英伟达Vera：为智能体 AI 重塑 CPU

英伟达 Vera CPU 是一款面向智能体 AI（agentic AI）打造的服务器处理器。在智能体 AI 场景中，大语言模型会反复执行观测、推理、调用工具、访问内存并做出动作。这类工作流依靠 GPU 完成模型推理，但同时会产生大量 CPU 负载：浏览器执行、任务编排、数据预处理、安全管控、存储访问、网络通信以及工具调用。英伟达认为，传统云 CPU 一味追求总核心数量；而智能体系统，则需要在整机柜规模下具备强劲且性能可预测的单核性能。

Vera 内置 88 颗自研 Olympus 核心，支持 176 线程。与常规芯粒处理器不同，它采用单片计算裸片设计，将核心、缓存、内存控制器、一致性互联基础设施与 I/O 集成在单颗紧密耦合的芯片内，消除跨芯粒边界带来的延迟与性能不确定性。处理器搭载 164MB 三级缓存以及英伟达第二代可扩展一致性互联架构，提供 3.4TB/s 的二分带宽，让多核可以协同处理大规模数据集，避免内部瓶颈。

Olympus 核心为宽发射乱序架构。前端每个周期可取指 16 条指令、译码 10 条指令，搭配大容量分支预测器、64KB 指令缓存以及 96KB 数据缓存。每个核心还拥有独立 2MB 二级缓存。一条支持 10 条微指令的分配与提交通路，对接多个整数、向量、分支、加载与存储单元。这套硬件资源用于加速不规则 CPU 负载，例如 Python 程序执行、编译、代码分析、数据库、事件仿真以及浏览器自动化任务。

一项突出特性是空间多线程（spatial multithreading）。传统同时多线程技术让两个线程动态争抢共享执行资源，虽然能提升总吞吐量，但会产生 “干扰邻居” 效应。Vera 则在线程之间对关键硬件资源做物理分区。它牺牲一部分资源动态共享的机会，换取确定的性能与任务隔离性。英伟达给出的测试数据显示，满载状态下单核性能可维持接近 100%；作为对比，传统 CPU 在同等场景下仅能维持约 67%。内部预量产 SPEC CPU 对比测试显示，性能提升幅度约 1.2~1.8 倍，在 Python、GCC、LLVM 以及代码分析负载下增益最为明显。

功耗与内存配置同样关键。Vera 采用数据中心级 LPDDR5X-9600，而非传统 DDR5 内存模组。处理器最高支持 1.5TB SOCAMM LPDDR5X 内存，带宽可达 1.2TB/s。英伟达称，其每瓦内存带宽达到多款 DDR5 方案的约 5 倍。该设计能够为每个核心提供充足带宽，同时降低数据搬运功耗，保证处理器在高利用率下维持主频。

Vera 同样重视外部互联能力，裸片外总带宽达到 4.3TB/s。一致性 NVLink-C2C 接口在 CPU 与 Rubin GPU 之间提供 1.8TB/s 带宽；PCIe 6.0 提供 256GB/s 带宽，并支持 CXL 3.1。这些接口持续为 GPU、内存、存储与网络输送任务。在英伟达完整 Vera Rubin NVL72 系统中，36 颗 Vera CPU 可配套 72 颗 Rubin GPU。

安全能力覆盖整套 CPU-GPU 复合体。Vera 支持机密计算可信执行环境、内存加密、受保护 I/O，并且在 CPU 与 GPU 之间的一致性通信链路中内置安全校验。它与 BlueField 数据处理单元、英伟达 DOCA 软件深度集成，旨在为整个机柜内的数据与工作负载提供保护，而不局限于单颗处理器。

意义何在？智能体 AI 改变了系统瓶颈。生成模型 Token 只是其中一个环节；智能体还需要解析结果、运行软件、检索上下文、对接各类服务并执行管控策略。如果 CPU 延迟拖慢这些步骤，昂贵的 GPU 就会空闲，用户交互响应变慢。因此强劲的单核性能，变得和系统总吞吐量同等重要。

总结：Vera 代表英伟达的思路转变 —— 不再只优化 GPU，而是对整套 AI 工厂进行协同设计。自研核心、确定性多线程、高带宽低功耗内存、GPU 一致性互联以及机柜级安全机制，把 CPU 视为影响 AI 性能的核心组件。更深层的架构启示在于：未来 AI 系统的评判标准，不再是单颗芯片的速度，而是 CPU、GPU、内存、网络、存储与安全作为一个协同整机的运行效率。