NVIDIA Vera CPU助力歐洲本土AI基礎設施建設

NVIDIA在官方博客中披露，Nebius、Nscale等全球技术合作伙伴正在采用NVIDIA Vera CPU，用来构建新一轮AI基础设施，其中欧洲的本土算力建设是重点。文章给出的背景是智能体计算的快速进步。过去的大模型应用以一问一答为主，模型收到提示后直接生成文字。智能体则不同：它会先检索信息，再调用软件工具，执行代码，最后评估结果，并根据评估决定下一步动作。一次任务往往要在模型推理与外部工具之间往返许多次。Nebius和Nscale都是近年崛起的专业AI云厂商，业内常称为新云，业务重心是向客户出租GPU算力。它们选择Vera，说明这类服务商开始把CPU也当作AI产品的核心部件，而不再只盯着GPU。

要理解这一变化，需要先看智能体的负载结构。大模型推理中的矩阵运算由GPU承担，这部分仍是算力开销的大头。但智能体的每个回合还包含大量不适合GPU的工作：解析和调度任务、运行沙箱里的代码、访问数据库与搜索接口、处理文件、编排多个工具的调用顺序，以及维护会话状态。这些工作分支多、延迟敏感、并发度高，正是通用CPU擅长的领域。如果CPU太慢，GPU就会在等待工具返回时空转，昂贵的加速器利用率随之下降。Vera是NVIDIA自研的Arm架构数据中心CPU，是Grace的后继产品，设计上强调与GPU之间的高带宽互连和高能效，也是Vera Rubin平台的组成部分。把CPU与GPU放在同一套软硬件体系里协同设计，可以减少数据在两者之间搬运的开销，对需要频繁在推理与工具执行之间切换的智能体尤其有利。换个角度看，NVIDIA也在把自己的产品线从加速器扩展到整机和整个机架，客户买到的是一套经过验证的完整方案。

这件事对欧洲的意义，要放在算力主权的语境下理解。欧洲企业和公共机构长期依赖美国超大规模云厂商，数据驻留、合规和地缘政治风险让不少客户希望把AI工作负载留在本地。Nebius总部在荷兰，Nscale来自英国，两者都在欧洲建设数据中心，主打本土部署的AI云。它们面对的客户包括模型开发者、企业和对数据位置有硬性要求的行业用户。采用Vera意味着这些服务商可以用统一的NVIDIA平台同时覆盖训练、推理和智能体运行，减少异构部件的集成工作，缩短交付周期。对竞争格局而言，影响有几层。首先，x86阵营的英特尔和AMD面临压力，因为AI服务器里的CPU选择权正在向GPU供应商倾斜，Arm路线在数据中心的份额还会继续上升。其次，亚马逊的Graviton等自研Arm芯片说明云厂商也在走同一条路，但它们主要服务自家云，而Vera面向的是需要现成方案的第三方服务商。再次，对新云厂商来说，能否尽早拿到新一代平台的供货，直接决定其在客户面前的竞争力，而与NVIDIA的关系正是这一环节的关键。最后，对终端用户而言，智能体应用的响应速度和单位任务成本有望得到改善，前提是软件栈能真正利用CPU与GPU的协同。

接下来有几个信号值得关注。第一，Vera的实际交付节奏和规模，以及这些欧洲服务商公布的容量与上线时间，决定这条路线能否从宣布变成现实。第二，要看独立的基准测试和客户案例，能否证明在智能体负载下，新平台相对传统x86服务器有可量化的优势，而不只是厂商的口径。第三，能效与供电会是欧洲建设数据中心的现实约束，电力成本和并网周期可能比芯片供应更早成为瓶颈，Arm CPU的能效优势在这里会被重点检验。第四，欧盟在算力基础设施和主权云方面的政策与资金安排，可能影响哪些项目能够落地，也会影响客户的采购取向。第五，软件生态是否跟上：智能体框架、沙箱运行时和工具调用中间件需要针对Arm和NVIDIA的互连做优化，否则硬件优势很难兑现。如果这些条件逐步到位，CPU在AI基础设施中的价值会被重新定价，欧洲的本土算力也有机会从可选项变成常规配置。反过来，如果交付延迟或生态滞后，客户仍会回到现有的云和x86方案。这件事的走向，需要用后续的上线进度和真实负载数据来验证。