Nvidia Vera CPU: ชิปเซิร์ฟเวอร์รุ่นใหม่ที่ออกแบบมาเพื่อยุค Agentic AI

Vera CPU ถูกออกแบบมาเพื่ออะไร

ต่างจาก CPU เซิร์ฟเวอร์ทั่วไป Vera ถูกออกแบบมาเพื่อรองรับงาน AI ที่ต้องทำงานร่วมกับ GPU อย่างใกล้ชิด

ระบบ AI รุ่นใหม่มักต้องทำงานหลายขั้นตอน เช่น

• การวางแผนและควบคุม workflow ของ AI agent
• การดึงข้อมูลจากฐานข้อมูล (retrieval‑augmented generation)
• การจำลองสถานการณ์และ reinforcement learning
• การเรียกใช้เครื่องมือหรือ sandbox ต่าง ๆ

งานเหล่านี้ต้องการ CPU ที่มี ประสิทธิภาพต่อเธรดสูง หน่วยความจำเร็ว และการสื่อสารกับ GPU ที่รวดเร็วมาก ซึ่งเป็นจุดที่ Nvidia ออกแบบ Vera ให้ตอบโจทย์

สถาปัตยกรรมและสเปกหลัก

ข้อมูลสาธารณะระบุว่า Vera เป็น CPU สำหรับศูนย์ข้อมูลที่ใช้สถาปัตยกรรม Arm พร้อมคอร์ที่ Nvidia ออกแบบเอง

คุณสมบัติสำคัญ ได้แก่

• 88 คอร์ Armv9.2 แบบกำหนดเอง ชื่อ Olympus
• 176 เธรด ผ่านเทคโนโลยี spatial multithreading
• แบนด์วิดท์หน่วยความจำประมาณ 1.2 TB/s
• การเชื่อมต่อ NVLink‑C2C กับ GPU สูงสุดราว 1.8 TB/s

ด้วยการเชื่อมต่อแบบ coherent กับ GPU CPU จึงสามารถทำหน้าที่เป็น ศูนย์กลางด้านหน่วยความจำและการควบคุมระบบ ในขณะที่ GPU ทำงานคำนวณเมทริกซ์และเทนเซอร์สำหรับการเทรนและ inference ของโมเดล AI

Vera ยังต่อยอดจากแนวคิดเดียวกับ Grace CPU ซึ่ง Nvidia เคยใช้ในแพลตฟอร์ม Grace Hopper มาก่อน

ตัวเลขประสิทธิภาพที่ Nvidia อ้าง

Nvidia ระบุว่า Vera ถูกปรับแต่งเพื่อเวิร์กโหลด AI ที่ต้องมีการประสานงานหลายส่วนของระบบ ไม่ใช่แค่การคำนวณของ GPU เพียงอย่างเดียว

ตัวเลขที่บริษัทเผยแพร่ ได้แก่

• ประสิทธิภาพต่อพลังงาน สูงขึ้นถึง 2 เท่า เมื่อเทียบกับ CPU แบบ rack‑scale ทั่วไป
• ประสิทธิภาพบางเวิร์กโหลด เร็วขึ้นประมาณ 50%
• agent sandbox เร็วขึ้น 50%
• การ query ข้อมูลระดับองค์กร เร็วขึ้นสูงสุด 3 เท่า

ตัวเลขเหล่านี้มาจาก benchmark ภายในของ Nvidia และยังมีการทดสอบจากบุคคลที่สามค่อนข้างจำกัด จึงควรมองว่าเป็นข้อมูลจากผู้ผลิตมากกว่าการเปรียบเทียบที่ยืนยันแล้วในอุตสาหกรรม

บทบาทในแพลตฟอร์ม Vera Rubin NVL72

Vera CPU ไม่ได้ถูกออกแบบให้ทำงานเดี่ยว แต่เป็นส่วนหนึ่งของระบบ Vera Rubin ซึ่งรวมฮาร์ดแวร์หลายประเภทเข้าเป็นแพลตฟอร์มเดียว

ระบบหลักคือ Vera Rubin NVL72 ซึ่งเป็นซูเปอร์คอมพิวเตอร์ AI แบบแร็กที่รวม

• 72 Rubin GPUs
• 36 Vera CPUs
• NVLink 6 switching fabric
• ConnectX‑9 SuperNIC
• BlueField‑4 DPU
• เครือข่าย Quantum‑X800 InfiniBand หรือ Spectrum‑X Ethernet

