NVIDIA 8 月 24 日的公告释放出一个明确信号：SpaceXAI 正计划让 Vera 从早期评估走向实际部署。与其说 Vera 是用来替代 GPU，不如说它负责模型推理之外的一整套“幕后工作”——智能体编排、工具调用、代码执行、数据处理和仿真，从而尽量让昂贵的 GPU 保持高利用率。3

这笔合作的意义也不只在于 SpaceXAI 采用了一款新 CPU。NVIDIA 正试图把自己的角色从 AI 加速器供应商扩展为完整的 AI 基础设施提供商，覆盖 CPU、GPU、网络连接、数据处理和相关软件。

SpaceXAI 具体宣布了什么

NVIDIA 表示，SpaceXAI 将在下一代智能体 AI 应用中部署 Vera CPU。同时，SpaceXAI 计划扩大支撑 Grok 的 NVIDIA Vera Rubin 基础设施，并将一套优化后的 Vera Rubin NVL72 系统延伸至太空，搭载于其首颗 Starmind 卫星。3

不过，“计划部署”不等于已经完成大规模铺开。现有公告确认的是采用方向，并未披露 SpaceXAI 最终会部署多少套 Vera 系统，也没有给出经过独立验证的交付进度或生产环境测试结果。

Vera 瞄准的是模型调用之间的工作

智能体系统并不只是针对用户问题生成一次回答。它们可能需要选择工具、执行代码、运行仿真、处理数据，并在返回结果前协调多个步骤。NVIDIA 将 Vera 定位为专门处理这些 CPU 密集型任务的处理器，而不仅是一款普通的通用服务器 CPU。38

这背后的核心逻辑，是减少 CPU 与 GPU 之间的配合瓶颈。如果编排、沙箱环境或数据处理速度跟不上，昂贵的 GPU 就可能在等待任务完成时处于空闲状态。NVIDIA 称，Vera 的设计目标是持续为 GPU 提供工作，并让智能体在这些环节中保持响应。8

Vera 的架构与性能说法

NVIDIA 将 Vera 称为“首款专为 AI 智能体打造的 CPU”，并列出以下规格：

• 88 个 NVIDIA 设计的 Olympus 核心；
• Spatial Multithreading（空间多线程）；
• LPDDR5X 内存，带宽最高达 1.2 TB/s；
• 面向智能体 AI、强化学习和数据处理工作负载。3

NVIDIA 声称，在目标工作负载中，Vera 的任务完成速度最高可达 x86 CPU 的 1.8 倍。这一数字来自 NVIDIA，应视为厂商性能声明，而不是经过独立验证的基准测试结果。NVIDIA 还单独表示，Vera 的沙箱环境性能最高可比传统 CPU 基础设施快 80%。38

因此，对运营商而言，真正重要的问题并不是 Vera 在抽象意义上是否“更快”，而是它在自身的任务编排、强化学习、仿真和沙箱工作负载上表现如何，以及在把 GPU、内存、网络和软件全部计入后，整套系统的成本效益如何。

从评估到计划部署

SpaceXAI 与 NVIDIA 的合作并非始于 8 月公告。NVIDIA 表示，自己在 2026 年 5 月向 SpaceXAI 交付了早期 Vera 系统。随后，SpaceXAI 对其在强化学习工作负载以及与训练基础设施相连的智能体仿真流程中的表现进行了评估。1

8 月公告所描述的下一步，是把 Vera 用于未来智能体 AI 应用的基础设施，而不再局限于测试阶段。但公开信息仍未说明这一转变会以多快的速度推进，也没有披露 SpaceXAI 最终部署的系统数量。

Vera 的商业化时间表

NVIDIA 于 2026 年 3 月发布 Vera，最初介绍了覆盖独立服务器、Rubin 主机配置和机架级部署的产品形态。同时，NVIDIA 当时也提醒，产品时间表和供应情况可能发生变化。211

到 5 月，早期 Vera 系统已经交付给包括 SpaceXAI 和 Oracle Cloud Infrastructure 在内的部分客户。NVIDIA 8 月 27 日的更新则称，Vera 已进入规模化出货阶段，显示其产品进展已从发布信息和早期交付，逐步走向更广泛的生产供应。1

这一时间线之所以重要，是因为 SpaceXAI 的公告谈的是在一个快速扩张的平台中采用 Vera，而不只是采用一款尚在规划中的芯片。不过，“规模化出货”描述的是 NVIDIA 的产品供应状态，并不能证明 SpaceXAI 自身部署的规模或完成日期。

Oracle 的超大规模计划增加商业分量

Oracle Cloud Infrastructure 表示，计划从 2026 年起部署“数十万颗”Vera CPU，并称自己是首家计划在超大规模环境中部署 Vera 的云服务商。NVIDIA 此前已经向 OCI 交付了一套早期 Vera 系统。1

