本文來自微信公眾號： TechSugar ，作者：談芯
過去幾年，數(shù)據(jù)中心里的CPU多少有些失意。
一談人工智能，大家想到的是英偉達GPU、HBM、先進封裝、NVLink，以及一排排功耗越來越嚇人的液冷機柜。CPU雖然仍然裝在服務器里，卻越來越像一位負責開門、遞文件、安排會議的辦公室主任——不可或缺，但發(fā)布會的聚光燈基本輪不到它。
現(xiàn)在，英偉達卻突然宣布：CPU不但重要，而且要重新成為AI基礎設施的競爭焦點。
英偉達最新披露的Vera CPU，采用88個自研Olympus核心，支持176個硬件線程；最高提供1.2TB/s的LPDDR5X內(nèi)存帶寬、1.5TB內(nèi)存容量，以及1.8TB/s的CPU與GPU一致性連接帶寬。與上一代Grace使用Arm Neoverse授權(quán)核心不同，Olympus是英偉達面向數(shù)據(jù)中心重新設計的CPU核心。(NVIDIA Developer)
一個靠GPU成為全球市值巨頭的公司，為什么突然認真做起了CPU？答案當然不是黃仁勛忽然對通用處理器產(chǎn)生了懷舊情緒。英偉達真正關心的，是如何讓那些價格昂貴、功耗驚人、每一分鐘都在燃燒資本的GPU少等一會兒。
GPU越來越快，為什么CPU反而成了問題？
傳統(tǒng)大模型推理大體上是一個相對集中的計算過程。
輸入數(shù)據(jù)送進GPU，GPU完成大量矩陣計算，隨后輸出結(jié)果。在這個階段，CPU主要負責數(shù)據(jù)準備、系統(tǒng)管理和任務調(diào)度。只要CPU別拖后腿，主角自然還是GPU。
但智能體AI的執(zhí)行流程并不是這樣。
一個智能體接到任務后，可能先在GPU上進行推理，隨后調(diào)用搜索工具；再回到CPU執(zhí)行Python腳本；然后訪問數(shù)據(jù)庫、解析網(wǎng)頁、啟動沙箱、調(diào)用API；完成之后再把結(jié)果送回GPU繼續(xù)推理。
一次復雜任務可能在CPU和GPU之間往返幾十次乃至數(shù)百次。這些動作包括：
編譯模型生成的代碼
啟動和關閉容器或沙箱
執(zhí)行Python、JavaScript和數(shù)據(jù)庫查詢
完成檢索、數(shù)據(jù)預處理和結(jié)果校驗
調(diào)度多個智能體之間的任務
管理KV Cache和其他系統(tǒng)數(shù)據(jù)
這里面很多工作都不是把核心數(shù)量堆上去就能解決的。
假設一個工作環(huán)節(jié)必須按照A、B、C、D的順序執(zhí)行，那么增加十倍CPU核心，也不能讓C跑到A前面去。系統(tǒng)真正需要的是更快的單線程性能、更低的內(nèi)存訪問延遲，以及CPU在高負載狀態(tài)下仍然能夠穩(wěn)定供給數(shù)據(jù)的能力。
換句話說，GPU擅長千軍萬馬同時沖鋒，智能體執(zhí)行鏈里卻包含大量需要一個一個過關的單兵作戰(zhàn)。
英偉達把這套邏輯概括為：CPU評價標準正在從“每美元可以買到多少核心”，轉(zhuǎn)向“每美元和每瓦電力能夠生產(chǎn)多少Token”。其官方資料稱，Vera面向代碼編譯、Python執(zhí)行和代碼分析等智能體負載，相比其選擇的x86基準系統(tǒng)最高獲得約1.8倍性能；但這些結(jié)果由英偉達提供，測試平臺和基準選擇仍需要獨立機構(gòu)驗證。
這句話翻譯得接地氣一點就是：
GPU本來正在努力干活，結(jié)果CPU拿著材料遲遲不來。老板買了一屋子昂貴GPU，最后卻看著它們排隊等Python腳本執(zhí)行完。
