห็นว่าในขณะที่แร็คของ Vera มีจำนวนโหนดแบบมาตรฐานที่ 1.00x แร็คของ EPYC 9965 สามารถบรรจุคอร์มากกว่าเป็น 1.86 เท่า และแร็คของ Venice สามารถบรรจุได้ถึง 2.08 เท่า

จากนั้น ประสิทธิภาพในระดับแร็คจะคำนวณได้จากผลคูณของประสิทธิภาพต่อโหนด และจำนวนโหนดต่อแร็ค ต่อให้ Vera จะเร็วกว่าเล็กน้อยเมื่อเทียบกันต่อคอร์ ซึ่งเป็นประเด็นที่ผลทดสอบอิสระในช่วงแรกๆ ได้สนับสนุนไว้ AMD ก็โต้แย้งว่าเป็นไปไม่ได้ทางคณิตศาสตร์ที่จะเอาชนะความได้เปรียบของจำนวนคอร์ที่มากกว่ามหาศาลจากการออกแบบที่ใช้พลังงานมีประสิทธิภาพกว่าในแร็คที่มีข้อจำกัดด้านพลังงาน

อย่างไรก็ดี AMD ก็ยังคงอ้างสิทธิ์ในเรื่องประสิทธิภาพต่อคอร์เช่นกัน เอกสารดังกล่าวประมาณการว่า Venice รุ่น 64 คอร์ จะให้ประสิทธิภาพต่อคอร์ในแบบ SPECrate สูงกว่า 27% เมื่อเทียบกับ Vera ที่มี 88 คอร์ และแม้แต่ Venice รุ่น 96 คอร์ ก็ยังคาดว่าจะคงความได้เปรียบต่อคอร์อยู่ที่ 11% เมื่อเทียบกับชิปของ NVIDIA

สองมุมมองจากสงครามซีพียู

นี่คือสงครามการวางกรอบตัวชี้วัด (Benchmark Framing War) แบบคลาสสิก ที่แต่ละบริษัทเลือกการวัดที่เข้ากับปรัชญาการออกแบบของตนมากที่สุด

• มุมมองของ NVIDIA: ความเร็วต่อซ็อกเก็ตเดียว. NVIDIA วางตำแหน่ง Vera ให้เป็น "ซีพียูเพื่อเอเจนต์" ที่สร้างมาเพื่อสภาพแวดล้อมแบบ Sandbox ที่มีการทำงานพร้อมกันจำนวนมหาศาล ซึ่งความเร็วของหนึ่งชิปคือสิ่งสำคัญสูงสุด บล็อกทางเทคนิคของบริษัทอ้างว่า Vera มอบประสิทธิภาพ Sandbox สำหรับ Agentic ได้สูงกว่าแพลตฟอร์ม x86 คู่แข่งถึง 1.5 เท่า โดยได้แรงหนุนจากแบนด์วิดธ์หน่วยความจำ 1.2 TB/s และคอร์ Olympus แบบปรับแต่งเองพร้อมเทคโนโลยี NVIDIA Spatial Multithreading
• มุมมองของ AMD: ความหนาแน่นของการให้บริการต่อแร็ค. AMD ปรับกรอบการสนทนาใหม่ให้เป็นเรื่องของสภาพแวดล้อมการใช้งาน Agentic AI จริง ซึ่ง GPU ทำหน้าที่ประมวลผลโมเดล แต่ CPU ต้องจัดการทุกอย่างที่อยู่รอบๆ ไม่ว่าจะเป็นการประสานงาน (Orchestration), การยืนยันตัวตนผู้ใช้, ชั้นของระบบแคช, และการสืบค้นฐานข้อมูล ในมุมมองนี้ การให้บริการ AI Agent พร้อมกัน 10,000 ตัว ต้องใช้พลังประมวลผลแบบมัลติเธรดขนาดมหาศาล ซึ่งจะได้รับประโยชน์สูงสุดจากการเพิ่มความหนาแน่นของจำนวนคอร์ต่อแร็ค

ข้อควรระวังสำคัญเบื้องหลังตัวเลข 3.3x

แม้ว่าตัวเลขพาดหัวของ AMD จะน่าสนใจอย่างมาก แต่มันจำเป็นต้องอาศัยบริบทเพิ่มเติมอีกพอสมควร

