这些设计重点并不只是算力本身，而是持续向GPU集群提供数据和任务，让整个AI系统保持高吞吐运行。

相比x86服务器的性能主张

NVIDIA表示，在针对AI数据中心的软件环境测试中，Vera能够带来明显优势。

官方和相关报告提到的关键指标包括：

• 在部分测试中实现最高约50%的性能提升，即约1.5倍速度。
• 1.2 TB/s内存带宽，用于持续向GPU提供数据。
• 每核心可获得更高的内存带宽，在一些比较中达到传统数据中心CPU数倍水平。

在现代AI集群中，CPU通常承担“控制层”任务，例如：

• 调度GPU计算任务
• 运行编译器和脚本工具
• 执行代理系统（agent frameworks）
• 管理大规模推理流水线

NVIDIA认为，这些场景更依赖带宽、并发和数据移动能力，而非传统CPU的单线程性能，因此Vera的架构更适合未来AI工作负载。

此外，NVIDIA还表示，在某些AI流程中，Vera系统的能效可达到传统CPU基础设施的大约两倍。

Vera Rubin NVL72：机架级AI系统

Vera CPU并不是单独竞争传统服务器市场的产品，它更重要的角色是在Vera Rubin NVL72架构中。

这一系统是NVIDIA面向大模型训练和推理打造的机架级AI平台。

在NVL72配置中：

• 一个机架可整合36颗Vera CPU和72颗Rubin GPU。
• CPU与GPU通过NVLink‑C2C高速互联连接，实现高速共享数据。

这种设计与传统数据中心形成鲜明对比。传统架构通常是将GPU通过PCIe连接到通用x86服务器，而NVIDIA的方案则是让CPU、GPU、网络和软件栈全部共同设计。

目标是打造所谓的“AI工厂”（AI factories），即专门生产模型训练与推理算力的计算平台。

云厂商和硬件伙伴已经参与

根据NVIDIA公布的信息，多家云服务商和硬件厂商已经参与Vera平台部署计划。

云服务合作方包括：

• 阿里云（Alibaba Cloud）
• 字节跳动（ByteDance）
• Meta
• Oracle Cloud Infrastructure
• CoreWeave等AI云平台

服务器与制造伙伴包括：

• Dell Technologies
• HPE
• Lenovo
• Supermicro

以及ASUS、Foxconn、Quanta Cloud Technology等生产伙伴。

这表明Vera主要面向超大规模AI数据中心，而不是传统企业服务器市场。

出货量与市场规模预测

NVIDIA高层和分析师认为，这一产品可能打开一个新的巨大市场。

目前公开的预测包括：

• NVIDIA表示Vera CPU让公司进入一个约2000亿美元规模的新市场。
• 公司预计本财年Vera相关CPU销售额约200亿美元。
• 一些分析师预计到2027财年可能出货约400万颗Vera CPU，如果实现销售额也可能接近200亿美元。

需要注意的是，这些数字属于公司展望或分析师模型预测，并非已实现结果。

对Intel和AMD意味着什么

目前服务器CPU市场仍由Intel Xeon和AMD EPYC主导。但AI时代正在改变CPU在数据中心中的角色。

在AI集群里，CPU越来越多地负责：

• GPU任务调度
• 数据流管理
• AI代理与运行时环境

这类任务更依赖带宽、并发和GPU互联能力，而不是传统CPU计算性能。Vera正是围绕这些需求设计。

如果这一平台被大规模采用，行业可能逐渐从通用x86服务器 + GPU加速卡模式，转向Arm CPU + GPU深度整合的AI计算平台。

这意味着未来AI数据中心可能不再是由不同厂商组件拼接而成，而是由像NVIDIA这样提供完整计算栈的厂商主导。

至于Vera是否真的会削弱Intel和AMD在服务器CPU市场的优势，还需要等待实际部署规模和真实工作负载表现。但可以确定的是：

AI基础设施的架构正在发生变化，而Vera正是这一趋势的重要信号。

这些设计重点并不只是算力本身，而是持续向GPU集群提供数据和任务，让整个AI系统保持高吞吐运行。

相比x86服务器的性能主张

NVIDIA表示，在针对AI数据中心的软件环境测试中，Vera能够带来明显优势。

官方和相关报告提到的关键指标包括：

• 在部分测试中实现最高约50%的性能提升，即约1.5倍速度。
• 1.2 TB/s内存带宽，用于持续向GPU提供数据。
• 每核心可获得更高的内存带宽，在一些比较中达到传统数据中心CPU数倍水平。