這當然不能忍。
Vera并不追求“核心越多越好”
過去十多年，服務器CPU有一條很清晰的演進路線：不斷增加核心數(shù)量。
云計算公司希望在一顆CPU上運行更多虛擬機，服務更多租戶，于是“每插槽核心數(shù)量”和“每美元虛擬CPU數(shù)量”成為重要指標。
2014年前后的高端Xeon通常只有十幾個核心；今天的AMD EPYC已經(jīng)進入百核時代，下一代Venice還將進一步提高密度。AMD已經(jīng)宣布，第六代EPYC Venice在臺積電2nm工藝上進入量產(chǎn)爬坡，并將在Helios AI機架中與MI450系列GPU配套使用。
英偉達卻沒有跟隨這條路線，它沒有把Vera做成一顆兩三百核的CPU，而是選擇了88個相對寬大的核心。
Olympus采用10路解碼前端、深度亂序執(zhí)行、神經(jīng)網(wǎng)絡分支預測和面向圖數(shù)據(jù)訪問的預取機制，目標不是在芯片里塞進盡可能多的核心，而是讓每個核心在復雜軟件環(huán)境下跑得更快。
Vera還有一個值得關注的設計：計算核心集中在一塊單片計算芯粒（Chiplet）上，而內(nèi)存控制和I/O可以采用其他芯粒。
過去幾年，Chiplet已經(jīng)成為先進處理器的主流方向。它能降低大芯片的制造成本，也便于組合不同功能模塊。但Chiplet并不是白吃的午餐，數(shù)據(jù)跨越不同芯粒時會增加延遲和互連負擔。
英偉達選擇把88個CPU核心放在同一塊計算裸片上，再通過第二代Scalable Coherency Fabric連接164MB共享三級緩存、內(nèi)存和I/O。官方給出的片內(nèi)雙向剖分帶寬約為3.4TB/s。
其設計邏輯非常明確：寧可少塞一些核心，也要減少核心之間、核心與內(nèi)存之間的數(shù)據(jù)堵車。這與AMD、Intel近年來通過多芯粒提高核心數(shù)量和產(chǎn)品靈活性的方向，構(gòu)成了一次非常有意思的架構(gòu)分叉。
誰更正確？現(xiàn)在還遠遠沒有答案。
如果工作負載可以高度并行，核心多當然有優(yōu)勢；如果大量任務依賴單線程速度、共享數(shù)據(jù)和低延遲，Vera的選擇可能更有效。
真正的問題不是單片好還是Chiplet好，而是客戶究竟在運行什么東西。
“智能體CPU”是真需求，還是營銷部門的新包裝？
看到“專為Agentic AI設計的CPU”，有經(jīng)驗的從業(yè)者難免會警覺。
半導體行業(yè)很擅長給舊需求換一個新名字。以前叫并行計算，后來叫AI計算；以前叫服務器，后來叫AI工廠；現(xiàn)在連CPU也開始穿上智能體的外套。
Ryan Shrout在其文章《NVIDIA Joins the Battle of Making the CPU Interesting Again》中提出了一個很好的問題：智能體AI所需要的，究竟是一種全新的CPU，還是一顆內(nèi)存帶寬更高、單線程性能更強的優(yōu)秀服務器CPU？
英偉達給出的回答其實比較誠實：基礎計算原理并沒有改變，變化的是任務發(fā)生的頻率和系統(tǒng)負載強度。
虛擬機和容器并不是智能體時代才出現(xiàn)的，數(shù)據(jù)庫查詢、腳本執(zhí)行、數(shù)據(jù)檢索也存在多年。區(qū)別在于，過去它們可能偶爾發(fā)生一次；智能體工作流卻會持續(xù)創(chuàng)建環(huán)境、執(zhí)行代碼、訪問數(shù)據(jù)、銷毀環(huán)境，然后再來一遍。
