英伟达正式推出 Vera CPU，将其定义为面向智能体 AI 时代的一个全新类别——大规模最大单线程 CPU。这款处理器并非传统数据中心 CPU 的迭代，而是从设计理念上彻底转向：在 AI 智能体持续运行的“思考-执行-反馈”循环中，CPU 的单核心速度直接决定了每一步工具调用、代码执行、数据处理和结果验证的快慢，进而影响整个 AI 工厂的 GPU 利用率和营收效率。

Vera 的核心是英伟达自研的 Olympus CPU 核心，每周期指令数比前代 Grace 高出 50%。在智能体场景中，许多步骤是串行的——一个工具调用或代码执行必须完成，模型才能基于结果进行下一步推理。更快的单核心意味着每一步循环都能更快推进，这种加速会在多次迭代中不断累积。

为了支撑 88 个核心在全负载下同时保持高速，Vera 采用了 1.2TB/s 的 LPDDR5X 内存带宽，内存功耗控制在 40 瓦以下，并借助单体计算芯片提供 3.4TB/s 的核间带宽——英伟达称这一数字是其他数据中心 CPU 的 3 倍。这种设计避免了多核争抢资源导致的性能衰减，让每个核心都能在全负载状态下以可预测的低延迟完成任务。

在模拟智能体执行的高负载测试中，Vera 的每核持续性能达到 x86 架构的 1.8 倍。AI 搜索公司 Perplexity 已在真实工作流中验证了 Vera 的表现：克隆代码仓库并在沙盒中运行测试套件时，Vera 的完成速度比 x86 快约 1.5 倍，并发沙盒启动速度最高快 1.9 倍。Perplexity 正计划将 Vera 部署到其即将上线的生产系统中。

Vera 的出现标志着数据中心 CPU 设计路线的一次重要分化。过去十年，云计算推动 CPU 走向高核心数、低成本、小芯片架构，单核心性能往往因资源竞争和“小芯片税”而妥协。但在智能体工作负载下，大量智能体持续并行运行，每一步都依赖前一步的结果，单线程速度成为瓶颈。英伟达试图用 Vera 证明，为每个核心提供充足内存带宽和可预测延迟，比单纯堆砌核心数更能提升 AI 工厂的整体产出。

在数据密集型任务上，Vera 同样展现出优势。合作伙伴 Starburst 测得大规模 SQL 分析速度提升 3 倍，另有场景实现延迟降低最高 6 倍。这些能力让 Vera 不仅服务于模型推理前后的工具链执行，也能加速智能体频繁进行的查询、检索、过滤和数据移动操作。

从产业角度看，Vera 的定位直接切入 AI 基础设施的效率核心：当 GPU 是数据中心最昂贵的资源时，任何等待 CPU 完成任务的空闲时间都在侵蚀 AI 工厂的潜在收入。英伟达通过将 CPU 设计重新聚焦于单线程极致性能，试图为大规模智能体部署提供一套更匹配的算力底座，同时也进一步强化了其从芯片到系统的垂直整合叙事。