• ตัวเลขทั้งหมดเป็นเพียงการประมาณการภายในของ AMD. ข้อควรระวังที่สำคัญที่สุดคือ โดยเฉพาะตัวเลขของ Venice นั้นเป็นเพียงการคาดการณ์ก่อนมีชิปจริง (Pre-silicon Projections) ไม่ใช่ผลการทดสอบจากการวัดผลอิสระ การวิเคราะห์ทั้งหมดนี้เป็นแบบจำลอง (Model) ไม่ใช่การทดสอบจริง
• NVIDIA ก็เล่าเรื่องที่แตกต่างด้วยภาระงานต่างออกไป. ตัวชี้วัดของ NVIDIA เอง ที่ใช้กลุ่มภาระงานของ Sandbox และ Compilation แบบเฉพาะ มักจะแสดงให้เห็นว่า Vera มีประสิทธิภาพเหนือกว่า EPYC ระดับสูงของ AMD ในปัจจุบันแบบต่อซ็อกเก็ตเดียว
• เป็นการเปรียบเทียบ 'ม้า' กับ 'เรือ'. ค่าเฉลี่ยเรขาคณิตจากหกภาระงานของ AMD นั้นเน้นไปที่งานบริการโครงสร้างพื้นฐานที่ฝั่ง CPU เป็นหลัก มันไม่ได้รวมเอาภาระงานอย่าง Sandbox Compilation หรือการรันคำสั่งเครื่องมือ (Tool-call) ที่เป็นแกนหลักในการตลาดของ NVIDIA สำหรับ Vera เข้าไปด้วย
• การใช้พลังงานของ Vera ถูก AMD 'คาดการณ์' เอาเอง. ปัจจัยสำคัญที่ผลักดันความได้เปรียบในระดับแร็คของ AMD คือข้อสันนิษฐานเรื่องพลังงานของ Vera ในแบบจำลองของ AMD นั้น Vera มีการใช้พลังงานต่อโหนด (Node Power) ในเกณฑ์มาตรฐานสูงที่สุด ซึ่งจำกัดจำนวนโหนดที่ใส่ในแร็คได้ นี่เป็นข้อสันนิษฐานของ AMD เอง ไม่ใช่ข้อมูลวัดผลที่ผ่านการยืนยันแล้วของ Vera

กำหนดการวางตลาด: แล้วเมื่อไหร่เราจะได้ใช้ของจริง?

ระยะเวลาในการผลิตและวางจำหน่ายเพิ่มมิติที่น่าสนใจให้กับพลวัตการแข่งขันครั้งนี้

• AMD EPYC 9965 "Turin" (Zen 5): นี่คือรุ่นเรือธงปัจจุบันที่มี 192 คอร์ และเป็นพื้นฐานสำหรับคำกล่าวอ้างของ AMD ว่าให้ประสิทธิภาพต่อแร็คเหนือ Vera ถึง 2.37 เท่า มันกำลังวางจำหน่ายแล้วในขณะนี้
• AMD EPYC "Venice" (Zen 6, 256-core): AMD ยืนยันเมื่อวันที่ 21 พฤษภาคม 2026 ว่า Venice ได้เข้าสู่กระบวนการผลิตจำนวนมาก (Volume Production) บนเทคโนโลยี 2nm อันล้ำสมัยของ TSMC แล้ว โดยซีพียู EPYC Venice สำหรับเซิร์ฟเวอร์นั้น คาดว่าจะเปิดตัวในครึ่งหลังของปี 2026
• NVIDIA Vera: NVIDIA ได้เริ่มจัดส่งซีพียู Vera ชุดแรกให้กับห้องปฏิบัติการ AI ชั้นนำ อาทิ Anthropic, OpenAI และ Oracle Cloud Infrastructure ในช่วงกลางเดือนพฤษภาคม 2026 โดยคาดว่าพาร์ทเนอร์รายอื่นๆ จะพร้อมให้บริการในครึ่งหลังของปีนี้

ในขณะที่ชิปทั้งสองฝั่งกำลังใกล้ถึงวันที่จะวางจำหน่ายจริงแก่สาธารณะ การถกเถียงนี้จะย้ายจากสไลด์นำเสนอของแต่ละค่ายไปสู่บททดสอบจริงในศูนย์ข้อมูลของบุคคลที่สาม จนกว่าจะถึงวันนั้น ข้อสรุปที่มีประโยชน์ที่สุดอาจไม่ใช่การถกเถียงว่าซีพียูตัวไหน "เร็วกว่า" กันแน่ แต่มันคือการตั้งคำถามที่ว่า "คุณได้ตรวจสอบแน่ใจแล้วหรือยังว่าโครงสร้างพื้นฐานที่คุณกำลังประเมินนั้น เหมาะสมกับภาระงานเฉพาะที่คุณตั้งใจจะใช้งานจริง"