強化學習同樣需要同時運行大量CPU環(huán)境，對模型生成的行為進行評估和反饋。
因此，所謂“智能體CPU”并非憑空出現(xiàn)的新物種，更準確的說法應該是：智能體AI放大了服務器CPU中原本就存在的性能矛盾。
過去，CPU慢一點，用戶可能多等幾十毫秒。現(xiàn)在，CPU慢一點，后面的幾十顆甚至幾百顆GPU都可能一起等待。普通服務器里，CPU本身就是主要計算資產(chǎn)；AI機架里，CPU旁邊站著的是一群價格遠高于它的GPU。
于是CPU的經(jīng)濟價值發(fā)生了變化。英偉達并不是單純出售一顆更昂貴的Arm CPU，而是試圖告訴客戶：不要只看CPU價格，應該看它能為整套GPU系統(tǒng)追回多少利用率。
這套說法非常聰明。因為一旦評價標準從“每顆CPU多少錢”變成“每個機架能多生產(chǎn)多少Token”，CPU成本可能真的會成為小數(shù)點后的數(shù)字。
Vera真正要挑戰(zhàn)的，不只是Intel和AMD
表面上看，Vera進入的是服務器CPU市場，競爭對手自然是Intel Xeon和AMD EPYC。
但英偉達的真正目標可能更大。
亞馬遜已經(jīng)把Graviton推進到第五代，最新Graviton5實例相較上一代官方宣稱可提高最多25%的計算性能；谷歌也通過Axion處理器為Google Cloud提供自研Arm CPU平臺。(Amazon Web Services,Inc.)
這些云廠商做CPU，主要是為了控制云計算成本和產(chǎn)品差異化。它們關心的是同樣一臺服務器能夠出租多少虛擬機？每個CPU的成本是多少？一度電能夠服務多少云客戶？
英偉達的思路不同。
Vera并不是首先作為一顆通用CPU，孤零零地插入普通服務器插槽，與Xeon、EPYC爭奪每一臺企業(yè)服務器。
Vera最重要的應用場景，是Vera Rubin NVL72等英偉達AI系統(tǒng)。在這套機架里，36顆Vera CPU與72顆Rubin GPU、NVLink交換系統(tǒng)、ConnectX網(wǎng)卡和BlueField DPU共同工作。
這意味著英偉達銷售的并不是CPU。它銷售的是一套由英偉達定義的計算系統(tǒng)，CPU只是其中一個控制點。以前，英偉達需要讓自己的GPU適配Intel和AMD的服務器平臺?，F(xiàn)在，它希望從CPU、GPU、互連、網(wǎng)卡、DPU到系統(tǒng)軟件全部掌握在自己手里。
這才是Vera最值得警惕的地方。
英偉達已經(jīng)不滿足于占領加速卡插槽，它開始一點一點吃掉服務器主板、網(wǎng)絡交換、數(shù)據(jù)處理和系統(tǒng)架構(gòu)的價值。今天做CPU，明天做存儲處理器，后天做機架，最后客戶采購的可能不再是若干部件，而是一座完整的“英偉達AI工廠”。
到了那個時候，傳統(tǒng)服務器廠商越來越像施工隊，傳統(tǒng)CPU廠商則可能從平臺定義者退化為零部件供應商。
Intel與英偉達的關系，變得有些微妙
事情也并不是英偉達推出Vera之后，Xeon立即被掃地出門。
Intel在2026年3月宣布，Xeon 6被用于英偉達DGX Rubin NVL8系統(tǒng)。這說明，在需要兼容傳統(tǒng)軟件、通用企業(yè)負載和標準服務器生態(tài)的產(chǎn)品中，英偉達仍然需要x86 CPU。
于是出現(xiàn)了一個頗有意思的局面：英偉達一邊采購Intel CPU，一邊推出自己的CPU與Intel競爭。