องค์ประกอบทั้งหมดทำงานร่วมกันเป็นระบบเดียวที่ออกแบบมาเพื่อรองรับทั้งการเทรนโมเดล การ inference และเวิร์กโหลด agentic AI ในระดับศูนย์ข้อมูล

นอกจากนี้ Nvidia ยังเสนอ rack ที่มี Vera CPU เพียงอย่างเดียว ซึ่งสามารถติดตั้งได้ถึง 256 CPU แบบ liquid‑cooled สำหรับงาน orchestration หรือ reinforcement learning ในคลัสเตอร์ AI ขนาดใหญ่

ทำไม Vera CPU จึงสำคัญต่อ Nvidia

ที่ผ่านมา Nvidia ครองตลาด AI infrastructure ด้วย GPU เป็นหลัก แต่ระบบ AI ขนาดใหญ่ในปัจจุบันต้องใช้ฮาร์ดแวร์มากกว่านั้น

การมี CPU ของตัวเองทำให้ Nvidia สามารถควบคุมทั้งสแต็กได้ เช่น

• การจัดตารางงานของ CPU
• การเข้าถึงหน่วยความจำของ GPU
• โครงข่าย NVLink
• ซอฟต์แวร์อย่าง CUDA

กลยุทธ์นี้สะท้อนแนวโน้มของอุตสาหกรรมที่กำลังเปลี่ยนจากการขายชิปเดี่ยว ๆ ไปสู่ ระบบ AI แบบ rack‑scale ที่ออกแบบทั้งแพลตฟอร์มพร้อมกัน

ผลกระทบต่อการแข่งขันกับ AMD และ Intel

การเปิดตัว Vera ยังหมายความว่า Nvidia กำลังก้าวเข้าสู่ตลาด CPU สำหรับศูนย์ข้อมูล อย่างจริงจัง

ตลาดนี้ปัจจุบันถูกครองโดยโปรเซสเซอร์ x86 จาก Intel Xeon และ AMD EPYC โดยข้อมูลจาก Mercury Research ระบุว่าในต้นปี 2026 AMD มีส่วนแบ่งเซิร์ฟเวอร์ CPU มากกว่า 33% ของจำนวนเครื่อง และราว 46% ของรายได้ในตลาด x86

ด้วย Vera Nvidia มีโอกาส

• ลดการพึ่งพา CPU จากผู้ผลิตรายอื่น
• ควบคุมสถาปัตยกรรม AI cluster ทั้งระบบ
• เพิ่มรายได้จากส่วนประกอบของศูนย์ข้อมูลมากกว่าการขาย GPU เพียงอย่างเดียว

ภาพใหญ่: ศูนย์ข้อมูล AI กำลังกลายเป็นระบบแบบบูรณาการ

การมาของ Vera CPU แสดงให้เห็นแนวโน้มสำคัญของอุตสาหกรรม AI: โครงสร้างพื้นฐานกำลังกลายเป็นระบบที่บูรณาการแนวตั้ง (vertical integration)

แทนที่จะประกอบระบบจากชิ้นส่วนหลายบริษัท Nvidia กำลังนำเสนอแพลตฟอร์มครบชุดที่รวม

• CPU
• GPU
• ระบบเครือข่าย
• DPU
• ซอฟต์แวร์

เข้าเป็นสิ่งที่บริษัทเรียกว่า AI factory ซึ่งออกแบบมาเพื่อรองรับโมเดลขนาดใหญ่และระบบ AI อัตโนมัติรุ่นถัดไป

หาก Vera ทำผลงานได้ตามที่ Nvidia อ้าง สถาปัตยกรรมแบบนี้อาจกลายเป็นรูปแบบมาตรฐานของศูนย์ข้อมูล AI ในอนาคต ที่ฮาร์ดแวร์ทั้งหมดถูกออกแบบให้ทำงานร่วมกันตั้งแต่ต้น ไม่ใช่เพียงนำชิ้นส่วนต่าง ๆ มาประกอบเข้าด้วยกันภายหลัง.