OCI 的计划为 Vera 提供了面向云计算市场的分发渠道，使其不必只服务于少数 AI 实验室。与此同时，这也将检验 NVIDIA 的 CPU 架构能否在不同云环境中成为可复制的基础设施产品，而不是仅仅作为 NVIDIA 参考系统中的高度定制化组件存在。

这笔合作为何对 NVIDIA 重要

Vera 是 NVIDIA 掌控更完整“AI 工厂”架构的一部分。NVIDIA 通过 NVLink-C2C 将 CPU 与自家 GPU 紧密连接，并让 Vera 与 NVIDIA 的网络设备及 BlueField 数据处理硬件协同工作。2

这种整合可能带来三方面影响：

1. 减少 CPU 瓶颈： 更快的任务编排和数据移动，有望帮助 GPU 持续工作。
2. 提高平台绑定度： 客户一旦同时采用 NVIDIA 的 CPU、GPU、网络和软件，更多基础设施就会依赖同一供应商的技术栈。
3. 挑战传统主机 CPU 的地位： 对特定 AI 工作负载而言，Vera 为传统 x86 主机提供了一个面向 AI 的替代方案。但目前的公开公告并不能证明 Vera 会在通用计算领域全面取代 x86。

SpaceXAI 的案例尤其值得关注，因为公告把同一套更广义的 Vera Rubin 架构同时连接到地面上的 Grok 基础设施和规划中的轨道系统。这体现了 NVIDIA 希望让一体化架构适用于不同部署环境的野心，但卫星部分目前仍是计划，并非已经展示的生产部署。3

结论：智能体时代，CPU 重新成为关键基础设施

这次公告最清晰的信息是：当 AI 系统从“回答问题”转向“分步骤采取行动”时，CPU 的战略重要性正在上升。SpaceXAI 计划让 Vera 承担模型周围的编排、执行和数据处理工作，而 OCI 的超大规模部署计划，则可能为这一平台带来更广泛的商业覆盖。13

但目前最有分量的说法仍然带有前瞻性。NVIDIA 的性能数字属于公司自身声明，公告也没有独立确认 SpaceXAI 的最终部署数量、生产环境表现或确定的交付时间表。Vera 最终能否成为 AI 基础设施的重要组成部分，将取决于它在真实工作负载中能否持续带来系统级收益，尤其是 GPU 利用率、智能体响应速度和整体能效方面的改善。

NVIDIA 8 月 24 日的公告释放出一个明确信号：SpaceXAI 正计划让 Vera 从早期评估走向实际部署。与其说 Vera 是用来替代 GPU，不如说它负责模型推理之外的一整套“幕后工作”——智能体编排、工具调用、代码执行、数据处理和仿真，从而尽量让昂贵的 GPU 保持高利用率。3

这笔合作的意义也不只在于 SpaceXAI 采用了一款新 CPU。NVIDIA 正试图把自己的角色从 AI 加速器供应商扩展为完整的 AI 基础设施提供商，覆盖 CPU、GPU、网络连接、数据处理和相关软件。

SpaceXAI 具体宣布了什么

NVIDIA 表示，SpaceXAI 将在下一代智能体 AI 应用中部署 Vera CPU。同时，SpaceXAI 计划扩大支撑 Grok 的 NVIDIA Vera Rubin 基础设施，并将一套优化后的 Vera Rubin NVL72 系统延伸至太空，搭载于其首颗 Starmind 卫星。3

不过，“计划部署”不等于已经完成大规模铺开。现有公告确认的是采用方向，并未披露 SpaceXAI 最终会部署多少套 Vera 系统，也没有给出经过独立验证的交付进度或生产环境测试结果。

Vera 瞄准的是模型调用之间的工作

智能体系统并不只是针对用户问题生成一次回答。它们可能需要选择工具、执行代码、运行仿真、处理数据，并在返回结果前协调多个步骤。NVIDIA 将 Vera 定位为专门处理这些 CPU 密集型任务的处理器，而不仅是一款普通的通用服务器 CPU。38

这背后的核心逻辑，是减少 CPU 与 GPU 之间的配合瓶颈。如果编排、沙箱环境或数据处理速度跟不上，昂贵的 GPU 就可能在等待任务完成时处于空闲状态。NVIDIA 称，Vera 的设计目标是持续为 GPU 提供工作，并让智能体在这些环节中保持响应。8

Vera 的架构与性能说法

NVIDIA 将 Vera 称为“首款专为 AI 智能体打造的 CPU”，并列出以下规格：

• 88 个 NVIDIA 设计的 Olympus 核心；
• Spatial Multithreading（空间多线程）；
• LPDDR5X 内存，带宽最高达 1.2 TB/s；
• 面向智能体 AI、强化学习和数据处理工作负载。3

