首批获得Vera CPU的AI实验室和云厂商

2026年5月，英伟达向部分顶级 AI 研究机构和云计算公司交付了首批 Vera CPU 系统。

首批客户包括：

• Anthropic（美国旧金山）
• OpenAI（旧金山 Mission Bay）
• SpaceXAI（帕洛阿尔托）
• Oracle Cloud Infrastructure（加州圣克拉拉）

据英伟达官方博客披露，这些早期系统由负责超大规模计算与HPC业务的副总裁 Ian Buck 亲自送达合作伙伴，用于新一代 AI 集群部署测试。

这些机构通常是全球最早部署新型 AI 计算架构的组织，因此也成为 Vera 平台的首批实验用户。

Vera CPU的设计目标：专为AI基础设施而生

传统服务器 CPU 的目标是通用计算，但 Vera 的设计重点是 AI系统调度与数据协调。

现代 AI 系统不仅仅是运行神经网络，还需要执行大量 CPU 密集型任务，例如：

• AI代理的任务规划与协调
• 检索增强生成（RAG）查询
• 企业数据库与知识库访问
• 强化学习与仿真环境
• 工具调用与多步骤推理流程

这些工作需要 高单线程性能、极高内存带宽，以及与GPU之间的超高速通信，而这正是 Vera 的优化重点。

核心技术架构

公开信息显示，Vera 是一款基于 Arm 架构 的数据中心 CPU，采用英伟达自研核心设计。

主要规格包括：

• 88个自研 Armv9.2 “Olympus” 核心
• 176线程（Spatial Multithreading）
• 约1.2 TB/s 的内存带宽
• 通过 NVLink‑C2C 与GPU互连，带宽约1.8 TB/s

这种设计让 CPU 成为 AI系统的内存与调度引擎，而真正的大规模矩阵计算仍由 Rubin GPU 完成。

Vera 也延续了英伟达近年来的 Arm 战略。此前的 Grace CPU 已在 Grace Hopper 平台中用于 AI 服务器，而 Vera 则是面向下一代 AI 集群的升级版本。

英伟达公布的性能指标

英伟达表示，Vera 针对“代理式 AI 工作负载”进行了优化，这类任务需要大量 CPU 与 GPU 的协同。

官方基准测试声称：

• 效率最高提升约2倍（相比传统机架CPU）
• 某些工作负载性能提升约50%
• AI代理沙盒运行速度提升约50%
• 企业数据查询速度最高提升3倍

不过，这些数据目前主要来自英伟达内部测试，独立第三方评测仍然较少，因此应视为厂商声明而非最终行业基准。

Vera在Rubin NVL72平台中的角色

Vera CPU 并不是单独部署，而是作为 Vera Rubin AI平台 的 CPU 部分存在。

旗舰系统是 Vera Rubin NVL72 机架，其核心配置包括：

• 72个 Rubin GPU
• 36个 Vera CPU
• NVLink 6 交换网络
• ConnectX‑9 SuperNIC 网络接口
• BlueField‑4 DPU 数据处理单元
• Quantum‑X800 InfiniBand 或 Spectrum‑X Ethernet 网络

整个机架被设计成 单一超级计算系统，用于 AI 模型训练、推理以及复杂的代理式 AI 工作流。

英伟达还介绍了另一种配置：

Vera CPU 专用机架，最多可容纳 256个液冷CPU，主要用于强化学习、AI代理协调以及大型集群调度。

为什么Vera CPU对英伟达至关重要

过去十多年，英伟达在 AI 基础设施中的核心优势是 GPU。但随着 AI 系统规模不断扩大，仅靠 GPU 已无法满足需求。

大型 AI 集群需要完整技术栈：

• CPU 调度
• GPU 计算
• 网络互连
• 存储与数据处理
• 软件生态（CUDA 等）

通过推出 Vera，英伟达正在从 GPU供应商转型为完整AI基础设施提供商。

这意味着在 AI 数据中心中，英伟达可以提供从 CPU 到 GPU、网络到软件的 全栈解决方案，减少对外部 CPU 供应商的依赖。

与AMD和Intel的竞争关系

这一举动也使英伟达更直接进入服务器 CPU 市场。

目前该市场仍主要由 Intel Xeon 和 AMD EPYC 主导。不过竞争格局正在变化：

• AMD 在 2026 年初已获得 超过33%的服务器 CPU 出货份额
• 并占据 约46%的 x86 服务器CPU收入份额

这一数据来自 Mercury Research 的统计，被 Tom’s Hardware 报道。

在 AI 数据中心中，如果 CPU 与 GPU 深度绑定，英伟达就有机会在服务器硬件价值链中占据更大的份额。

更大的趋势：AI基础设施正在垂直整合

Vera CPU 的发布也反映出 AI 计算的一种行业趋势：

数据中心架构正从“组件拼装”转向“整体平台设计”。

英伟达正在把：

• CPU
• GPU
• 网络交换
• DPU
• 软件平台

打包为统一的 AI Factory（AI工厂）基础设施。

在 Rubin 这一代架构中，多种自研芯片被组合为机架级系统，使 AI 数据中心更像一台巨型超级计算机，而不是由独立服务器拼接的集群。

如果 Vera 能实现其宣称的性能提升，那么未来 AI 数据中心的设计方式可能会发生变化——CPU、GPU、网络和软件将被共同设计，而不是分别采购再集成。

首批获得Vera CPU的AI实验室和云厂商

2026年5月，英伟达向部分顶级 AI 研究机构和云计算公司交付了首批 Vera CPU 系统。

首批客户包括：

• Anthropic（美国旧金山）
• OpenAI（旧金山 Mission Bay）
• SpaceXAI（帕洛阿尔托）
• Oracle Cloud Infrastructure（加州圣克拉拉）