在现代AI集群中，CPU通常承担“控制层”任务，例如：

• 调度GPU计算任务
• 运行编译器和脚本工具
• 执行代理系统（agent frameworks）
• 管理大规模推理流水线

NVIDIA认为，这些场景更依赖带宽、并发和数据移动能力，而非传统CPU的单线程性能，因此Vera的架构更适合未来AI工作负载。

此外，NVIDIA还表示，在某些AI流程中，Vera系统的能效可达到传统CPU基础设施的大约两倍。

Vera Rubin NVL72：机架级AI系统

Vera CPU并不是单独竞争传统服务器市场的产品，它更重要的角色是在Vera Rubin NVL72架构中。

这一系统是NVIDIA面向大模型训练和推理打造的机架级AI平台。

在NVL72配置中：

• 一个机架可整合36颗Vera CPU和72颗Rubin GPU。
• CPU与GPU通过NVLink‑C2C高速互联连接，实现高速共享数据。

这种设计与传统数据中心形成鲜明对比。传统架构通常是将GPU通过PCIe连接到通用x86服务器，而NVIDIA的方案则是让CPU、GPU、网络和软件栈全部共同设计。

目标是打造所谓的“AI工厂”（AI factories），即专门生产模型训练与推理算力的计算平台。

云厂商和硬件伙伴已经参与

根据NVIDIA公布的信息，多家云服务商和硬件厂商已经参与Vera平台部署计划。

云服务合作方包括：

• 阿里云（Alibaba Cloud）
• 字节跳动（ByteDance）
• Meta
• Oracle Cloud Infrastructure
• CoreWeave等AI云平台

服务器与制造伙伴包括：

• Dell Technologies
• HPE
• Lenovo
• Supermicro

以及ASUS、Foxconn、Quanta Cloud Technology等生产伙伴。

这表明Vera主要面向超大规模AI数据中心，而不是传统企业服务器市场。

出货量与市场规模预测

NVIDIA高层和分析师认为，这一产品可能打开一个新的巨大市场。

目前公开的预测包括：

• NVIDIA表示Vera CPU让公司进入一个约2000亿美元规模的新市场。
• 公司预计本财年Vera相关CPU销售额约200亿美元。
• 一些分析师预计到2027财年可能出货约400万颗Vera CPU，如果实现销售额也可能接近200亿美元。

需要注意的是，这些数字属于公司展望或分析师模型预测，并非已实现结果。

对Intel和AMD意味着什么

目前服务器CPU市场仍由Intel Xeon和AMD EPYC主导。但AI时代正在改变CPU在数据中心中的角色。

在AI集群里，CPU越来越多地负责：

• GPU任务调度
• 数据流管理
• AI代理与运行时环境

这类任务更依赖带宽、并发和GPU互联能力，而不是传统CPU计算性能。Vera正是围绕这些需求设计。

如果这一平台被大规模采用，行业可能逐渐从通用x86服务器 + GPU加速卡模式，转向Arm CPU + GPU深度整合的AI计算平台。

这意味着未来AI数据中心可能不再是由不同厂商组件拼接而成，而是由像NVIDIA这样提供完整计算栈的厂商主导。

至于Vera是否真的会削弱Intel和AMD在服务器CPU市场的优势，还需要等待实际部署规模和真实工作负载表现。但可以确定的是：

AI基础设施的架构正在发生变化，而Vera正是这一趋势的重要信号。