北京
想象一下，一个智能体正在后台默默处理你的请求：它在沙箱里运行代码，实时调用外部工具，从数据库检索上下文，分析结果，再交给大模型做下一步决策。这个过程中，传统观念认为AI全靠GPU，但英伟达却发现——智能体的关键执行路径，越来越多地压在了CPU上。
于是，Vera CPU来了。7月21日，英伟达发布技术博文，详细拆解了这款专为智能体AI打造的新型处理器。它最抓眼球的数字很简单：88个Olympus核心，接入高达1.2 TB/s的LPDDR5X内存带宽。比数字更值得留意的，是整个设计围绕一个核心命题：满负载下，如何让每个核心都保持高速运转？
智能体工作负载有几个死穴。一，即使整个插槽被占满，也需要极强单线程性能，因为软件不能无限并行。二，每个核心必须有足够内存带宽，才能源源不断地给大批活跃执行上下文喂数据。三，并发下的延迟要可预测，否则智能体无法稳定走完预设步骤。四，要高效处理包含大量不规则控制流、长依赖链和指针密集型数据结构的代码。这些痛点，成了Olympus核心的工程设计起点。
Olympus核心把流水线切成四部分：前端、核心中段、执行引擎和缓存子系统。前端里藏着一个10宽的解码引擎，每周期能处理最多2个已采用分支，而分支预测子系统内置了神经分支预测器，专门应对复杂分支模式带来的预测失准。整套设计让88个核心、176个SMT线程能在单线程高负载与多线程高密度两种场景间灵活切换，同时减少线程间资源争抢。
数据怎么搬？英伟达拿出了一套名为可扩展相干互连（SCF）的片上网络。它提供最高3.4 TB/s的双向分区带宽，并把164 MB的统一L3缓存铺在所有核心之间，让核心、共享缓存、内存控制器、I/O和NVLink-C2C接口能高效对话。内存这边，Vera CPU用的是SOCAMM2形态的LPDDR5X内存，聚合带宽跑到1.2 TB/s，摊到单核上是14 GB/s。这套供数能力，瞄准的就是高并发AI、分析、图计算和强化学习这类吃数据吞吐的负载。
扩展性也没落下。Vera CPU支持双
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