据英伟达官方博客披露，这些早期系统由负责超大规模计算与HPC业务的副总裁 Ian Buck 亲自送达合作伙伴，用于新一代 AI 集群部署测试。

这些机构通常是全球最早部署新型 AI 计算架构的组织，因此也成为 Vera 平台的首批实验用户。

Vera CPU的设计目标：专为AI基础设施而生

传统服务器 CPU 的目标是通用计算，但 Vera 的设计重点是 AI系统调度与数据协调。

现代 AI 系统不仅仅是运行神经网络，还需要执行大量 CPU 密集型任务，例如：

• AI代理的任务规划与协调
• 检索增强生成（RAG）查询
• 企业数据库与知识库访问
• 强化学习与仿真环境
• 工具调用与多步骤推理流程

这些工作需要 高单线程性能、极高内存带宽，以及与GPU之间的超高速通信，而这正是 Vera 的优化重点。

核心技术架构

公开信息显示，Vera 是一款基于 Arm 架构 的数据中心 CPU，采用英伟达自研核心设计。

主要规格包括：

• 88个自研 Armv9.2 “Olympus” 核心
• 176线程（Spatial Multithreading）
• 约1.2 TB/s 的内存带宽
• 通过 NVLink‑C2C 与GPU互连，带宽约1.8 TB/s

这种设计让 CPU 成为 AI系统的内存与调度引擎，而真正的大规模矩阵计算仍由 Rubin GPU 完成。

Vera 也延续了英伟达近年来的 Arm 战略。此前的 Grace CPU 已在 Grace Hopper 平台中用于 AI 服务器，而 Vera 则是面向下一代 AI 集群的升级版本。

英伟达公布的性能指标

英伟达表示，Vera 针对“代理式 AI 工作负载”进行了优化，这类任务需要大量 CPU 与 GPU 的协同。

官方基准测试声称：

• 效率最高提升约2倍（相比传统机架CPU）
• 某些工作负载性能提升约50%
• AI代理沙盒运行速度提升约50%
• 企业数据查询速度最高提升3倍

不过，这些数据目前主要来自英伟达内部测试，独立第三方评测仍然较少，因此应视为厂商声明而非最终行业基准。

Vera在Rubin NVL72平台中的角色

Vera CPU 并不是单独部署，而是作为 Vera Rubin AI平台 的 CPU 部分存在。

旗舰系统是 Vera Rubin NVL72 机架，其核心配置包括：

• 72个 Rubin GPU
• 36个 Vera CPU
• NVLink 6 交换网络
• ConnectX‑9 SuperNIC 网络接口
• BlueField‑4 DPU 数据处理单元
• Quantum‑X800 InfiniBand 或 Spectrum‑X Ethernet 网络

整个机架被设计成 单一超级计算系统，用于 AI 模型训练、推理以及复杂的代理式 AI 工作流。

英伟达还介绍了另一种配置：

Vera CPU 专用机架，最多可容纳 256个液冷CPU，主要用于强化学习、AI代理协调以及大型集群调度。

为什么Vera CPU对英伟达至关重要

过去十多年，英伟达在 AI 基础设施中的核心优势是 GPU。但随着 AI 系统规模不断扩大，仅靠 GPU 已无法满足需求。

大型 AI 集群需要完整技术栈：

• CPU 调度
• GPU 计算
• 网络互连
• 存储与数据处理
• 软件生态（CUDA 等）

通过推出 Vera，英伟达正在从 GPU供应商转型为完整AI基础设施提供商。

这意味着在 AI 数据中心中，英伟达可以提供从 CPU 到 GPU、网络到软件的 全栈解决方案，减少对外部 CPU 供应商的依赖。

与AMD和Intel的竞争关系

这一举动也使英伟达更直接进入服务器 CPU 市场。

目前该市场仍主要由 Intel Xeon 和 AMD EPYC 主导。不过竞争格局正在变化：

• AMD 在 2026 年初已获得 超过33%的服务器 CPU 出货份额
• 并占据 约46%的 x86 服务器CPU收入份额

这一数据来自 Mercury Research 的统计，被 Tom’s Hardware 报道。

在 AI 数据中心中，如果 CPU 与 GPU 深度绑定，英伟达就有机会在服务器硬件价值链中占据更大的份额。

更大的趋势：AI基础设施正在垂直整合

Vera CPU 的发布也反映出 AI 计算的一种行业趋势：

数据中心架构正从“组件拼装”转向“整体平台设计”。

英伟达正在把：

• CPU
• GPU
• 网络交换
• DPU
• 软件平台

打包为统一的 AI Factory（AI工厂）基础设施。

在 Rubin 这一代架构中，多种自研芯片被组合为机架级系统，使 AI 数据中心更像一台巨型超级计算机，而不是由独立服务器拼接的集群。

如果 Vera 能实现其宣称的性能提升，那么未来 AI 数据中心的设计方式可能会发生变化——CPU、GPU、网络和软件将被共同设计，而不是分别采购再集成。