แก่นสำคัญของข้อโต้แย้งจาก AMD ไม่ใช่การบอกว่า Vera เป็นชิปที่ช้า หากแต่เป็นการชี้ว่า NVIDIA กำลังวัดค่าผิดตัว สำหรับกระแสใหม่ของ Agentic AI หรือเอไอที่ทำงานเชิงรุกได้ด้วยตัวเอง ซึ่งมี AI Agent หลายพันตัวที่ต้องพึ่งพาการประสานงาน (Orchestration), การเข้าถึงฐานข้อมูล, เว็บเซิร์ฟเวอร์ และระบบแคชจากฝั่ง CPU อย่างต่อเนื่อง AMD ยืนยันว่าตัวชี้วัดเดียวที่มีความหมายคือ ปริมาณงานรวมต่อแร็ค (Rack-Scale Throughput) ภายใต้งบประมาณพลังงานที่เท่ากัน

แทนที่จะแข่งขันกันที่ความเร็วต่อหนึ่งคอร์แบบตัวต่อตัว AMD เสนอการทดลองทางความคิด: หากให้แต่ละแพลตฟอร์มมีงบพลังงานต่อแร็คที่ 100 กิโลวัตต์ และดูว่ามันจะจัดการงานของ Agentic AI ในโลกแห่งความเป็นจริงได้มากน้อยเพียงใด ในสถานการณ์นั้น แบบจำลองภายในของ AMD บ่งชี้ว่า ซีพียู EPYC ที่มีจำนวนคอร์สูงจะเหนือกว่า Vera ของ NVIDIA อย่างมาก ไม่ใช่เพราะแต่ละคอร์เร็วกว่ากันแบบก้าวกระโดด แต่เป็นเพราะ ประสิทธิภาพพลังงานที่เหนือกว่าทำให้สามารถอัดจำนวนคอร์ลงในงบพลังงานที่จำกัดเท่ากันได้มากกว่ามหาศาล

เปิดสกอร์การ์ดระดับแร็ค: AMD จัดอันดับซีพียูแต่ละค่ายอย่างไร

การเปรียบเทียบของ AMD นี้ ทำให้ทุกแพลตฟอร์มอยู่ในมาตรฐานเดียวกัน คืองบพลังงาน 100 กิโลวัตต์สำหรับเซิร์ฟเวอร์แบบ Dual-Socket (2P) หนึ่งแร็ค โดยรวมเอาภาระงาน 6 ประเภทที่เป็นหัวใจของ Agentic AI มาใช้คำนวณคะแนนประสิทธิภาพรวมเป็นค่าเฉลี่ยเรขาคณิต (geometric mean throughput) ได้แก่ ประสิทธิภาพจำนวนเต็มของ SPECrate 2017, งาน Java ฝั่งเซิร์ฟเวอร์, เว็บเซิร์ฟเวอร์ NGINX, ฐานข้อมูล Redis, ระบบแคช Memcached, และฐานข้อมูลเชิงสัมพันธ์ โดยใช้ Vera เป็นค่าตั้งต้น (Baseline)

หากเจาะลึกลงไปในรายละเอียดของ Venice เทียบกับ Vera จะเห็นตัวเลขที่ก้าวร้าวขึ้นไปอีก โดยมีช่วงคาดการณ์ตั้งแต่ประสิทธิภาพเหนือกว่าถึง 2.40 เท่าในงานจำนวนเต็ม ไปจนถึง 4.05 เท่าในการทำธุรกรรมฐานข้อมูลแบบ TPROC-C

ข้อถกเถียงสุดคลาสสิก: จำนวนคอร์ต่อวัตต์ vs ประสิทธิภาพต่อคอร์

การเห็นต่างในครั้งนี้ตั้งอยู่บนฟิสิกส์พื้นฐานและการคำนวณประสิทธิภาพพลังงาน แบบจำลองของ AMD ประมาณการว่าชิปของตนใช้พลังงานรวมต่อโหนด (Node Power) แบบ Dual-Socket ในระดับที่เป็นมาตรฐานต่ำกว่า Vera เมื่อทุกแร็คถูกจำกัดที่ 100 กิโลวัตต์ การใช้พลังงานต่อโหนดที่ต่ำกว่าย่อมหมายความว่า คุณสามารถติดตั้งเซิร์ฟเวอร์ได้มากขึ้นในทางกายภาพ การวิเคราะห์ของ AMD แสดงให้เห็นว่าในขณะที่แร็คของ Vera มีจำนวนโหนดแบบมาตรฐานที่ 1.00x แร็คของ EPYC 9965 สามารถบรรจุคอร์มากกว่าเป็น 1.86 เท่า และแร็คของ Venice สามารถบรรจุได้ถึง 2.08 เท่า

