Nvidia Vera CPU：88 核心 Arm 晶片如何瞄準 2,000 億美元的 Agentic AI 基礎設施市場

但隨著 Agentic AI（能自主規劃、呼叫工具、執行程式並完成多步驟任務的 AI 系統）出現，CPU 的角色開始改變。

在這種架構中，CPU 不再只是背景角色，而是整個 AI 系統的「指揮中心」。

Vera CPU 被設計來負責：

• 協調 GPU 工作負載
• 管理記憶體與資料傳輸
• 執行模型外的程式碼與工具
• 運行 AI 工作流程的控制邏輯
• 協調複雜推理與多步驟任務

Nvidia 表示，Vera 專門為 強化學習（Reinforcement Learning）與 Agentic AI 工作流程打造，因為這些場景中大量計算其實發生在模型之外。

Vera 與 Intel、AMD 傳統伺服器 CPU 有何不同

目前資料中心最常見的 CPU 是：

• Intel Xeon
• AMD EPYC

這些處理器是為各種企業應用設計的 通用型 CPU。

Vera 則採取完全不同的設計思路。

1. 專為 GPU 加速系統打造

Vera 並不是要成為單獨運算的核心，而是 GPU 叢集的控制層。

它的架構主要優化三件事：

• 持續為 GPU 提供資料
• 管理高頻寬記憶體與資料流
• 控制 AI 軟體與工作流程

這種設計能減少 GPU 間的資料瓶頸。

2. 88 核心 Arm 架構

Vera 採用 Arm 架構並配置 88 個核心，強調每核心的效率與頻寬。

Arm 伺服器晶片近年在超大型雲端資料中心（hyperscale）中越來越常見，原因包括：

• 更好的功耗效率
• 適合高度平行的工作負載
• 更容易客製化系統架構

3. 宣稱更高效的 AI 效能

Nvidia 表示，在 AI 環境中，Vera 能提供：

• 最高 50% 的性能提升
• 約兩倍的能源效率

相較於傳統的機架級 CPU 基礎設施。

這些優勢主要來自 CPU 與 GPU 的共同設計（co-design）。

Vera Rubin 平台：CPU + GPU 的整合系統

Vera CPU 並不是單獨產品。

它是 Nvidia 下一代 Vera Rubin 平台的一部分，該平台將：

• Vera CPU
• Rubin GPU
• 網路與記憶體架構

整合為完整 AI 系統。

這個平台主要針對：

• Agentic AI
• 複雜推理（reasoning）
• 長上下文推理（long‑context inference）

透過 CPU、GPU、網路與記憶體的深度整合，系統可以減少資料傳輸瓶頸，並提升 每瓦特 token 生成效率。

Nvidia 的更大戰略：掌控 AI 資料中心

多年來，Nvidia 透過 GPU 主導 AI 加速市場。

現在它的策略是 全面掌控 AI 資料中心的技術堆疊。

其平台目前包含：

• GPU（Blackwell、Rubin）
• CPU（Grace、Vera）
• 網路（InfiniBand、Spectrum‑X）
• 機架級系統
• CUDA 軟體生態

換句話說，Nvidia 希望賣的不是單一晶片，而是 完整 AI 基礎設施平台。

這種模式可能改變資料中心的權力結構——過去伺服器 CPU 幾乎由 Intel 與 AMD 主導。

超大型雲端業者與「AI 工廠」

大型雲端服務商（hyperscalers）是 Nvidia 策略的核心。

例如 Nvidia 表示，Microsoft 的 Fairwater AI 超級工廠計畫將使用 Vera Rubin 平台的機架級系統，未來可能部署 數十萬顆相關晶片。

這類大型 AI 基礎設施有時被稱為：

AI factories（AI 工廠）。

它們專門為大規模訓練與推理而建，需要高度整合的運算架構。

Nvidia 的財務動能：AI 基礎設施需求爆發

Nvidia 推出 Vera CPU 的背景，是其業績正處於歷史性成長。

公司公布：

• 2027 財年第一季營收 816 億美元
• 年增 85%
• 資料中心收入 752 億美元

同時公司預測下一季營收約 910 億美元。

此外，Nvidia 管理層也估計，未來幾年 Blackwell 與 Vera Rubin 系統的累計訂單可能達到 1 兆美元。

為何「2,000 億美元 CPU 機會」重要

Vera 的真正意義不只是更快的 CPU。

它代表 Nvidia 試圖把 GPU 優勢延伸到 整個資料中心硬體結構。

如果大型雲端業者廣泛採用這種架構，未來 AI 資料中心可能出現一個明顯趨勢：

• 更少通用型元件
• 更多為 AI 專門設計的整合系統

不過也要注意，2,000 億美元只是 Nvidia 對市場規模的估算。

實際結果仍取決於：

• Arm 伺服器 CPU 的普及程度
• 雲端業者是否願意轉向新架構
• 生產與供應能力

可以確定的是，在 Agentic AI 時代，CPU 不再只是 GPU 背後的配角，而是重新變成關鍵角色。