這看上去有些別扭，實際上非常符合平臺公司的做法。在生態(tài)尚未完全成熟時，英偉達需要Xeon幫助其進入傳統(tǒng)數(shù)據(jù)中心；在最先進、價值最高的機架級AI系統(tǒng)中，它又希望使用Vera，把系統(tǒng)的每一個關鍵環(huán)節(jié)握在自己手中。
Intel真正面臨的風險，不是Vera立刻搶走所有Xeon訂單。而是服務器CPU的戰(zhàn)略位置可能被重新定義。
過去，CPU是服務器的中心，GPU是掛在CPU旁邊的加速器。Vera Rubin時代，GPU開始成為系統(tǒng)中心，CPU則被重新設計為服務GPU利用率的調(diào)度和數(shù)據(jù)處理引擎。
這相當于原來坐在董事長位置上的CPU，雖然還沒有被趕出會議室，卻開始負責給新董事長準備會議材料。
AMD同樣需要回答這個問題。
AMD擁有EPYC和Instinct兩條產(chǎn)品線，理論上比Intel更容易構(gòu)建CPU與GPU協(xié)同平臺。Helios正是AMD給出的答案：用Venice CPU、MI455X GPU、Pensando網(wǎng)卡和ROCm軟件組成開放機架。
因此，未來的競爭不只是Vera對Xeon、Vera對EPYC。
真正的較量是：Vera Rubin與AMD Helios，誰能讓整個機架生產(chǎn)更多Token？
現(xiàn)在談Vera獲勝，還為時太早
從英偉達提供的數(shù)據(jù)看，Vera相較現(xiàn)有x86系統(tǒng)，在代碼編譯、Python執(zhí)行、數(shù)據(jù)分析、圖計算和高負載內(nèi)存訪問等場景中表現(xiàn)亮眼。
此外，英偉達也公布了Perplexity、紐約證券交易所和美國國家實驗室等早期測試案例。不過，這些結(jié)果目前仍主要來自英偉達及合作伙伴，部分基準采用預量產(chǎn)系統(tǒng)，一些比較對象也是已經(jīng)上市一段時間的Intel和AMD產(chǎn)品。
而Vera真正大規(guī)模交付時，將面對的并不只是今天的Granite Rapids或者EPYC Turin。AMD Venice已經(jīng)進入臺積電2nm量產(chǎn)爬坡；Intel也在準備下一代Xeon產(chǎn)品。
此外，單線程性能高并不等于所有服務器工作負載都更快。
數(shù)據(jù)庫、虛擬化、Web服務、高性能計算和智能體工作流之間的性能需求差異很大。部分場景更看重核心數(shù)量，部分需要大容量DDR內(nèi)存，部分依賴軟件認證，還有大量企業(yè)應用仍然建立在x86生態(tài)之上。
英偉達必須證明幾件事：
第一，Vera的高單線程性能能夠在滿負載狀態(tài)下持續(xù)保持，而不是只在選擇性基準中領先。
第二，LPDDR5X雖然帶寬高、功耗低，但容量、成本、可維護性和供應能力能夠滿足數(shù)據(jù)中心需求。
第三，Arm軟件生態(tài)能夠支持復雜企業(yè)應用，而不只是英偉達自己控制的AI機架。
第四，Vera帶來的GPU利用率提升，足以覆蓋客戶遷移平臺和重構(gòu)軟件的成本。
英偉達把題目出得很好，但最終還要由客戶的電費賬單和采購合同判卷。
CPU市場不會被Vera統(tǒng)一，反而會進一步分裂
Vera出現(xiàn)后，服務器CPU市場可能不再是Intel與AMD之間簡單的x86之爭。
未來至少會形成四種路線。