จากนั้น ประสิทธิภาพในระดับแร็คจะคำนวณได้จากผลคูณของประสิทธิภาพต่อโหนด และจำนวนโหนดต่อแร็ค ต่อให้ Vera จะเร็วกว่าเล็กน้อยเมื่อเทียบกันต่อคอร์ ซึ่งเป็นประเด็นที่ผลทดสอบอิสระในช่วงแรกๆ ได้สนับสนุนไว้ AMD ก็โต้แย้งว่าเป็นไปไม่ได้ทางคณิตศาสตร์ที่จะเอาชนะความได้เปรียบของจำนวนคอร์ที่มากกว่ามหาศาลจากการออกแบบที่ใช้พลังงานมีประสิทธิภาพกว่าในแร็คที่มีข้อจำกัดด้านพลังงาน

อย่างไรก็ดี AMD ก็ยังคงอ้างสิทธิ์ในเรื่องประสิทธิภาพต่อคอร์เช่นกัน เอกสารดังกล่าวประมาณการว่า Venice รุ่น 64 คอร์ จะให้ประสิทธิภาพต่อคอร์ในแบบ SPECrate สูงกว่า 27% เมื่อเทียบกับ Vera ที่มี 88 คอร์ และแม้แต่ Venice รุ่น 96 คอร์ ก็ยังคาดว่าจะคงความได้เปรียบต่อคอร์อยู่ที่ 11% เมื่อเทียบกับชิปของ NVIDIA

สองมุมมองจากสงครามซีพียู

นี่คือสงครามการวางกรอบตัวชี้วัด (Benchmark Framing War) แบบคลาสสิก ที่แต่ละบริษัทเลือกการวัดที่เข้ากับปรัชญาการออกแบบของตนมากที่สุด

• มุมมองของ NVIDIA: ความเร็วต่อซ็อกเก็ตเดียว. NVIDIA วางตำแหน่ง Vera ให้เป็น "ซีพียูเพื่อเอเจนต์" ที่สร้างมาเพื่อสภาพแวดล้อมแบบ Sandbox ที่มีการทำงานพร้อมกันจำนวนมหาศาล ซึ่งความเร็วของหนึ่งชิปคือสิ่งสำคัญสูงสุด บล็อกทางเทคนิคของบริษัทอ้างว่า Vera มอบประสิทธิภาพ Sandbox สำหรับ Agentic ได้สูงกว่าแพลตฟอร์ม x86 คู่แข่งถึง 1.5 เท่า โดยได้แรงหนุนจากแบนด์วิดธ์หน่วยความจำ 1.2 TB/s และคอร์ Olympus แบบปรับแต่งเองพร้อมเทคโนโลยี NVIDIA Spatial Multithreading
• มุมมองของ AMD: ความหนาแน่นของการให้บริการต่อแร็ค. AMD ปรับกรอบการสนทนาใหม่ให้เป็นเรื่องของสภาพแวดล้อมการใช้งาน Agentic AI จริง ซึ่ง GPU ทำหน้าที่ประมวลผลโมเดล แต่ CPU ต้องจัดการทุกอย่างที่อยู่รอบๆ ไม่ว่าจะเป็นการประสานงาน (Orchestration), การยืนยันตัวตนผู้ใช้, ชั้นของระบบแคช, และการสืบค้นฐานข้อมูล ในมุมมองนี้ การให้บริการ AI Agent พร้อมกัน 10,000 ตัว ต้องใช้พลังประมวลผลแบบมัลติเธรดขนาดมหาศาล ซึ่งจะได้รับประโยชน์สูงสุดจากการเพิ่มความหนาแน่นของจำนวนคอร์ต่อแร็ค

ข้อควรระวังสำคัญเบื้องหลังตัวเลข 3.3x

แม้ว่าตัวเลขพาดหัวของ AMD จะน่าสนใจอย่างมาก แต่มันจำเป็นต้องอาศัยบริบทเพิ่มเติมอีกพอสมควร

