英伟达Vera CPU：瞄准AI代理时代的2000亿美元新市场

为什么AI代理需要新的CPU

传统云服务器CPU主要为以下任务设计：

• Web服务
• 数据库
• 虚拟化
• 企业应用

但 Agentic AI（代理型AI） 的工作方式不同。

一个AI代理在完成任务时通常会经历多个步骤，例如：

• 从外部数据库检索信息
• 调用工具或API
• 在沙箱环境中运行代码
• 调度多个模型请求
• 维护上下文记忆与工作流

这些操作并不发生在神经网络内部，但它们必须快速执行，否则GPU会因等待任务而空闲。英伟达表示，Vera就是专门为这种“编排层”设计的CPU。

根据公司介绍，Vera在目标场景下可实现：

• 约两倍效率提升
• 约50%更快的软件环境运行速度

相对于传统机架级CPU更适合AI代理任务。

从架构上看，Vera采用 88个定制Arm兼容“Olympus”核心，并提供高内存带宽，以支持大规模AI系统的数据流动。

Vera如何与Rubin GPU协同工作

Vera并不是GPU的替代品，而是GPU系统的“控制节点”。

在英伟达下一代 Vera Rubin平台 中，多个芯片被设计为紧密协同的统一系统，包括：

• Vera CPU
• Rubin GPU
• NVLink 6互连交换
• ConnectX‑9网络接口
• BlueField‑4 DPU
• Spectrum‑6以太网交换

这些组件共同构成面向AI服务的数据中心架构。

一个典型例子是 Vera Rubin NVL72机架系统，其中包含：

• 72个Rubin GPU
• 36个Vera CPU

它们通过高速NVLink网络连接，形成一个完整的AI超级计算系统。

在这个架构里，CPU主要负责：

• 调度AI任务
• 管理内存与数据流
• 向GPU分发计算任务
• 运行代理工具和软件环境

通过持续向GPU提供任务，CPU可以提高昂贵加速器的利用率。

当AI代理数量达到数十亿

英伟达的长期判断是：AI将从“回答问题”转向“执行任务”。

当AI代理执行复杂工作时，一个任务往往需要反复调用模型、数据库和工具。这意味着计算流程会更加复杂。

一些分析人士指出，与早期生成式AI相比，代理型AI所需的计算量可能增长几个数量级。

在这种环境下，CPU将成为AI系统的 控制平面（control plane）：

• 调度任务
• 管理I/O
• 运行代码环境
• 协调成千上万次GPU调用

如果未来有数十亿个AI代理在云服务中持续运行，那么CPU层可能会成为AI基础设施的重要组成部分。

英伟达如何对抗Intel、AMD和云巨头

Vera的推出也意味着英伟达正式进入服务器CPU竞争。

目前竞争格局包括：

• Intel、AMD：长期主导数据中心CPU市场
• AWS、Google等云厂商：正在设计自研芯片

英伟达的策略与这些公司不同。它不只是销售单个芯片，而是推出 完整的AI系统平台。

在Vera Rubin架构中，英伟达同时设计：

• CPU
• GPU
• 网络
• 数据处理单元（DPU）
• 软件平台

这种“垂直整合”的方式旨在让所有组件围绕AI工作负载共同优化。

英伟达认为，这种系统级设计可以带来更低的AI推理成本和更高性能。

不过竞争仍然激烈。大型云服务商有强烈动机开发自研芯片，以减少对英伟达的依赖。但英伟达押注的一点是：要复制一整套CPU‑GPU‑网络‑软件协同架构，并不容易。

更大的战略转变

Vera CPU反映出英伟达正在经历的一次角色变化。

过去，它主要被视为 GPU公司。

现在，它更希望被视为 AI基础设施平台公司——提供从计算、网络到整机系统的完整解决方案。

如果AI代理成为下一波AI浪潮的核心，那么像Vera这样的CPU，可能会成为这套基础设施中的关键组件，让原本以GPU为核心的市场扩展成一个更庞大的AI生态。