換句話講,模型之外嘅大量工作,其實都由 CPU 負責協調。
Nvidia 指出,Vera 係專門設計嚟處理以下工作:
公司形容 Vera 係 AI 加速系統入面嘅 host processor(主機處理器),專門服務強化學習同 agentic AI 工作流程。
現時大部分數據中心 CPU,例如 Intel Xeon 同 AMD EPYC,都係設計成「通用型」處理器,可以處理各類企業工作負載。
Vera 嘅設計思路完全唔同。
Vera 並唔係一粒獨立計算核心,而係 GPU 叢集嘅控制層。
架構重點係確保 GPU 不斷有數據處理,並減少記憶體同通訊瓶頸。
Vera 採用 Arm 架構並配備 88 個核心,重點係高能效同高帶寬設計。
Arm 近年喺 hyperscale 數據中心越來越受歡迎,原因係佢喺大規模並行運算場景中通常提供更好嘅 performance-per-watt(每瓦性能)。
Nvidia 表示,喺 AI 環境下:
相比傳統機架級 CPU 基礎設施有明顯提升。
關鍵原因係 Vera 係 為 Nvidia GPU 系統共同設計,而唔係做一粒通用 CPU。
Vera 並唔係單獨產品。
佢係 Vera Rubin 平台 嘅一部分,會同下一代 Rubin GPU 配合使用。
整個系統針對以下 AI 工作負載:
透過 CPU、GPU、網絡同記憶體架構深度整合,Nvidia 目標係減少系統通訊瓶頸,並提升 tokens‑per‑watt(每瓦推理輸出)。
呢種「整個平台設計」係 Nvidia 近年最核心策略。
過去十年,Nvidia 主要靠 GPU 主導 AI 市場。
而家公司正逐步建立完整 AI 基建堆疊,包括:
最終目標係:售賣完整 AI 平台,而唔只係單一晶片。
如果策略成功,未來數據中心可能會由 Nvidia 平台主導,而唔再依賴 Intel 或 AMD CPU 配搭第三方 GPU。
AI 基建需求主要來自大型雲服務商(hyperscalers)。
例如 Microsoft 計劃建設嘅 Fairwater AI superfactories,預計會採用 Vera Rubin 機架系統,部署數十萬粒相關晶片。
其他大型科技公司亦正為類似規模嘅 AI 部署準備基礎設施。
呢類超大型計算中心經常被稱為:
「AI factories」(AI 工廠)
佢哋需要高度整合嘅運算架構,專門處理訓練同推理工作負載。
Vera 推出時,Nvidia 正處於歷史級增長周期。
公司公布 2027 財年第一季收入達 816 億美元,按年增長 85%,其中數據中心收入達 752 億美元。
同時公司預測下一季度收入約 910 億美元。
管理層亦估計,未來幾年 Blackwell 同 Vera Rubin 平台累計訂單可能達 1 兆美元規模。
Vera 最大意義,其實唔只係一粒 CPU。
佢代表 Nvidia 想進一步滲透 整個數據中心硬件結構。
過去幾十年,伺服器 CPU 插槽基本由 Intel 同 AMD 主導。
如果 hyperscaler 大量採用 Vera 架構,AI 基建可能會出現新模式:
以 GPU 為中心、垂直整合嘅 AI 系統。
不過要注意:
可以肯定嘅係:
喺 agentic AI 時代,CPU 再次成為 AI 基建戰略核心。