NVIDIA Vera CPU：AI 資料中心時代對 x86 架構的一次正面挑戰

AI 資料中心正在改變 CPU 的角色

多年來，AI 資料中心通常依賴 Intel Xeon 或 AMD EPYC 這類 x86 伺服器 CPU 來搭配 GPU。CPU 主要負責調度任務、管理資料流程，並將運算工作交給 GPU。

NVIDIA 推出的 Arm 架構 Vera CPU 則代表另一種思路：不再使用通用型伺服器 CPU，而是設計一顆專門為 AI 基礎設施打造、並與 NVIDIA GPU 深度整合的處理器。

這讓 NVIDIA 不只是提供 GPU，而是嘗試打造完整的 AI 計算平台，也就是公司常提到的「AI 工廠」（AI factories）。如果這種架構被雲端服務商大規模採用，部分 AI 伺服器市場可能逐漸從 x86 主機轉向 Arm 架構。

為 AI 基礎設施設計的 CPU

Vera 是 NVIDIA 自研的 Arm 相容伺服器處理器，目標工作負載包括 AI agent 系統、任務編排、推論流程與大規模資料管線。

其核心規格包括：

• 88 個 NVIDIA 自研 Olympus Arm 核心，為高並行度運算優化。
• 最高 1.2 TB/s LPDDR5X 記憶體頻寬。
• 最高 1.5 TB 系統記憶體容量。
• 空間多執行緒（Spatial Multithreading），支援 176 條執行緒。

與許多為企業應用設計的通用 CPU 不同，Vera 的架構優先考慮的是 如何高效率地餵資料給 GPU，並維持大型 AI 系統的整體吞吐量。

NVIDIA 宣稱的性能優勢

NVIDIA 在技術文件與部落格中提出多項性能指標，並與傳統 x86 平台做比較：

• 最高約 50% 的軟體環境性能提升，約等於 1.5× 的速度增益（內部基準測試）。
• 最高 1.2 TB/s 記憶體頻寬，遠高於許多傳統資料中心 CPU。
• 更高的單核心記憶體頻寬，有報導指出可達傳統伺服器 CPU 的數倍。

這些提升與 AI 資料中心的工作型態有關。現代 AI 叢集並不只是運行資料庫或企業軟體，而是大量執行：

• 編譯器
• 腳本與工具鏈
• 推論與 runtime 引擎
• AI agent 編排框架

這些「控制平面」工作通常由 CPU 負責，而 Vera 的設計就是為了讓這些任務在 GPU 叢集規模下保持高吞吐量。

NVIDIA 也表示，在某些 AI 工作流程中，Vera 系統可達 約兩倍的能源效率，提升整體 AI 基礎設施的效率。

Vera Rubin NVL72：機櫃級 AI 超級系統

Vera 並不是單純要和 Intel 或 AMD 的 CPU 做一對一競爭。它真正的舞台是 Vera Rubin NVL72 這種機櫃級 AI 系統。

在這個架構中：

• 一個機櫃可整合 36 顆 Vera CPU 與 72 顆 Rubin GPU。
• CPU 與 GPU 透過 NVLink‑C2C 高速互連直接通信。

這種設計的核心理念是：

將 CPU、GPU、網路與軟體堆疊一起設計，形成單一 AI 平台。

傳統資料中心通常把 GPU 插在標準 x86 伺服器上，透過 PCIe 連接。而 NVIDIA 的方法是 將 CPU 與 GPU 架構深度整合，減少資料移動瓶頸。

雲端與硬體夥伴開始布局

NVIDIA 已宣布多家合作夥伴正在規劃部署 Vera 系統。

計畫使用 Vera CPU 的雲端與 AI 平台包括：

• Alibaba Cloud
• ByteDance
• Meta
• Oracle Cloud Infrastructure
• CoreWeave 等 AI 雲端服務商

而製造相關伺服器系統的 OEM 廠商則包括：

• Dell Technologies
• HPE
• Lenovo
• Supermicro

製造與系統整合合作夥伴還包括 ASUS、Foxconn、Quanta 等硬體公司。

這顯示 Vera 的主要市場並非傳統企業伺服器，而是 超大規模 AI 資料中心（hyperscale AI infrastructure）。

出貨與市場規模預測

NVIDIA 與分析師對 Vera 市場規模提出了相當積極的預測。

已公開的數據包括：

• NVIDIA 表示 Vera 讓公司進入一個 約 2000 億美元的潛在市場（TAM）。
• 公司預期 Vera CPU 相關營收約可達 200 億美元。
• 部分分析師預測 到 FY2027 可能出貨約 400 萬顆 Vera CPU。

如果這些預測成真，Vera 可能會讓 NVIDIA 在伺服器 CPU 市場迅速取得顯著份額。不過這些數字多屬公司展望或分析師模型，仍需觀察實際部署情況。

對 Intel 與 AMD 的潛在衝擊

目前 Intel Xeon 與 AMD EPYC 仍主導伺服器 CPU 市場，特別是在企業 IT 基礎設施領域。

但 AI 時代讓 CPU 的角色發生變化：

• 協調 GPU 任務
• 管理資料流
• 執行 AI agent 與 orchestration 系統

在這種模式下，記憶體頻寬與 GPU 連接效率可能比傳統 CPU 計算能力更重要。Vera 正是為這種需求設計。

如果 Vera Rubin 平台被大型雲端業者廣泛採用，資料中心架構可能出現一個長期趨勢：

從通用 x86 伺服器 → 轉向與 AI 加速器深度整合的 Arm 架構 CPU。

對 NVIDIA 來說，這也意味著更完整的控制權——從 GPU、CPU、互連技術到整體 AI 平台都由同一家公司設計。

是否真的會動搖 Intel 和 AMD 的地位，還要看實際部署與性能表現。但可以確定的是：

AI 資料中心正在從「零件組合」模式，走向 整體平台化的計算架構。