NVIDIA 声称，在目标工作负载中，Vera 的任务完成速度最高可达 x86 CPU 的 1.8 倍。这一数字来自 NVIDIA，应视为厂商性能声明，而不是经过独立验证的基准测试结果。NVIDIA 还单独表示，Vera 的沙箱环境性能最高可比传统 CPU 基础设施快 80%。38

因此，对运营商而言，真正重要的问题并不是 Vera 在抽象意义上是否“更快”，而是它在自身的任务编排、强化学习、仿真和沙箱工作负载上表现如何，以及在把 GPU、内存、网络和软件全部计入后，整套系统的成本效益如何。

从评估到计划部署

SpaceXAI 与 NVIDIA 的合作并非始于 8 月公告。NVIDIA 表示，自己在 2026 年 5 月向 SpaceXAI 交付了早期 Vera 系统。随后，SpaceXAI 对其在强化学习工作负载以及与训练基础设施相连的智能体仿真流程中的表现进行了评估。1

8 月公告所描述的下一步，是把 Vera 用于未来智能体 AI 应用的基础设施，而不再局限于测试阶段。但公开信息仍未说明这一转变会以多快的速度推进，也没有披露 SpaceXAI 最终部署的系统数量。

Vera 的商业化时间表

NVIDIA 于 2026 年 3 月发布 Vera，最初介绍了覆盖独立服务器、Rubin 主机配置和机架级部署的产品形态。同时，NVIDIA 当时也提醒，产品时间表和供应情况可能发生变化。211

到 5 月，早期 Vera 系统已经交付给包括 SpaceXAI 和 Oracle Cloud Infrastructure 在内的部分客户。NVIDIA 8 月 27 日的更新则称，Vera 已进入规模化出货阶段，显示其产品进展已从发布信息和早期交付，逐步走向更广泛的生产供应。1

这一时间线之所以重要，是因为 SpaceXAI 的公告谈的是在一个快速扩张的平台中采用 Vera，而不只是采用一款尚在规划中的芯片。不过，“规模化出货”描述的是 NVIDIA 的产品供应状态，并不能证明 SpaceXAI 自身部署的规模或完成日期。

Oracle 的超大规模计划增加商业分量

Oracle Cloud Infrastructure 表示，计划从 2026 年起部署“数十万颗”Vera CPU，并称自己是首家计划在超大规模环境中部署 Vera 的云服务商。NVIDIA 此前已经向 OCI 交付了一套早期 Vera 系统。1

OCI 的计划为 Vera 提供了面向云计算市场的分发渠道，使其不必只服务于少数 AI 实验室。与此同时，这也将检验 NVIDIA 的 CPU 架构能否在不同云环境中成为可复制的基础设施产品，而不是仅仅作为 NVIDIA 参考系统中的高度定制化组件存在。

这笔合作为何对 NVIDIA 重要

Vera 是 NVIDIA 掌控更完整“AI 工厂”架构的一部分。NVIDIA 通过 NVLink-C2C 将 CPU 与自家 GPU 紧密连接，并让 Vera 与 NVIDIA 的网络设备及 BlueField 数据处理硬件协同工作。2

这种整合可能带来三方面影响：

1. 减少 CPU 瓶颈： 更快的任务编排和数据移动，有望帮助 GPU 持续工作。
2. 提高平台绑定度： 客户一旦同时采用 NVIDIA 的 CPU、GPU、网络和软件，更多基础设施就会依赖同一供应商的技术栈。
3. 挑战传统主机 CPU 的地位： 对特定 AI 工作负载而言，Vera 为传统 x86 主机提供了一个面向 AI 的替代方案。但目前的公开公告并不能证明 Vera 会在通用计算领域全面取代 x86。

SpaceXAI 的案例尤其值得关注，因为公告把同一套更广义的 Vera Rubin 架构同时连接到地面上的 Grok 基础设施和规划中的轨道系统。这体现了 NVIDIA 希望让一体化架构适用于不同部署环境的野心，但卫星部分目前仍是计划，并非已经展示的生产部署。3

结论：智能体时代，CPU 重新成为关键基础设施

这次公告最清晰的信息是：当 AI 系统从“回答问题”转向“分步骤采取行动”时，CPU 的战略重要性正在上升。SpaceXAI 计划让 Vera 承担模型周围的编排、执行和数据处理工作，而 OCI 的超大规模部署计划，则可能为这一平台带来更广泛的商业覆盖。13

但目前最有分量的说法仍然带有前瞻性。NVIDIA 的性能数字属于公司自身声明，公告也没有独立确认 SpaceXAI 的最终部署数量、生产环境表现或确定的交付时间表。Vera 最终能否成为 AI 基础设施的重要组成部分，将取决于它在真实工作负载中能否持续带来系统级收益，尤其是 GPU 利用率、智能体响应速度和整体能效方面的改善。