NVIDIA Vera：专为AI智能体打造的单线程CPU

技术2026年7月6日· 原作者：Ian Buck· 6 分钟阅读1 阅读

NVIDIA推出Vera CPU，专为AI智能体循环设计，提供最高单线程性能。在智能体任务中，单核性能决定工具调用、代码执行等步骤速度，Vera相比x86提升1.8倍持续单核性能，已被Perplexity等企业采用，加速AI工厂GPU利用率。

大规模的最高单线程CPU，是专为智能体AI时代打造的全新CPU品类。

在智能体系统的创建和部署过程中，CPU始终处于推理、响应时间和学习的关键路径上。CPU执行AI模型所指令的工作：工具调用、代码执行、数据处理、KV缓存和结果分析。

对于AI工厂中的智能体，速度至关重要。CPU运行工具越快，智能体完成手头任务的速度就越快。

对AI工厂而言，GPU利用率是数据中心最宝贵的资源。任何等待任务完成的时间都会限制AI工厂的收入——更糟的是，如果CPU拖慢了GPU，GPU利用率就会下降。AI工厂需要一款具有最高单线程性能的CPU，以最大化收入和智能体性能。

当今的数据中心CPU并非为大规模速度而设计。虽然PC和工作站有快速CPU，但数据中心CPU一直在偏离单线程性能的方向。云计算的兴起迫使CPU制造商在牺牲性能的前提下增加核心数、降低成本。

为了优化每租户核心的成本，CPU厂商增加了每个芯片的核心数，却从那些让核心跑得更快的区域（如高性能内存结构和每个核心更快的指令处理）中拿走了硅面积。转向小芯片架构进一步降低了成本，但带来了“小芯片税”——每个CPU核心再也无法访问芯片的全部内存性能。

AI智能体需要一款为大规模最高单线程性能而设计的CPU。这样的CPU能在系统满载时保持每个智能体步骤快速完成：每个核心都能以全性能完成任务，不受其他核心拖累。大规模单线程CPU通过以下方式实现差异：

负载下强劲的单核性能
每个核心足够的带宽以保持数据供应
可预测的延迟

每个核心都能独立完成任务，提供出色的吞吐量，更重要的是，实现最快可能的单核任务性能。

NVIDIA Vera 正是这类新CPU设计的典范。

大规模单线程CPU如何驱动智能体循环

AI智能体不会在单个请求后停止运行。它进入一个循环：模型推理下一步，CPU执行模型周围的工作，结果返回，模型决定下一步，然后循环再次运行。

这种模式产生了传统CPU无法优化的需求特征。传统CPU工作间歇、由用户驱动，是短时的人机交互。智能体工作则是持续并行的：成群的智能体持续运行，每个都通过一连串步骤推进，每一步都依赖于前一步的结果。

更多的CPU核心意味着每个CPU能处理更多智能体任务，数据中心CPU需要大量核心以最大化任务吞吐量。

然而，增加核心数量并不能缩短单个智能体循环中每一步的时间。更多核心无法让单一任务跑得更快。事实上，为最大化核心数而设计的CPU甚至会因为核心争抢资源而降低单核性能。

单个核心的性能驱动着每一步的完成速度。额外核心的吞吐量有用但不充分。而且由于每个动作依赖于前一个结果，单核速度决定了循环推进的速度。

单核性能对比图

最终，最佳的智能体CPU需要每个核心提供最佳的单线程性能，且每个核心都能无妥协地发挥该性能。世界以秒计数，智能体以纳秒计数。NVIDIA Vera 正是为这种新类别——以及新速度——而打造。

NVIDIA Vera：面向智能体的大规模单线程CPU

NVIDIA Vera 是面向智能体循环从头设计的大规模单线程CPU：智能体使用工具、处理数据、运行代码和检查结果时，模型调用之间发生的工作。

NVIDIA Vera CPU 图片

Vera 的核心是 Olympus——NVIDIA 定制的 CPU 核心，每周期指令数比 NVIDIA Grace 高出50%。这很重要，因为许多智能体步骤是顺序的：工具调用、代码执行、测试运行或数据处理步骤必须在下一个模型调用使用结果之前完成。更快的核心能让每个循环更快推进。

Vera 将这些更快的核心与高达1.2TB/s的LPDDR5X内存带宽（内存功耗低于40瓦）配对，加上单片计算芯片，帮助活跃核心保持数据供给，并以3.4TB/s的核心间带宽（是任何其他数据中心CPU的3倍）实现可预测的数据移动。这使得所有88个核心都能享受CPU的全部内存性能，而不会产生拖慢每个核心的瓶颈。

结果是更快的智能体循环。在代表智能体执行的重载CPU工作负载中，Vera 提供持续单核性能是 x86 的1.8倍。

这些增益在工具调用、代码执行、数据处理和验证环节中累积，帮助AI工厂用已有的GPU完成更多智能体工作。

Perplexity 在其日常运行的智能体任务上测试了 Vera。运行一个真实的编码工作流——克隆仓库并在沙箱中运行测试套件——Vera 完成速度比 x86 快约1.5倍，同时启动并发沙箱快至1.9倍。Perplexity 正计划在即将上线的生产系统中部署 Vera。

智能体也依赖数据。它们不断查询、检索、过滤和移动信息，Vera 能更快地运行这些CPU端的数据工作负载。合作伙伴测量到使用 Starburst 进行大规模SQL分析快3倍，使用 Redpanda 进行实时流处理延迟低至6倍——均对标领先的x86服务器CPU。

智能体工作不是单一负载。智能体运行工具和沙箱、处理数据、服务请求、并通过强化学习训练下一个模型——所有这些都依赖同样的优势。一个 Vera 就能处理整个范围，无需为每种工作使用不同的CPU。而且由于 Vera 与 NVIDIA Vera Rubin 中托管GPU的CPU相同，并驱动 NVIDIA BlueField-4 STX 存储处理器，整个AI工厂可以基于单一架构和单一工具链运行。

NVIDIA 并未止步。下一代 Rosa CPU 搭载 Rigel 核心，将继续 NVIDIA 面向智能体AI时代的CPU路线图。Rigel 是 NVIDIA 下一代 Arm v9.2 CPU 核心，在保持相同硅面积的同时提供比 Olympus 更高的单核性能。关键改进包括更好的指令传递、更大的L2缓存以及更高效的内存处理。