英伟达首次直接挑战英特尔和 AMD 在 CPU 领域的主导地位。随着 Vera 的推出，这家 AI 芯片巨头正试图将其独立 CPU 销售给尽可能多的超大规模云服务商和其他云提供商。阿里巴巴、字节跳动、Meta、甲骨文、CoreWeave、Lambda、Nebius 和 NScale 已签约在其云中部署该芯片。作为英伟达 Grace CPU 的继任者，Vera 承诺提供 88 个定制 Armv9.2 核心、176 线程、支持高达 1.5 TB 的 LPDDR5X 内存，并且关键的是，它可以作为独立于英伟达 GPU 的单独平台提供。

然而，除了大量关于它将如何成为 AI 领域最佳 CPU 的营销宣传外，Vera 的内部工作原理直到最近在很大程度上仍是个谜。上月底，英伟达发布了一份白皮书，首次披露了其首款完全定制 CPU 的细节，其设计比任何人预期的都要奇特得多。

表面上，英伟达将 Vera 瞄准两个关键工作负载：第一个也是最不令人意外的是作为 AI 头节点，负责管理其即将推出的 Vera Rubin 系统中的 GPU；第二个更具争议性的用途是作为 AI 代理的主机，与驱动它们的 LLM 不同，AI 代理实际上并不在 GPU 上运行。据我们了解，Vera 的大部分核心架构都基于消除流水线和执行瓶颈，以便在这些角色中更有效。

单芯片计算，多 die 内存和 I/O

揭开 Vera 相当厚实的散热顶盖，你会发现负责 I/O、内存和计算的各种 chiplet。然而，这并不是 AMD 推广的 chiplet 架构的又一次翻版。与将数十个核心分布在多个 die 上的 x86 处理器制造商不同，Vera 的计算 die 是单芯片的。所有 88 个核心都封装在一块大硅片上，据我们所知，该硅片采用台积电的 3nm 工艺制造。英伟达认为，与竞争设计相比，其单芯片计算架构在核心间带宽和延迟方面都有优势。

围绕计算 die 的是各种 chiplet，包括八个 LPDDR5x 控制器，以及两个不同的 I/O die，一个负责 PCIe 6.4 和 CXL 3.1 连接，另一个专门用于芯片的 NVLink Chip-to-Chip 接口。在封装设计方面，Vera 与亚马逊的 Graviton 4 CPU 有些相似，后者也结合了单芯片计算 die，同时将 I/O 和内存功能分离到专用硅片上。

Vera CPU 超级芯片

与大多数现代数据中心 CPU 一样，Vera 支持单路和双路配置，后者被称为 Vera CPU 超级芯片。该超级芯片于 3 月在 GTC 上发布，通过 NVLink-C2C 连接两个 Vera CPU，双向带宽高达 1.8 TB/s，总计 176 个核心和 352 个线程。两个芯片由 16 个 SOCAMM2 LPDDR5x 内存模块供电，提供 2.4 TB/s 的聚合内存带宽（每个 1.2 TB/s）——大约是 AMD 于 2024 年推出的 Turin Epyc 处理器带宽的两倍。英伟达的智能体 AI 参考设计要求在单个液冷机架中容纳多达 128 个这样的超级芯片（256 个 CPU），总计 22,528 个核心和 384 TB 内存。

登顶 Olympus

此前，英伟达一直依赖 Arm 的现成 CPU 核心。例如，根据迭代版本的不同，英伟达的 Grace CPU 使用了 Arm 的 Neoverse V2（GB200/300）、Neoverse V3（AGX Thor）或 Cortex X925 和 A725 核心（GB10），具体取决于哪个最方便。随着 Vera 的推出，英伟达转向设计自己的 ARMv9.2 兼容核心，名为 Olympus。事实上，这款芯片的定制程度还有待商榷。我们被告知，该芯片大量基于现有的 Arm IP，从 Olympus 的架构框图可以看出原因。

Olympus 具有 10 宽解码和调度、八个整数 ALU、六个向量/FP 流水线（SVE 128）、四个加载单元和两个存储单元。与 AMD Turin Epyc 中的 Zen 5 核心或 Intel Granite Rapids Xeon 使用的 Redwood Cove 核心相比，它的前端和后端都很庞大。但与现成的 Arm 核心相比，Olympus 的前端和后端并没有打破任何记录。事实上，Olympus 看起来很像经过大幅修改的 Cortex X925。

尽管如此，英伟达声称 Olympus 具有完全定制的神经分支预测器，能够同时探索两个分支。分支预测是现代 CPU 性能的关键，涉及预测未来的代码路径并在需要之前提前执行。通过每周期预测两条路径，Vera 降低了错误预测的可能性，理论上提高了性能。据我们所知，Vera 的许多定制都是为了消除流水线和执行气泡，以最大化每时钟指令数（IPC）。特别是，英伟达声称其神经分支预测器比基于历史的方法具有更高的命中率，非常适合运行分支密集型工作负载，例如 AI 代码助手即时生成的 Python 脚本。

英伟达还声称在核心中段进行了多项创新，旨在缓解流水线停顿。内存重命名通过允许依赖指令在加载完成之前执行（如果能够推断出数据关系）来加速存储到加载的依赖链。“这对于指针密集型软件、图遍历、运行时框架和复杂的面向对象工作负载特别有益，”该公司解释道。英伟达还实现了一种值预测方案，该方案“识别稳定的依赖链并在值产生之前预测未来值，允许依赖指令推测性执行，同时稍后验证正确性”。

市场影响与竞争格局

Vera 的发布标志着英伟达从 GPU 供应商向完整数据中心平台提供商的战略转变。通过提供可独立于 GPU 销售的 CPU，英伟达直接进入了英特尔和 AMD 长期占据主导地位的市场。已签约的客户包括阿里巴巴、字节跳动、Meta、甲骨文、CoreWeave、Lambda、Nebius 和 NScale，这表明英伟达在云服务商中的吸引力正在扩大。

分析人士认为，Vera 的独特架构，特别是其神经分支预测器和内存重命名技术，可能为 AI 代理等特定工作负载带来性能优势。然而，其实际性能能否在真实场景中超越成熟的 x86 竞争对手，仍有待观察。此外，英伟达对 Arm IP 的依赖也引发了关于其“完全定制”说法的一些争议。

无论如何，Vera 的推出无疑加剧了数据中心 CPU 市场的竞争。对于投资者而言，这不仅是英伟达产品线的扩展，更是 AI 基础设施格局可能发生变化的信号。随着 AI 工作负载从单纯的 GPU 密集型计算向更多样化的混合模式发展，CPU 在 AI 系统中的作用将变得更加重要。