NVIDIA 於 2026 年 8 月 24 日宣布，SpaceXAI 計畫在下一代 AI 代理（agentic AI）應用中部署 Vera CPU。這項消息的重點，不只是又一家 AI 公司採用 NVIDIA 晶片，而是 CPU 開始被重新放回 AI 基礎設施的核心位置：它要處理模型推論前後的大量工作，讓 GPU 更少等待、AI 代理更快採取行動。3

不過，這次公告代表的是「計畫部署」，並不等同於 SpaceXAI 已完成全面導入。NVIDIA 尚未公布 SpaceXAI 最終會部署多少套 Vera 系統，也沒有公開經獨立驗證的生產效能或完整交付時程。

Vera 要處理的，是模型呼叫之間的工作

AI 代理不只是收到問題後產生一段文字。它可能需要選擇工具、執行程式碼、操作沙盒環境、處理資料、進行模擬，並在多個步驟之間協調，最後才回傳結果。

NVIDIA 將 Vera 定位為專門處理這些模型之外、且往往相當吃 CPU 資源的工作，包括：

• 代理協調與工作流程管理
• 工具調用與程式碼執行
• 沙盒環境
• 分析與資料管線
• 強化學習及代理式模擬 38

如果 CPU 端的協調、隔離或資料處理速度跟不上，昂貴的 GPU 可能只能閒置，等待下一批資料或下一個任務。NVIDIA 的說法是，Vera 的設計目標就是讓 GPU 持續獲得工作，同時縮短 AI 代理的等待時間。8

Vera 的架構與效能主張

NVIDIA 稱 Vera 是該公司第一款專為 AI 代理打造的 CPU，主要規格包括：

• 88 個 NVIDIA 設計的 Olympus 核心
• Spatial Multithreading 技術
• LPDDR5X 記憶體，頻寬最高達 1.2 TB/s
• 支援 AI 代理、強化學習與資料處理工作負載 3

NVIDIA 宣稱，在目標工作負載上，Vera 的任務完成速度最高可達 x86 CPU 的 1.8 倍；公司另表示，Vera 的沙盒環境效能最高可比傳統 CPU 基礎設施快 80%。38

這些數字目前都應視為 NVIDIA 的供應商效能主張，而非已由外部獨立驗證的基準測試。對資料中心營運商而言，真正重要的問題不是 Vera 在抽象測試中是否更快，而是它在自身的代理協調、強化學習、模擬與沙盒工作負載上能否帶來實際改善，以及納入 GPU、記憶體、網路和軟體後，整體系統成本是否合理。

從評估走向計畫部署

SpaceXAI 與 NVIDIA 的合作並非始於這次公告。NVIDIA 表示，已於 2026 年 5 月向 SpaceXAI 交付早期 Vera 系統，讓 SpaceXAI 評估其在強化學習工作負載，以及連接訓練基礎設施的代理式模擬流程中的表現。1

8 月的公告則被定位為下一步：SpaceXAI 計畫把 Vera 用於支援未來 AI 代理應用的基礎設施，而不再只停留在評估階段。公開資訊仍未說明這項轉換會以多快速度進行，或最終會部署多少套系統。

SpaceXAI 同時計畫擴充支援 Grok 的 NVIDIA Vera Rubin 基礎設施，並將一套最佳化的 Vera Rubin NVL72 延伸至太空，搭載於第一代 Starmind 衛星。這顯示 NVIDIA 希望讓同一套整合架構橫跨地面資料中心與軌道環境，但衛星部分目前仍是計畫，並非已證實的量產部署。3

Vera 的商用進度如何？

NVIDIA 於 2026 年 3 月推出 Vera，當時介紹的產品形式涵蓋獨立伺服器、Rubin 主機配置與機架級部署；公司也提醒，產品時程與供貨狀況仍可能調整。211

到了 5 月，早期 Vera 系統已交付給包括 SpaceXAI 與 Oracle Cloud Infrastructure 在內的部分客戶。NVIDIA 於 8 月 27 日更新資訊，表示 Vera 已進入大規模出貨階段，顯示產品正從發布、早期交付，逐步走向更廣泛的供應。1

但「大規模出貨」描述的是 NVIDIA 的產品供應進度，並不能直接證明 SpaceXAI 自身部署的數量或完成日期。

Oracle 的數十萬顆計畫，增添商業分量

Oracle Cloud Infrastructure 表示，計畫自 2026 年起部署「數十萬顆」Vera CPU，並稱自己是第一個計畫以超大規模部署 Vera 的雲端服務商。NVIDIA 先前已向 OCI 交付早期 Vera 系統。1

