CPU Vera của Nvidia có thể mở khóa thị trường 200 tỷ USD cho agentic AI

Vera khác gì CPU máy chủ của Intel và AMD

Phần lớn trung tâm dữ liệu hiện nay sử dụng CPU Intel Xeon hoặc AMD EPYC. Đây là các bộ xử lý đa dụng, được thiết kế để chạy nhiều loại ứng dụng doanh nghiệp khác nhau.

Vera đi theo hướng khác.

1. Thiết kế riêng cho hệ thống GPU

Thay vì hoạt động độc lập, Vera được xây dựng như lớp điều khiển cho các cụm GPU tăng tốc.

Kiến trúc của nó được tối ưu để:

• giữ GPU luôn có dữ liệu để xử lý
• giảm tắc nghẽn truyền dữ liệu
• điều phối bộ nhớ và mạng
• chạy môi trường phần mềm AI

Điều này khác với CPU truyền thống vốn không được thiết kế xoay quanh GPU ngay từ đầu.

2. Kiến trúc Arm với 88 lõi

Vera sử dụng kiến trúc Arm 88 lõi, tập trung vào hiệu quả năng lượng và băng thông cao cho từng lõi.

Chip máy chủ Arm ngày càng phổ biến trong các hệ thống quy mô lớn vì thường có hiệu năng trên mỗi watt tốt hơn trong các workload song song lớn.

3. Hiệu năng và hiệu quả được tuyên bố cao hơn

Theo Nvidia, Vera có thể mang lại:

• nhanh hơn tới 50% so với hạ tầng CPU rack-scale truyền thống
• hiệu quả năng lượng gấp đôi trong môi trường AI

Các cải thiện này chủ yếu đến từ việc thiết kế CPU để hoạt động trong hệ sinh thái tăng tốc của Nvidia thay vì phục vụ mục đích chung.

Nền tảng Vera Rubin: CPU và GPU như một hệ thống thống nhất

Vera không phải sản phẩm độc lập. Nó là một phần của nền tảng Vera Rubin, thế hệ hệ thống AI tiếp theo của Nvidia.

Nền tảng này kết hợp:

• CPU Vera
• GPU Rubin thế hệ mới
• mạng tốc độ cao
• kiến trúc bộ nhớ tối ưu cho AI

Hệ thống được thiết kế để xử lý các workload AI đòi hỏi cao như:

• agentic AI
• suy luận nhiều bước (reasoning)
• mô hình ngữ cảnh dài

Mục tiêu là giảm các nút thắt giao tiếp và tăng tokens-per-watt khi suy luận, giúp giảm chi phí chạy AI quy mô lớn.

Chiến lược lớn hơn: Nvidia muốn bán cả trung tâm dữ liệu AI

Trong hơn một thập kỷ, Nvidia thống trị thị trường GPU cho AI. Nhưng hiện nay công ty đang mở rộng sang toàn bộ stack hạ tầng AI.

Hệ sinh thái của hãng ngày càng bao gồm:

• GPU (Blackwell, Rubin)
• CPU (Grace, Vera)
• mạng (InfiniBand, Spectrum‑X)
• hệ thống rack-scale
• nền tảng phần mềm CUDA

Mục tiêu là cung cấp toàn bộ nền tảng AI hoàn chỉnh, thay vì chỉ bán từng con chip riêng lẻ.

Nếu chiến lược này thành công, nó có thể thay đổi cấu trúc trung tâm dữ liệu vốn lâu nay dựa vào CPU Intel hoặc AMD kết hợp với accelerator bên thứ ba.

Hyperscaler và sự nổi lên của “AI factory”

Các công ty đám mây quy mô lớn – thường gọi là hyperscalers như Microsoft, Meta, Alibaba hay Oracle – đóng vai trò quan trọng trong chiến lược của Nvidia.

Ví dụ, các siêu nhà máy AI Fairwater của Microsoft dự kiến sử dụng hệ thống rack-scale dựa trên nền tảng Vera Rubin, có thể triển khai hàng trăm nghìn chip trong các cụm máy khổng lồ.

Những môi trường này thường được gọi là “AI factory” – các trung tâm dữ liệu được tối ưu hóa hoàn toàn cho việc huấn luyện và chạy mô hình AI ở quy mô cực lớn.

Bối cảnh tài chính: Nvidia đang tăng trưởng bùng nổ

Chiến lược mở rộng sang CPU diễn ra trong giai đoạn tăng trưởng tài chính mạnh mẽ của Nvidia.

Công ty báo cáo:

• 81,6 tỷ USD doanh thu trong Q1 năm tài chính 2027, tăng 85% so với cùng kỳ
• 75,2 tỷ USD doanh thu trung tâm dữ liệu, động lực chính của tăng trưởng

Nvidia cũng dự báo khoảng 91 tỷ USD doanh thu cho quý tiếp theo, phản ánh nhu cầu mạnh mẽ đối với hạ tầng AI.

Trong dài hạn, CEO Jensen Huang thậm chí dự đoán đơn đặt hàng tích lũy lên tới 1 nghìn tỷ USD cho các hệ thống Blackwell và Vera Rubin trong những năm tới.

Vì sao cơ hội 200 tỷ USD lại quan trọng

Ý nghĩa lớn nhất của Vera không chỉ là một CPU nhanh hơn.

Đó là nỗ lực của Nvidia nhằm mở rộng từ accelerator sang toàn bộ ngăn xếp tính toán trong trung tâm dữ liệu AI.

Trong nhiều thập kỷ, socket CPU trong máy chủ gần như thuộc về Intel và AMD. Bằng cách đưa ra CPU tích hợp chặt chẽ với GPU của mình, Nvidia đang cố gắng chiếm luôn phần chi phí phần cứng đó.

Nếu các hyperscaler chấp nhận rộng rãi kiến trúc này, trung tâm dữ liệu AI tương lai có thể chuyển từ mô hình linh kiện đa nhà cung cấp sang hệ thống AI tích hợp dọc xoay quanh GPU.

Dù vậy, cần lưu ý rằng 200 tỷ USD chỉ là ước tính thị trường của Nvidia. Việc nó có trở thành hiện thực hay không còn phụ thuộc vào nhiều yếu tố như mức độ chấp nhận CPU Arm trong máy chủ, năng lực sản xuất và việc các nhà cung cấp đám mây có sẵn sàng rời bỏ hạ tầng x86 hiện tại hay không.

Một điều rõ ràng: trong kỷ nguyên agentic AI, CPU – từng là thành phần ít được chú ý phía sau GPU – đang trở lại vị trí chiến lược.