• ตัวเลขทั้งหมดเป็นเพียงการประมาณการภายในของ AMD. ข้อควรระวังที่สำคัญที่สุดคือ โดยเฉพาะตัวเลขของ Venice นั้นเป็นเพียงการคาดการณ์ก่อนมีชิปจริง (Pre-silicon Projections) ไม่ใช่ผลการทดสอบจากการวัดผลอิสระ การวิเคราะห์ทั้งหมดนี้เป็นแบบจำลอง (Model) ไม่ใช่การทดสอบจริง
• NVIDIA ก็เล่าเรื่องที่แตกต่างด้วยภาระงานต่างออกไป. ตัวชี้วัดของ NVIDIA เอง ที่ใช้กลุ่มภาระงานของ Sandbox และ Compilation แบบเฉพาะ มักจะแสดงให้เห็นว่า Vera มีประสิทธิภาพเหนือกว่า EPYC ระดับสูงของ AMD ในปัจจุบันแบบต่อซ็อกเก็ตเดียว
• เป็นการเปรียบเทียบ 'ม้า' กับ 'เรือ'. ค่าเฉลี่ยเรขาคณิตจากหกภาระงานของ AMD นั้นเน้นไปที่งานบริการโครงสร้างพื้นฐานที่ฝั่ง CPU เป็นหลัก มันไม่ได้รวมเอาภาระงานอย่าง Sandbox Compilation หรือการรันคำสั่งเครื่องมือ (Tool-call) ที่เป็นแกนหลักในการตลาดของ NVIDIA สำหรับ Vera เข้าไปด้วย
• การใช้พลังงานของ Vera ถูก AMD 'คาดการณ์' เอาเอง. ปัจจัยสำคัญที่ผลักดันความได้เปรียบในระดับแร็คของ AMD คือข้อสันนิษฐานเรื่องพลังงานของ Vera ในแบบจำลองของ AMD นั้น Vera มีการใช้พลังงานต่อโหนด (Node Power) ในเกณฑ์มาตรฐานสูงที่สุด ซึ่งจำกัดจำนวนโหนดที่ใส่ในแร็คได้ นี่เป็นข้อสันนิษฐานของ AMD เอง ไม่ใช่ข้อมูลวัดผลที่ผ่านการยืนยันแล้วของ Vera

กำหนดการวางตลาด: แล้วเมื่อไหร่เราจะได้ใช้ของจริง?

ระยะเวลาในการผลิตและวางจำหน่ายเพิ่มมิติที่น่าสนใจให้กับพลวัตการแข่งขันครั้งนี้

• AMD EPYC 9965 "Turin" (Zen 5): นี่คือรุ่นเรือธงปัจจุบันที่มี 192 คอร์ และเป็นพื้นฐานสำหรับคำกล่าวอ้างของ AMD ว่าให้ประสิทธิภาพต่อแร็คเหนือ Vera ถึง 2.37 เท่า มันกำลังวางจำหน่ายแล้วในขณะนี้
• AMD EPYC "Venice" (Zen 6, 256-core): AMD ยืนยันเมื่อวันที่ 21 พฤษภาคม 2026 ว่า Venice ได้เข้าสู่กระบวนการผลิตจำนวนมาก (Volume Production) บนเทคโนโลยี 2nm อันล้ำสมัยของ TSMC แล้ว โดยซีพียู EPYC Venice สำหรับเซิร์ฟเวอร์นั้น คาดว่าจะเปิดตัวในครึ่งหลังของปี 2026
• NVIDIA Vera: NVIDIA ได้เริ่มจัดส่งซีพียู Vera ชุดแรกให้กับห้องปฏิบัติการ AI ชั้นนำ อาทิ Anthropic, OpenAI และ Oracle Cloud Infrastructure ในช่วงกลางเดือนพฤษภาคม 2026 โดยคาดว่าพาร์ทเนอร์รายอื่นๆ จะพร้อมให้บริการในครึ่งหลังของปีนี้

ในขณะที่ชิปทั้งสองฝั่งกำลังใกล้ถึงวันที่จะวางจำหน่ายจริงแก่สาธารณะ การถกเถียงนี้จะย้ายจากสไลด์นำเสนอของแต่ละค่ายไปสู่บททดสอบจริงในศูนย์ข้อมูลของบุคคลที่สาม จนกว่าจะถึงวันนั้น ข้อสรุปที่มีประโยชน์ที่สุดอาจไม่ใช่การถกเถียงว่าซีพียูตัวไหน "เร็วกว่า" กันแน่ แต่มันคือการตั้งคำถามที่ว่า "คุณได้ตรวจสอบแน่ใจแล้วหรือยังว่าโครงสร้างพื้นฐานที่คุณกำลังประเมินนั้น เหมาะสมกับภาระงานเฉพาะที่คุณตั้งใจจะใช้งานจริง"