英偉達正式推出 Vera CPU，將其定義為面向智能體 AI 時代的一個全新類別——大規模最大單線程 CPU。這款處理器並非傳統數據中心 CPU 的迭代，而是從設計理念上徹底轉向：在 AI 智能體持續運行的“思考-執行-反饋”循環中，CPU 的單核心速度直接決定了每一步工具調用、代碼執行、數據處理和結果驗證的快慢，進而影響整個 AI 工廠的 GPU 利用率和營收效率。

Vera 的核心是英偉達自研的 Olympus CPU 核心，每週期指令數比前代 Grace 高出 50%。在智能體場景中，許多步驟是串行的——一個工具調用或代碼執行必須完成，模型才能基於結果進行下一步推理。更快的單核心意味著每一步循環都能更快推進，這種加速會在多次迭代中不斷累積。

為了支撐 88 個核心在全負載下同時保持高速，Vera 採用了 1.2TB/s 的 LPDDR5X 內存帶寬，內存功耗控制在 40 瓦以下，並藉助單體計算芯片提供 3.4TB/s 的核間帶寬——英偉達稱這一數字是其他數據中心 CPU 的 3 倍。這種設計避免了多核爭搶資源導致的性能衰減，讓每個核心都能在全負載狀態下以可預測的低延遲完成任務。

在模擬智能體執行的高負載測試中，Vera 的每核持續性能達到 x86 架構的 1.8 倍。AI 搜索公司 Perplexity 已在真實工作流中驗證了 Vera 的表現：克隆代碼倉庫並在沙盒中運行測試套件時，Vera 的完成速度比 x86 快約 1.5 倍，併發沙盒啟動速度最高快 1.9 倍。Perplexity 正計劃將 Vera 部署到其即將上線的生產系統中。

Vera 的出現標誌著數據中心 CPU 設計路線的一次重要分化。過去十年，雲計算推動 CPU 走向高核心數、低成本、小芯片架構，單核心性能往往因資源競爭和“小芯片稅”而妥協。但在智能體工作負載下，大量智能體持續並行運行，每一步都依賴前一步的結果，單線程速度成為瓶頸。英偉達試圖用 Vera 證明，為每個核心提供充足內存帶寬和可預測延遲，比單純堆砌核心數更能提升 AI 工廠的整體產出。

在數據密集型任務上，Vera 同樣展現出優勢。合作伙伴 Starburst 測得大規模 SQL 分析速度提升 3 倍，另有場景實現延遲降低最高 6 倍。這些能力讓 Vera 不僅服務於模型推理前後的工具鏈執行，也能加速智能體頻繁進行的查詢、檢索、過濾和數據移動操作。

從產業角度看，Vera 的定位直接切入 AI 基礎設施的效率核心：當 GPU 是數據中心最昂貴的資源時，任何等待 CPU 完成任務的空閒時間都在侵蝕 AI 工廠的潛在收入。英偉達通過將 CPU 設計重新聚焦於單線程極致性能，試圖為大規模智能體部署提供一套更匹配的算力底座，同時也進一步強化了其從芯片到系統的垂直整合敘事。