2026 年 5 月,Nvidia 開始向部分 AI 研究機構與雲端平台交付第一批 Vera CPU 系統。首批合作夥伴包括:
Nvidia 表示,這些早期系統由公司負責超大規模與高效能運算的副總裁 Ian Buck 親自交付給合作夥伴,用於測試下一代 AI 基礎設施部署。
傳統資料中心 CPU 通常是通用型設計,但 Nvidia 將 Vera 定位為 AI 協調與記憶體控制引擎。
隨著 AI 系統越來越複雜,許多工作並不是 GPU 張量運算,而是需要 CPU 協調,例如:
這些工作需要高單執行緒效能、快速記憶體存取,以及 CPU 與 GPU 之間極低延遲的通訊能力,這些都是 Vera 設計時的優化方向。
公開資訊顯示,Vera 採用 Arm 架構資料中心 CPU,並使用 Nvidia 自行設計的核心。
主要規格包括:
透過這種設計,Vera 負責處理系統記憶體與任務調度,而 Rubin GPU 則負責 AI 訓練與推論中的矩陣與張量運算。
Vera 也是 Nvidia Arm CPU 策略的延續,建立在先前 Grace CPU 的基礎上,但更加針對 AI 工作負載優化。
Nvidia 將 Vera 定位為能提升 AI 系統整體效率的 CPU。
公司公布的基準測試顯示:
需要注意的是,這些數據主要來自 Nvidia 自身測試,目前第三方獨立驗證仍有限,因此通常被視為供應商提供的性能指標。
Vera CPU 並非單獨產品,而是 Rubin AI 基礎設施平台的一部分。
其中最具代表性的系統是 Vera Rubin NVL72 機架級 AI 超級電腦,整合:
整個 NVL72 機架被設計為一個統一系統,用於大型模型訓練、推論與 agentic AI 工作負載。
Nvidia 也提出 純 CPU 機架版本,最多可配置 256 顆液冷 Vera CPU,主要用於 AI 協調與強化學習環境。
長期以來,Nvidia 在 AI 資料中心的主導地位主要來自 GPU。但隨著 AI 叢集規模變大,系統越來越依賴整體架構,而不只是單一晶片。
透過 Vera,Nvidia 可以自行控制整個運算堆疊,包括:
這使 Nvidia 能從 GPU 供應商轉型為 完整 AI 基礎設施供應商。
Vera 的推出也意味著 Nvidia 更直接進入 資料中心 CPU 市場。
目前該市場主要由 x86 處理器主導,包括:
市場競爭近年快速升溫。例如 Mercury Research 的數據顯示,2026 年初 AMD 已取得超過 33% 的伺服器 CPU 出貨份額,並佔約 46% 的 x86 伺服器 CPU 營收份額。
若 Vera 能在 AI 工作負載中展現優勢,Nvidia 就能在 AI 叢集建設中掌握更多硬體價值,並減少對外部 CPU 供應商的依賴。
Vera CPU 的推出反映出 AI 基礎設施的一個重要變化:從單一晶片銷售轉向完整平台。
在 Rubin 世代中,Nvidia 把 CPU、GPU、網路晶片、DPU 與軟體整合成整體系統,並以機架甚至整個資料中心為設計單位。
如果 Vera 與 Rubin 架構能如預期提升效率,未來 AI 資料中心的設計可能會更像整合式超級電腦,而不是由各種獨立元件拼湊而成的伺服器叢集。