8 月 27 日前后据 NVIDIA 官方消息NVIDIA 向 AWS 交付了首台 Vera CPU 服务器和 Vera Rubin GPU超大规模与高性能计算副总裁 Ian Buck 亲自交付。Vera 是英伟达第一款自研 CPU定位很直接给 AI 智能体用的 CPU。今年 5 月它刚发布时首批交付给了 Anthropic、OpenAI、SpaceXAI、Oracle Cloud 等合作伙伴这次轮到 AWS。芯片厂卷完 GPU 之后开始认真卷智能体时代的 CPU 了。这个热点的技术本质是什么先说 Vera 是干什么的。据 NVIDIA 官网说明Vera 专为 agentic AI智能体 AI和强化学习RL背后的 CPU 工作设计包括代码执行、工具使用、沙箱、分析、数据流程以及跨模型协调。翻译成人话训练和大部分推理是 GPU 的活但智能体跑起来之后有大量工作其实是 CPU 在扛——启动进程、执行代码、调用工具、开沙箱隔离、处理数据流、调度多个模型。这些任务并行度低、逻辑分支多恰恰是通用 x86 CPU 的强项但不是专长GPU 更是完全不合适。Vera 的意思就是专门为这类智能体工作负载定制一颗 CPU而不是继续拿通用服务器凑合。据 NVIDIA 官方新闻稿Vera 相比 x86 CPU任务完成速度快 1.8 倍。这是官方口径具体负载下的实际收益要看场景但这个定位本身很说明问题推理之后智能体执行环节被认定是下一个需要专门硬件的瓶颈。变了什么没变什么变了的是行业叙事。过去几年 AI 硬件的故事全是 GPU算力、显存、互联。Vera 把注意力拉回到 CPU 上——模型越强智能体跑得越久执行层的 CPU 消耗就越明显这块成本迟早要有人来优化。英伟达一边卖 GPU 一边自研 CPU等于把智能体算力整条链路都攥在手里。没变的是竞争格局的两条铁律一是生态绑定Vera 从设计上就配合英伟达自家的网络、存储和软件栈二是供应能力这是芯片厂的命门。据报道英伟达 CFO 于 8 月 26 日预计 2028 财年营收增长 70%、年销售额约 6730 亿美元且明确说目前瓶颈在供应端比如内存等部件短缺而不是需求端。换句话说货出来多少比想买的人有多少更决定市场走向。对普通开发者意味着什么个人开发者短期内基本无感——你买不到 Vera也不该买。真正的影响在云上AWS 拿到 Vera 之后后续大概率会推出搭载 Vera 的实例类型。到那时跑智能体工作负载的人就有机会把 CPU 密集的部分迁过去对比 x86 实例的成本和时延。这对做 AI 应用、部署 agent 的打工人来说是实打实的好事但要用对姿势先分清自己的负载如果你的任务是推理为主GPU 实例才是重点Vera 帮不上多少如果任务里大量是代码执行、工具调用、并发沙箱、流程编排那才是 Vera 的主场等实例上线值得专门测一轮。迁移前先做基准对比等云厂商上线 Vera 实例后用同一套 agent 任务脚本在 x86 实例和 Vera 实例上各跑几轮记录任务完成耗时和总账单。别拿现成的 CPU 跑分代替实测——跑分高的不一定省你的钱你的负载才作数。软件兼容性要提前确认Vera 的生态初期依赖英伟达自己的软件栈老代码从 x86 直接搬过去不一定能跑。动手之前先查官方支持的发行版、容器镜像和运行时评估改造量。坑也提醒一下1.8 倍是官方特定负载下的口径别拿它直接算 ROI供应链紧张是明牌实例上线时间、定价都可能变别拿它做太激进的成本规划还有云厂商拿到硬件到推出实例之间通常有几个月空窗该干嘛干嘛别干等。结尾CPU 这个几十年的老赛道因为智能体又被翻出来重新卷这本身比参数有意思。Vera 实例在云上到底划不划算等真上线了拿账单说话。你怎么看评论区聊聊。
