英伟达VeraCPU承认单核性能走弯路，AgenticAI倒逼架构回归单晶粒设计

英伟达近期罕见地对自身CPU设计路径作出反思。其Vera CPU团队在10月19日的访谈中明确指出：过去十余年，数据中心CPU为迎合超大规模云厂商的规模经济需求，过度追求核心数量扩张，长期牺牲了单线程性能与每周期指令数（IPC）。这一策略曾被行业普遍采纳，但随着Agentic AI（智能体AI）的爆发式应用，其代价正变得难以承受。

传统数据中心CPU演进路径清晰可循：2010年代初，以英特尔为代表厂商聚焦高主频、少核心设计，单核性能强劲但整体吞吐受限；进入2015年后，随着AWS、Azure、Google Cloud等超大规模云服务商主导采购，行业转向“核心数量至上”逻辑——x86厂商纷纷采用Chiplet多芯片堆叠方案，将核心数从数十个推至百核以上。然而，这种物理拆分带来结构性缺陷：芯片面积被大量用于互连与I/O，留给每个计算核心的优化空间急剧压缩，单线程性能与延迟稳定性长期停滞。

英伟达团队直言：“使用Chiplet后，芯片上根本没有足够空间去为每个核心做深度性能设计。” 这一问题在AI智能体工作流中暴露无遗。Agentic AI系统要求CPU与GPU高频协同：CPU需快速完成任务编排、上下文调度、工具调用等顺序型工作，一旦延迟波动或单核性能不足，GPU将陷入空闲等待，造成昂贵算力资源浪费。实测表明，在典型智能体编排任务中，传统多Chiplet CPU的瓶颈已显著拖累整体效率。

为此，Vera CPU彻底转向单晶粒（monolithic die）路线，将88个Olympus核心与176个线程全部集成于单一硅片上。该设计释放出关键优势：更短的片内互连路径、更高的缓存一致性效率、以及可对每个核心进行精细化微架构优化。据英伟达官方数据，Vera在SPECint基准下单核性能最高可达AMD EPYC Venice的1.5倍；在模拟Agentic AI任务负载时，比Intel Sapphire Rapids快约2.2倍。

这一转变不仅是技术回调，更折射出AI基础设施范式的深层迁移。早期大模型训练依赖GPU算力密度，CPU仅作辅助；而Agentic AI强调“推理-决策-执行”闭环，CPU从配角变为关键协调节点。英伟达此次调整，实质是将CPU重新定位为AI工作流的“神经中枢”，而非单纯吞吐管道。

值得注意的是，Vera并非孤立动作。同期，英伟达对互联生态的战略也在同步演进。2026年10月中旬，其作为核心战略投资方支持Upscale AI推出Token Fabric开放网络平台，该平台兼容英伟达、AMD、英特尔及国产AI芯片，允许异构加速器协同运行。此举看似“自拆围墙”，实则为应对多供应商算力混用不可逆趋势的主动布局——与其阻挠客户选择，不如确保自身在集群级网络出口、调度软件栈等更高层环节保持控制权。

回溯历史，2019年英伟达以70亿美元收购Mellanox，构建NVLink（板内Scale-Up）+ InfiniBand/Spectrum（集群Scale-Out）的私有互联闭环；如今投资Upscale AI，则标志着其从“封闭绑定”转向“开放主导”：接受硬件层异构现实，转而在系统级互联与软件定义调度中锁定价值高地。

与此同时，行业竞争格局正加速分化。微软、谷歌、亚马逊已集体放弃对标英伟达高端训练芯片，转向自研专用推理芯片：微软Maia 300专注长上下文Agent推理，谷歌TPU 8i优化MoE稀疏架构高并发推理，亚马逊Inferentia系列独立迭代。这些芯片不依赖CUDA生态，研发周期短、成本可控，单Token推理成本可降低30%–50%。英伟达虽仍垄断超大规模模型训练市场，但在推理端正面临系统性分流。

市场层面，英伟达股价在2026年10月上旬经历剧烈回调，9个交易日内市值缩水约6000亿美元。直接诱因包括OpenAI年化收入预期差（实际约500亿美元 vs 市场传闻680–700亿）、美联储高利率压制数据中心融资、以及算力租赁商现金流承压等多重因素。但深入看，这轮估值重估本质是对“算力无限扩张”叙事的修正——投资者开始追问：下游AI应用的商业化收入能否持续支撑上游资本开支？当训练红利见顶，推理效率与系统协同能力将成为新竞争焦点。

Vera CPU的单晶粒回归，恰是这一转折点的技术映射。它揭示了一个被长期忽视的事实：在AI从“静态推理”迈向“动态智能体”的过程中，计算架构必须重新平衡“吞吐”与“响应”。过去十年的Chiplet浪潮解决了横向扩展问题，却弱化了纵向响应能力；而Agentic AI的实时性要求，迫使行业不得不回头补课。

英伟达的坦诚承认，既是对历史路径的纠偏，也是对未来场景的预判。当AI智能体需要像人类一样“边想边做”，CPU就不能再是GPU的附庸。单核性能的复兴，不是技术倒退，而是算力范式升级的必然一步。