若計畫落實，OCI 將為 Vera 提供超越單一 AI 實驗室的雲端分發管道。這也將成為一項實際考驗：NVIDIA 的 CPU 架構能否在不同雲端環境中，以可重複部署的方式成為基礎設施產品，而不只是 NVIDIA 參考系統中的高度客製化元件。

NVIDIA 為何要進入 CPU 層？

Vera 是 NVIDIA 擴大「AI 工廠」控制範圍的一部分。NVIDIA 的策略不只包括提供執行 AI 模型的 GPU，也把 CPU、網路與資料處理硬體納入同一套平台；Vera 可透過 NVLink-C2C 與 NVIDIA GPU 緊密連接，並搭配 NVIDIA 網路設備及 BlueField 資料處理硬體。2

這種整合可能帶來三項戰略效果：

1. 降低 CPU 瓶頸： 更快的協調與資料搬移，有機會讓 GPU 維持更高的持續使用率。
2. 提高平台黏著度： 客戶若同時採用 NVIDIA 的 CPU、GPU、網路與軟體，整體基礎設施便會更深度依賴同一供應商的平台。
3. 挑戰傳統 x86 主機地位： 對特定 AI 工作負載而言，Vera 提供了傳統 x86 主機之外的選項；但目前公告並未證明 Vera 會取代一般用途運算中的 x86 CPU。

因此，SpaceXAI 的採用具有象徵意義：當 AI 系統從「回答問題」轉向「自行規劃並執行多個步驟」，CPU 不再只是 GPU 旁邊的通用配角，而可能成為決定整個系統效率的關鍵層。3

結論：真正的競爭在整套系統，而不只是一顆晶片

SpaceXAI 計畫使用 Vera 處理 AI 代理周邊的協調、程式執行與資料處理，讓 GPU 專注於更高強度的模型工作；Oracle Cloud Infrastructure 的超大規模部署計畫，則可能讓 Vera 獲得更廣泛的商業落地機會。13

這對 NVIDIA 而言，意義在於公司正試圖從 GPU 供應商，進一步成為涵蓋 CPU、GPU、網路、儲存與軟體的 AI 基礎設施供應商。只是目前最受關注的效能與部署規模，仍有不少屬於前瞻性說法：Vera 的實際價值，最終要看它能否在真實工作負載中持續提升 GPU 利用率、代理反應速度與整體能源及成本效率。

NVIDIA 於 2026 年 8 月 24 日宣布，SpaceXAI 計畫在下一代 AI 代理（agentic AI）應用中部署 Vera CPU。這項消息的重點，不只是又一家 AI 公司採用 NVIDIA 晶片，而是 CPU 開始被重新放回 AI 基礎設施的核心位置：它要處理模型推論前後的大量工作，讓 GPU 更少等待、AI 代理更快採取行動。3

不過，這次公告代表的是「計畫部署」，並不等同於 SpaceXAI 已完成全面導入。NVIDIA 尚未公布 SpaceXAI 最終會部署多少套 Vera 系統，也沒有公開經獨立驗證的生產效能或完整交付時程。

Vera 要處理的，是模型呼叫之間的工作

AI 代理不只是收到問題後產生一段文字。它可能需要選擇工具、執行程式碼、操作沙盒環境、處理資料、進行模擬，並在多個步驟之間協調，最後才回傳結果。

NVIDIA 將 Vera 定位為專門處理這些模型之外、且往往相當吃 CPU 資源的工作，包括：

• 代理協調與工作流程管理
• 工具調用與程式碼執行
• 沙盒環境
• 分析與資料管線
• 強化學習及代理式模擬 38

如果 CPU 端的協調、隔離或資料處理速度跟不上，昂貴的 GPU 可能只能閒置，等待下一批資料或下一個任務。NVIDIA 的說法是，Vera 的設計目標就是讓 GPU 持續獲得工作，同時縮短 AI 代理的等待時間。8

Vera 的架構與效能主張

NVIDIA 稱 Vera 是該公司第一款專為 AI 代理打造的 CPU，主要規格包括：

• 88 個 NVIDIA 設計的 Olympus 核心
• Spatial Multithreading 技術
• LPDDR5X 記憶體，頻寬最高達 1.2 TB/s
• 支援 AI 代理、強化學習與資料處理工作負載 3

NVIDIA 宣稱，在目標工作負載上，Vera 的任務完成速度最高可達 x86 CPU 的 1.8 倍；公司另表示，Vera 的沙盒環境效能最高可比傳統 CPU 基礎設施快 80%。38

