NVIDIA 发布 Vera CPU：专为 AI 智能体打造，任务完成速度快 1.8 倍

过去大家总觉得，搞 AI 拼的就是谁家的 GPU 算力更猛。但随着大模型开始像人类一样写代码、调工具、跑沙箱，很多人突然发现，GPU 经常在原地干等，真正的瓶颈卡在了 CPU 身上。

在台北电脑展的 GTC Taipei 上，NVIDIA 拿出了针对这个痛点的全新底牌：正式推出并全面量产第一款专门为 AI Agent 设计的处理器 NVIDIA Vera。

专为跑代码和沙箱打造的 88 核怪物

大模型现在的任务，已经不只是在对话框里回一两句答案了，而是要连续调用工具、执行 Python 脚本，甚至在独立沙箱里跑各种编译和数据库查询。以前的数据中心按每美元能买多少核心来算账，现在各家 AI 工厂算的是每美元能产出多少 token。

NVIDIA 这次给 Vera 塞进了 88 个自研的 Olympus 架构核心，支持空间多线程技术，还搭配了带宽高达 1.2TB/s 的 LPDDR5X 内存子系统。根据测试，处理 Agent 类工作流时，它的任务完成速度比传统 x86 CPU 快了整整 1.8 倍。

据第三方开源基准测试机构 Phoronix 的数据，在代码编译、Python 和 Java 运行环境以及数据库处理等 Agent 核心场景中，Vera 的综合性能都是目前最快的。说白了，它就是让那些卡在 CPU 环节的沙箱和工具调用变快，别让昂贵的 GPU 趴在旁边干等。

踢开 x86，自己单立门户

上一代 Grace CPU 已经卖了将近 250 万片，但主要是绑在超级芯片里卖。这一次 Vera 的野心明显更大，直接杀向了通用服务器市场。

戴尔、HPE、联想和超微都会在今年秋天推出独立的 Vera CPU 服务器。这也是各大主流 OEM 厂商第一次把非 x86 CPU 当作标准服务器选项推向市场。不仅如此，Vera 还会作为下下一代 Vera Rubin 平台的主机 CPU，通过第二代 NVLink-C2C 提供高达 1.8TB/s 的 CPU 与 GPU 间双向一致带宽，同时还会驱动 Vera BlueField-4 STX 存储平台。

买家名单几乎囊括了半个 AI 圈。Anthropic、OpenAI 和 SpaceXAI 都在计划采用，Oracle 云（OCI）、字节跳动和 CoreWeave 也在部署名单里。就连每天要处理 1.1 万亿条消息的纽约证券交易所，也正联手 HPE 和 Redpanda 用 Vera 来升级自己的金融交易基础设施。

为什么重要

从技术和架构来看，NVIDIA 这一步走得相当毒辣。现在的 AI 竞争早已过了纯粹拼矩阵乘法的阶段，复杂的推理模型往往需要几百次工具调用和代码验证才能给出一个答案。如果主控 CPU 太慢，整套集群的有效利用率就会暴跌。Vera 把内存带宽拉到 1.2TB/s，本质上就是把 CPU 当成协处理器来做，彻底消除了沙箱调用的排队延迟。

对行业来说，这也是对 Intel 和 AMD 传统 x86 腹地的一次正面强攻。以前数据中心的逻辑是 GPU 负责加速、x86 CPU 负责总管，但现在戴尔和联想开始大批量出货独立的 Vera 服务器，意味着云厂商和超大规模企业第一次有了成熟的替代方案。当算力采购的考核指标彻底变成 token 产出效率时，传统通用 CPU 的生存空间会被进一步压缩。

不过对于普通开发者或中小企业来说，现在不必急着去追这一波硬件。Vera 真正的杀伤力是在高并发沙箱、强化学习环境和超大型云平台上体现出来的，首批系统要在今年秋季才向合作伙伴交付。我们认为，更现实的路径是等它上线 OCI 或其他云厂商后，直接按需调用相关的 Agent 推理集群，看看每单位 token 的综合成本到底能降下来多少。