第一種，是Intel和AMD繼續(xù)提供的通用型x86處理器，強調(diào)軟件兼容、企業(yè)生態(tài)和廣泛的工作負載適應性。
第二種，是AWS Graviton和Google Axion等云廠商自研CPU，重點追求云服務的成本、能效和內(nèi)部工作負載優(yōu)化。
第三種，是Vera這種與GPU、網(wǎng)絡和AI軟件深度綁定的AI工廠CPU，評價標準是GPU利用率和每機架Token產(chǎn)量。
第四種，則可能是面向高性能計算、存儲、數(shù)據(jù)庫或特定行業(yè)的專用Arm處理器。
過去，服務器CPU試圖成為無所不能的通用平臺。未來，CPU很可能越來越圍繞特定系統(tǒng)目標設計。
這其實是半導體產(chǎn)業(yè)非常熟悉的故事：當一個通用市場足夠大之后，專用化遲早會發(fā)生。GPU已經(jīng)從通用圖形芯片變成AI專用計算平臺；現(xiàn)在，AI反過來又推動CPU從通用處理器走向系統(tǒng)定制。
對中國處理器產(chǎn)業(yè)有什么啟示？
國內(nèi)服務器CPU討論中，也經(jīng)常陷入一種簡單的參數(shù)競賽：
核心有多少？
主頻有多高？
工藝是多少納米？
單項跑分追上誰？
這些問題重要，但Vera提醒我們，先進處理器的競爭越來越不是一張規(guī)格表能夠說明的。真正決定AI系統(tǒng)表現(xiàn)的，是CPU核心、緩存、內(nèi)存帶寬、片內(nèi)互連、CPU與GPU的一致性、編譯器、操作系統(tǒng)、容器環(huán)境和任務調(diào)度之間的整體協(xié)同。
國內(nèi)AI芯片企業(yè)往往非常重視加速器算力，卻容易低估主機CPU和系統(tǒng)軟件。結(jié)果可能是AI芯片的理論算力很漂亮，數(shù)據(jù)準備、任務調(diào)度、集合通信和軟件執(zhí)行卻跟不上。芯片發(fā)布時威風八面，進了數(shù)據(jù)中心之后，大家一起排隊等數(shù)據(jù)。
未來國產(chǎn)計算體系需要關注的，不只是再做一顆CPU或者GPU，而是建立：
CPU與AI加速器之間的高速一致性互連
高帶寬、低功耗的內(nèi)存系統(tǒng)
面向智能體和強化學習的運行環(huán)境
真實集群下的延遲、故障和利用率測量體系
從芯片到機架的軟硬件協(xié)同設計能力
核心數(shù)是最容易印在海報上的數(shù)字。系統(tǒng)利用率卻是最難偽裝的結(jié)果。
結(jié)語：CPU沒有復興，它只是換了一個老板
Vera的出現(xiàn)并不意味著計算產(chǎn)業(yè)重新回到“CPU為王”的年代。
恰恰相反。CPU之所以重新受到重視，是因為GPU已經(jīng)變得太昂貴、太重要，以至于所有可能讓GPU等待的環(huán)節(jié)，都必須被重新設計。從這個角度看，Vera不是CPU對GPU的反攻。它更像是英偉達為了維護GPU統(tǒng)治地位，親手打造的一名高級管家。
這名管家跑得足夠快，就能讓整座AI工廠少停頓、多生產(chǎn)Token；而誰控制了這名管家，誰就更有機會控制整個機架。因此，英偉達進入CPU市場真正帶來的沖擊，不是服務器市場又多了一個Arm處理器。而是數(shù)據(jù)中心競爭的基本單位，正在從單顆CPU、單顆GPU，升級為完整的計算系統(tǒng)。
Intel和AMD過去爭論的是每個插槽放多少核心。英偉達現(xiàn)在卻把問題改成了：
一座AI工廠每兆瓦電力能夠生產(chǎn)多少智能？
這才是Vera真正想重新定義的CPU戰(zhàn)爭。