這些數字目前都應視為 NVIDIA 的供應商效能主張，而非已由外部獨立驗證的基準測試。對資料中心營運商而言，真正重要的問題不是 Vera 在抽象測試中是否更快，而是它在自身的代理協調、強化學習、模擬與沙盒工作負載上能否帶來實際改善，以及納入 GPU、記憶體、網路和軟體後，整體系統成本是否合理。

從評估走向計畫部署

SpaceXAI 與 NVIDIA 的合作並非始於這次公告。NVIDIA 表示，已於 2026 年 5 月向 SpaceXAI 交付早期 Vera 系統，讓 SpaceXAI 評估其在強化學習工作負載，以及連接訓練基礎設施的代理式模擬流程中的表現。1

8 月的公告則被定位為下一步：SpaceXAI 計畫把 Vera 用於支援未來 AI 代理應用的基礎設施，而不再只停留在評估階段。公開資訊仍未說明這項轉換會以多快速度進行，或最終會部署多少套系統。

SpaceXAI 同時計畫擴充支援 Grok 的 NVIDIA Vera Rubin 基礎設施，並將一套最佳化的 Vera Rubin NVL72 延伸至太空，搭載於第一代 Starmind 衛星。這顯示 NVIDIA 希望讓同一套整合架構橫跨地面資料中心與軌道環境，但衛星部分目前仍是計畫，並非已證實的量產部署。3

Vera 的商用進度如何？

NVIDIA 於 2026 年 3 月推出 Vera，當時介紹的產品形式涵蓋獨立伺服器、Rubin 主機配置與機架級部署；公司也提醒，產品時程與供貨狀況仍可能調整。211

到了 5 月，早期 Vera 系統已交付給包括 SpaceXAI 與 Oracle Cloud Infrastructure 在內的部分客戶。NVIDIA 於 8 月 27 日更新資訊，表示 Vera 已進入大規模出貨階段，顯示產品正從發布、早期交付，逐步走向更廣泛的供應。1

但「大規模出貨」描述的是 NVIDIA 的產品供應進度，並不能直接證明 SpaceXAI 自身部署的數量或完成日期。

Oracle 的數十萬顆計畫，增添商業分量

Oracle Cloud Infrastructure 表示，計畫自 2026 年起部署「數十萬顆」Vera CPU，並稱自己是第一個計畫以超大規模部署 Vera 的雲端服務商。NVIDIA 先前已向 OCI 交付早期 Vera 系統。1

若計畫落實，OCI 將為 Vera 提供超越單一 AI 實驗室的雲端分發管道。這也將成為一項實際考驗：NVIDIA 的 CPU 架構能否在不同雲端環境中，以可重複部署的方式成為基礎設施產品，而不只是 NVIDIA 參考系統中的高度客製化元件。

NVIDIA 為何要進入 CPU 層？

Vera 是 NVIDIA 擴大「AI 工廠」控制範圍的一部分。NVIDIA 的策略不只包括提供執行 AI 模型的 GPU，也把 CPU、網路與資料處理硬體納入同一套平台；Vera 可透過 NVLink-C2C 與 NVIDIA GPU 緊密連接，並搭配 NVIDIA 網路設備及 BlueField 資料處理硬體。2

這種整合可能帶來三項戰略效果：

1. 降低 CPU 瓶頸： 更快的協調與資料搬移，有機會讓 GPU 維持更高的持續使用率。
2. 提高平台黏著度： 客戶若同時採用 NVIDIA 的 CPU、GPU、網路與軟體，整體基礎設施便會更深度依賴同一供應商的平台。
3. 挑戰傳統 x86 主機地位： 對特定 AI 工作負載而言，Vera 提供了傳統 x86 主機之外的選項；但目前公告並未證明 Vera 會取代一般用途運算中的 x86 CPU。

因此，SpaceXAI 的採用具有象徵意義：當 AI 系統從「回答問題」轉向「自行規劃並執行多個步驟」，CPU 不再只是 GPU 旁邊的通用配角，而可能成為決定整個系統效率的關鍵層。3

結論：真正的競爭在整套系統，而不只是一顆晶片

SpaceXAI 計畫使用 Vera 處理 AI 代理周邊的協調、程式執行與資料處理，讓 GPU 專注於更高強度的模型工作；Oracle Cloud Infrastructure 的超大規模部署計畫，則可能讓 Vera 獲得更廣泛的商業落地機會。13

這對 NVIDIA 而言，意義在於公司正試圖從 GPU 供應商，進一步成為涵蓋 CPU、GPU、網路、儲存與軟體的 AI 基礎設施供應商。只是目前最受關注的效能與部署規模，仍有不少屬於前瞻性說法：Vera 的實際價值，最終要看它能否在真實工作負載中持續提升 GPU 利用率、代理反應速度與整體能源及成本效率。