NVIDIA Vera CPU 助力歐洲本地 AI 基礎設施

NVIDIA 在官方博客中披露，Nebius 和 Nscale 等全球技术伙伴正在采用 NVIDIA Vera CPU，用来建设下一波 AI 基础设施。文章把这一动向放在欧洲本地 AI 基础设施的语境下，并把采用背后的原因归结为智能体计算的快速进步。按照 NVIDIA 的描述，智能体与传统的对话式模型不同：它不只是生成一段答案，而是要检索信息、调用软件工具、执行代码，再对结果进行评估，必要时重新规划下一步。文章发布于 2026 年 10 月 20 日。Nebius 和 Nscale 都是以 GPU 云和 AI 算力服务为主业的新兴云厂商，它们选择在新一代平台中纳入 Vera，说明 CPU 在 AI 集群里的角色正在被重新评估。需要说明的是，原始资料没有给出具体的部署规模、出货时间表和性能数据，因此下文的分析建立在已公开的产品定位和行业背景之上，而不是对未披露细节的猜测。

要理解这条消息的分量，先要看智能体负载与普通推理负载的差别。传统的大模型推理几乎全部压在加速器上：请求进来，GPU 做矩阵运算，生成词元后返回，CPU 只负责调度和网络。智能体则把一次任务拆成很多步。每一步里，模型生成的只是决策，真正的工作发生在模型之外：查询数据库、运行检索、启动沙箱执行代码、解析工具返回的结构化结果、校验输出是否满足条件。这些动作大多是通用计算，包含大量分支判断、内存访问和并发的小任务，天然更适合 CPU。当智能体数量成百上千地并行运行时，每个智能体都会占用一个沙箱、一组会话状态和一段上下文缓存，CPU 的核心数、内存带宽和单线程响应速度就会直接决定 GPU 是否被喂饱。换句话说，GPU 的利用率不再只取决于 GPU 本身，也取决于它身边的 CPU 能否及时完成工具调用和状态管理。Vera 是 NVIDIA 继 Grace 之后推出的数据中心 CPU，基于定制的 Arm 架构设计，并通过 NVLink-C2C 一类的高速互连与 GPU 紧密耦合。这样的设计思路是让 CPU 与 GPU 共享更大的统一内存空间，减少数据在两者之间搬运的延迟。对智能体场景来说，这意味着工具执行结果、检索到的上下文和模型状态可以在更短的路径上流转，减少等待造成的空转。从商业角度看，NVIDIA 也借此把自己的产品线从加速器向整机架系统延伸：卖的不再只是 GPU，而是 CPU、GPU、互连、网络和软件栈组成的整套平台。

对行业格局的影响，可以从三类参与者来看。第一类是 Nebius、Nscale 这样的新兴云厂商。它们没有传统公有云那样庞大的自研芯片体系，也缺少通用计算业务来摊薄成本，因此更倾向于直接采用 NVIDIA 提供的参考架构，以较快的速度交付可用的算力。采用 Vera 让它们可以在同一套供应体系内同时解决加速器和主机侧的问题，缩短上线周期，也便于向客户提供统一的软件环境。第二类是传统 x86 服务器 CPU 的供应商。过去几年里，AI 服务器中的 CPU 往往是配角，选型主要看与现有软件生态的兼容性。如果智能体负载让 CPU 的价值上升，同时 NVIDIA 把 CPU 与 GPU 作为一体化平台推广，那么 x86 阵营面临的压力不只来自 Arm 架构本身，还来自平台层面的整合。当然，x86 在企业软件兼容和既有客户基础上的优势仍然明显，短期内不会被取代。第三类是欧洲的企业、公共机构和研究组织。文章强调的是欧洲本地 AI 基础设施。在数据主权、隐私合规和能源价格都受到关注的背景下，把模型推理和智能体运行放在本地数据中心，比把数据送往境外云更容易满足监管要求。智能体往往要接触企业内部的文档、业务系统和客户数据，这使得本地化部署的需求比单纯的聊天应用更强。Vera 让本地数据中心有机会用较少的机架承载更多并发的智能体任务，不过实际的能效和成本优势，要等真实部署数据出现后才能判断。

接下来值得关注的信号有几个。首先是落地的节奏：伙伴宣布采用与真正交付之间有时间差，需要观察 Vera 平台何时进入量产，以及 Nebius、Nscale 何时开放面向客户的实例。其次是性能与成本的证据：智能体负载没有统一的基准，各家可能用不同的任务来展示优势。更可信的信息会来自第三方测试，例如在同等功耗下每秒能完成多少次完整的工具调用循环，或者每个智能体会话的综合成本。再次是软件生态：Arm 架构在服务器上的软件适配已经相当成熟，但智能体框架、沙箱运行时和各种企业工具链是否都能顺畅迁移，仍会影响客户的采用意愿。最后是竞争对手的回应：其他芯片厂商和大型云服务商可能会强调自己的 CPU 与加速器组合，同样把智能体作为卖点，行业话语权的争夺会更激烈。对普通开发者和企业用户来说，这条新闻提醒我们，评估 AI 基础设施时不能只盯着 GPU 的数量，也要看主机侧的算力、内存和互连能否支撑整条智能体流水线。随着智能体从演示走向生产，系统级的平衡设计很可能比单一部件的峰值性能更重要。