NVIDIA Vera CPU正式发布：88核Arm架构，专为智能体AI优化

昨天还在看英伟达（NVIDIA）依靠GPU赚得盆满钵满，今天这位“AI教父”就带着一个足以改变数据中心市场格局的大招亮相了。

在刚刚结束的 GTC 2026 大会上，黄仁勋除了展示新一代显卡，更引人注目的是一款名为“Vera”的下一代数据中心CPU。并且，这次英伟达宣布将公开、独立地对外销售这款CPU，这无疑是对传统CPU巨头Intel和AMD的正面宣战。

说到CPU，这并不是英伟达的首次尝试。早在2022年，他们就推出了首款数据中心CPU Grace。不过，初代产品更像是为自家GPU服务的“配角”，并未在市场上独立掀起太大波澜。

而Vera的出现，标志着英伟达正式从“买GPU搭CPU”的模式，转向全面进军CPU市场，意图构建从计算、互联到内存的全栈式AI解决方案。这一转变将对整个智能 & 数据 & 云产业格局产生影响。

Vera CPU：为AI而生的性能怪兽

首先来看看Vera的核心规格。其底层架构代号为“Olympus”，基于Armv9.2-A指令集打造。它集成了多达88个英伟达完全自研的定制核心，并且每个核心都支持“空间多线程技术”，实现了88核176线程的顶级规格。

相较于上代Grace的72核144线程，Vera在核心规模上有了显著提升。但真正让其脱颖而出的是其极致的内存和互联性能。

在AI计算中，数据搬运的“带宽墙”常常是瓶颈。Vera采用了第二代低功耗内存子系统，将内存带宽提升至惊人的1.2 TB/s。同时，通过NVLink-C2C互连技术，Vera与GPU之间的数据一致性带宽进一步提升到1.8 TB/s——这已经是PCIe 6.0带宽的7倍之多。

凭借这些优化，英伟达宣称Vera的IPC性能（每周期指令数）比上代Grace提升了1.5倍。在处理特定的大规模数据和AI任务时，其整体性能比标准架构CPU快50%，同时能效翻倍，功耗减半。

如果说单颗Vera CPU的威力还不够直观，那么基于MGX架构的Vera机架系统（可以理解为“超大杯”）则展现了其真正的野心。

单个机柜可集成256颗Vera CPU，总计22528个核心和45056线程。这套系统配备了最高400TB的LPDDR5X内存，总带宽高达300TB/s，并采用纯液冷散热。这样的设计，目标直指最高密度和效率的数据中心。

为何GPU巨头要杀入CPU战场？

一个显而易见的疑问是：英伟达在GPU领域已是绝对霸主，为何还要涉足竞争激烈的CPU市场？

这背后是AI技术范式的变迁。早期的AI大模型训练，主要依赖“大力出奇迹”，堆叠GPU算力即可，CPU主要负责任务调度和数据传输等辅助工作。

但未来属于智能体AI。在GTC 2026上，黄仁勋反复强调了这一点。未来的AI不仅需要强大的“计算”能力，更需要具备“思考、规划、自我纠错、调用外部工具”等复杂逻辑能力。

而这些复杂的逻辑控制、多并发任务处理，恰恰是CPU的传统强项。换言之，如果CPU性能成为瓶颈，GPU算力再强也无法完全释放。

英伟达的思路很清晰：构建一个从CPU到GPU，再到网络和存储的全栈优化平台。不让任何一环（尤其是来自竞争对手的环节）拖累自家GPU的性能。Vera的出现，正是为了补全其AI数据中心版图的最后一块关键拼图。

对Intel和AMD的冲击与Arm生态的崛起

这波操作，无疑让在数据中心市场“相爱相杀”多年的Intel和AMD感到压力。当两家还在x86架构内激烈竞争时，一个来自GPU领域的“降维打击”已然到来。

Vera最深远的影响在于，它标志着Arm架构在高端数据中心市场真正站稳了脚跟。过去，Arm架构常与移动设备、轻量级服务器关联。而Vera以其恐怖的能效比和内存带宽证明：在AI与大模型时代，经过深度定制的Arm架构完全有能力在性能上正面对抗传统x86。这对于学习计算机基础的开发者而言，也意味着技术格局的演变。

更关键的是，英伟达并非“纸上谈兵”。据报道，Vera CPU目前已进入全面量产阶段，计划于今年下半年开始交付。包括Meta、甲骨文、字节跳动、阿里等头部科技公司均已出现在其合作客户名单中。

当这些大客户发现，采用英伟达全栈方案（CPU+GPU）的AI集群在性能、功耗和空间效率上更具优势时，传统x86 CPU的市场份额面临被侵蚀的风险。

结语

英伟达Vera CPU的独立发布，不仅是一款新产品的问世，更是一次清晰的战略宣言。它意味着英伟达不再满足于只做AI计算的“加速器”，而是要成为整个AI基础设施的“定义者”和“构建者”。

从Grace到Vera，英伟达正在将其在GPU和AI软件生态上的领先优势，向更底层的CPU和系统架构延伸。这无疑将加剧数据中心处理器市场的竞争，同时也将加速以AI为中心的硬件设计理念普及。对于整个行业和广大开发者广场的从业者来说，一个由异构计算和全栈优化主导的新时代正加速到来。

*资料、图片来源：GTC 2026、NVIDIA、网络。