Phoronix 今日发布了英伟达 Vera CPU 的首批基准测试结果，涵盖多款常用 Linux 测试程序。尽管测试由英伟达在圣克拉拉总部精心组织，但早期数据显示，Vera 在英伟达设定的目标负载下，性能可与 AMD 霄龙（EPYC）、英特尔至强（Xeon）产品一较高下。Phoronix 受邀前往英伟达圣克拉拉总部，对这款即将面世的 88 核 CPU 进行测试。Vera 的独特之处在于，它未采用授权的 Arm 处理器核心，而是效仿苹果芯片模式，在完全自研的 “Olympus” CPU 核心上使用 ARM
英伟达副总裁伊恩・巴克亲手将首批英伟达维拉（Vera）CPU 系统交付给Anthropic、OpenAI、甲骨文云基础设施（OCI）与 SpaceXAI—— 标志着面向智能体的专用 CPU 从发布正式迈入量产交付阶段。面向智能体 AI 而生的全新 CPU 时代智能体 AI 对 CPU 提出了全新要求。英伟达创始人兼首席执行官黄仁勋在今年 3 月圣何塞 GTC 大会上，正式发布这款独立的维拉 CPU，将其定位为英伟达下一个价值数十亿美元的核心业务。上周五，这款 CPU 正式从英伟达实验室交付至客户手中。首批
AI智能体（Agentic AI）的兴起，正引发关于 AI 系统中 GPU 与 CPU 未来配比的新一轮讨论，Arm 首席执行官勒内・哈斯（Rene Haas）就此发表观点。据Investing.com发布的访谈记录，哈斯表示，尽管单颗芯片上 CPU 数量未必超过 GPU，但从核心数视角看 CPU 有望反超。哈斯指出，随着代理式 AI 规模化落地，CPU 整体需求或将大幅攀升，数据中心所需 CPU 算力可能达到当前水平的四倍以上。他预计，到 2030 年，数据中心 CPU 市场规模有望突破10
据 Tom’s Hardware 援引消息人士报道，在 CPU 需求异常强劲的背景下，英特尔正在出售原本会被报废或划为低等级的芯片，客户也愿意接受这类产品，为公司带来额外收入。芯片生产时，晶圆边缘的晶粒通常缺陷更多、性能更差，正常情况下无法通过高端规格筛选。但只要芯片仍能运行，英特尔现在会将其降级为低规格 SKU降价出售，而非直接报废。英特尔表示，目前 CPU 需求极为旺盛，几乎所有可用产能都被消化，包括原本应报废或低良率的边缘晶粒，公司全部降级重新分类后售出。均价（ASP）大涨，出货量下滑却 “少卖多赚
精准医疗与药物研发正被人工智能深刻重塑。作为AI for Science（AI4S）领域的核心阵地，解码生命奥秘的关键已从实验观测转向算力与算法的协同突破。蛋白质结构预测、基因组分析与医学影像，构成了生命科学AI的三类关键技术，其能力直接决定了新药研发的效率与精准医疗的进程。然而，作为这三类关键技术之一的蛋白质结构预测模型AlphaFold 3，其训练代码未完全开放，商业使用亦受限，这使得科学家难以基于该模型构建真正自主可控的研发环境。这种技术依赖还面临更深层的合规挑战：蛋白质结构预测与基因组分析涉及大量
Nutanix 首席执行官拉吉夫・拉马斯瓦米表示，人工智能技术的应用已开始为公司贡献利润。不过，自主智能体 AI 真正开始显著影响客户的盈利状况，还需要一段时间。该厂商在上月的 GTC 大会上公布了自主智能体 AI 平台战略，并于本周推出了更多相关功能，其中包括一套多租户框架，旨在帮助企业与新型云服务商从 GPU 中榨取更多价值。但目前仍处于早期阶段，可以合理认为，真正规模化使用 Nutanix 全新 AI 技术的客户数量大概率仅有数十家，而非数千家。与此同时，公司在聚焦即将到来的自主智能体 AI 时代的
SiFive 新近宣布完成 4 亿美元 G 轮融资，标志着面向智能体 AI 数据中心负载的高性能 RISC‑V CPU 开发进入重要技术拐点。本轮融资后公司估值达 36.5 亿美元，资金将专门用于加速下一代 CPU IP 研发、软件生态成熟，以及支撑超大规模部署。这些举措共同解决新兴算力瓶颈 —— 传统架构在日益异构的 AI 基础设施中，难以兼顾调度效率、扩展性与功耗限制。本次投资背后的核心技术驱动力，是 CPU 在智能体 AI 系统中的作用不断提升。尽管 GPU 与专用加速器能为张量运算提供高吞吐量，但
SiFive 完成超额认购的 G 轮融资，募资 4 亿美元，由 Atreides Management 领投，英伟达参投，正式加速进军数据中心 CPU IP 领域。本轮融资后，这家总部位于圣克拉拉的公司估值达36.5 亿美元。据路透社报道，CEO 帕特里克・利特尔表示，本轮融资有望成为其 IPO 前最后一轮私募融资。融资用途与数据中心战略SiFive 表示，新资金将用于三大方向：加速下一代高性能数据中心架构研发扩大工程团队深化其 CPU 平台的软件栈建设具体投入领域包括：高性能标量、向量、矩阵 RISC-
AI 通常被定义为算力故事：更大的模型、更快的 GPU、布满加速器的数据中心。但随着系统持续扩容，真正的限制并非算力，而是数百、数千乃至数百万处理器间的通信。图一：人工智能数据中心规模扩展集群规模的演变。现代 AI 的核心是矩阵乘法，大型神经网络可将运算分配至多个处理单元，并行计算成为提升性能的首选方案。但模型规模超过约 100 亿参数后，小型本地计算域无法支撑扩容，工作负载需分配至多个图形处理器（GPU），覆盖板卡、服务器、机架，乃至跨建筑区域级光纤网络。实际应用中，GPU 需协同如同一台超大处理器，需
英特尔发布了最新基准测试成绩，展现了其在 CPU 与 GPU 平台上的最新人工智能推理能力。该结果作为 MLCommons 组织MLPerf Inference v6.0测试套件的一部分正式公布，凸显了英特尔至强 6 处理器搭配英特尔锐炫 Pro B 系列 GPU，在工作站、数据中心与边缘端部署场景下的性能表现。对于关注 AI 硬件平台演进的工程师与开发者而言，这些结果清晰展现了英特尔在当前由专有 GPU 生态主导的市场中，如何布局开放、可扩展的推理系统。基准测试凸显锐炫 Pro GPU 扩展能力MLPe
新闻重点 Arm 首次将其平台矩阵拓展至量产芯片产品，为业界提供覆盖 IP、Arm计算子系统 (CSS) 及芯片的最广泛的计算产品选择。发布首款由 Arm 设计的数据中心 CPU——Arm AGI CPU，专为代理式 AI 基础设施打造，可实现单机架性能达到 x86 平台的两倍以上*Arm AGI CPU 与早期合作伙伴 Meta 联合开发，并获得客户与领先 ODM 厂商的量产承诺，以及 Arm 全球生态系统的强力支持英国剑桥，2026 年 3 月 24 日——Arm 控股有限公司（纳斯达克股票
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473