英伟达Vera放弃Chiplet：AI CPU设计转向单核延迟

　　英伟达Vera CPU团队罕见承认，过去多年数据中心CPU为堆核心数牺牲了单核性能和IPC。Agentic AI的爆发正在逼着这个方向掉头。Vera放弃Chiplet，把88个自研Olympus核心塞回一颗单晶粒上。这件事的分量不在英伟达自己，而在于它可能改写服务器CPU用了近十年的设计公式。

一颗“反潮流”的CPU

　　Vera的基本规格不复杂：88个Olympus核心，176线程，LPDDR5X内存，1.2TB/s带宽。真正值得注意的选择是单晶粒，不是Chiplet。

　　2010年代后期开始，AMD EPYC带头把服务器CPU拆成多个小芯片，核心数从32核一路推到96核、128核，甚至256核。英特尔 Sapphire Rapids也跟进了Chiplet路线。行业默认的逻辑是：云厂商按核心租算力，核心越多越好卖。

　　英伟达Vera团队在访谈中说得很直白：用Chiplet之后，芯片上没有足够面积给每个核心做性能优化，单线程性能和IPC长期停滞。Vera把88个核心放回一颗die，第二代Scalable Coherency Fabric提供3.4TB/s对内带宽，是可比x86芯片的三倍。

　　但一个问题随之而来：放弃Chiplet，核心数是不是又不够了?英伟达的答案藏在Agentic AI的工作方式里。

GPU越贵，CPU越不能慢

　　Agentic AI和传统云端负载有一个根本区别：大量任务必须顺序执行。

　　一个AI智能体要跑代码、调外部工具、查数据库、分析结果，再决定下一步。有些步骤可以并行，但“决定下一步做什么”这一步只能等前面完成。CPU在这里的角色不是算矩阵，是调度和衔接。它慢一拍，后面昂贵的GPU就多闲置一拍。

　　英伟达AI基础设施部门在发布Vera时说了一句很直接的话：“AI智能体的速度，取决于驱动它的CPU。”

　　这解释了一个容易被忽略的账：一台AI服务器里，GPU成本占大头。如果CPU因为单核延迟高，让GPU每天多闲置5%，浪费的钱远高于省一颗CPU的差价。核心数解决的是“同时跑多少任务”，单核性能解决的是“每个任务多快放行” 。Agentic AI把后者的权重拉高了。

　　那英伟达宣称的性能优势，到底站不站得住?

数据打架，但方向已经清楚

　　英伟达自报的数据是：Vera单核性能最高达AMD EPYC Venice的1.5倍，智能体编排任务比Sapphire Rapids快约2.2倍。在DeepInfra的生产环境测试中，Vera的runc容器延迟为29ms，Sapphire Rapids为64ms，AMD Zen 5 Turin为35ms。Olympus核心的IPC实测为3.62，高于Sapphire Rapids的2.44。

　　但AMD随后公布了另一组数字：EPYC 9996在SPECrate 2026整数测试中，单核性能反而是Vera的1.2倍，平台级性能达到2.24倍。双方测试条件并不对等——AMD用的是GCC 16.1编译器，英伟达用的是GCC 15.2，编译器版本差异足以影响跑分。

　　这是一个反常识的点：在“单核性能”这个英伟达自己选定的战场上，AMD并不认输。 但两家厂商的测试共同指向一个事实：服务器CPU的竞争维度正在从“每瓦每核吞吐量”拆分成“吞吐量”和“每线程延迟”两条线。Vera押的是后者在Agentic AI里的定价权。

　　市场数据也在配合这个判断。x86服务器CPU份额仍在56%左右，但ARM定制份额已升到37%，英特尔份额被压缩到28%。美国银行预计服务器CPU总市场规模从2026年的610亿美元增长到2030年的2110亿美元，其中约1800亿美元来自AI相关需求。英伟达做Vera，不只是卖CPU，是在AI机架里卡住“系统调度入口”这个位置。

　　Vera真正的对手不是EPYC 9996，而是“GPU够快、CPU慢一点没关系”这个沿用了十年的采购惯性。 Agentic AI正在让这个惯性变得昂贵。

Vera的考验不在跑分，在机架

　　Vera的另一个信号容易被忽略：英伟达正在把CPU从“GPU的附属品”变成独立产品线。Grace的定位主要是GPU主机，Vera则被放进独立的CPU机架，专门跑智能体工具调用、代码执行和强化学习环境，最多256颗CPU互联，支持超过2.25万个并发沙箱环境。

　　这意味着英伟达在AI基础设施里的角色从“卖GPU”延伸到“卖调度层”。如果Agentic AI的负载结构真如英伟达判断的那样向CPU侧倾斜，Vera的成败会直接影响下一轮AI机架的BOM结构：CPU的预算占比会往上走，而GPU的闲置率会成为客户衡量整机效率的新指标。

　　但变量仍然很多。AMD的256核Venice在平台吞吐量和每瓦性能上守住了自己的阵地，Chiplet路线在超大规模云厂商那里仍有成本优势。Vera能不能把“单核延迟”变成客户愿意单独付费的卖点，2027年的部署数据会给出答案。

　　你怎么看：你所在的数据中心或AI项目里，GPU的闲置时间有多少是在等CPU?