北京
全球数据中心CPU核心数量在过去十年增长了约9倍，单线程性能只提升了一倍。这组数字来自Nvidia的闭门简报，它直接指出了一个被云经济掩盖已久的结构性失衡：当多核堆叠带来的吞吐红利走到极限，一种全新的负载——AI智能体，正在把CPU重新推上性能的关键路径。
Nvidia架构师Hannah Coutand在简报会上直言：“AI正在呼唤一种新的CPU。”她解释，在智能体系统中，GPU负责推理计算，而CPU始终处于循环中，处理工具调用、代码执行、查询、编排以及推理步骤之间的数据流动。这些负载会形成“推理-行动-观察-评估”的连续闭环，对单线程性能、内存带宽、时延和扩展效率同时产生压力。单纯增加通用核心数已经不够，真正的瓶颈藏在GPU推理流程之间的串行工作上。
这正是Vera Rubin重新定义CPU逻辑的起点。Nvidia没有延续传统服务器CPU的扩展路线，而是在Arm架构上定制了全新Olympus核心。Vera配置了88个定制核心、176个硬件线程，通过LPDDR5X实现最高1.2Tbps的内存带宽，统一三级缓存达到164MB，并且借助NVLink-C2C在CPU与GPU之间建立起最高1.8TB/s的一致性互联带宽。
这套设计的目标是Nvidia所说的“最大s”——虽然官方尚未公布完整指标，但从已披露的规格看，每一条参数都在回应智能体负载对低延迟串行执行的苛刻需求。传统的云原生CPU擅长批量吞吐，但面对数以万计的智能体同时发出工具调用、实时搜索和代码解释任务时，核心微架构的响应效率比核心数量重要得多。
市场看到的是又一款Nvidia数据中心平台的发布，而Nvidia想讲的是一个系统级故事：智能体AI不是靠拼凑顶级组件能解决好的负载，它需要把CPU、网络和系统架构当作一个互相依赖的整体来设计。Vera Rubin平台整合了七款协同设计的芯片和全新网络方案，合作方名单已经包括CoreWeave、谷歌云、微软Azure和甲骨文云基础设施。这不再是芯片层面的单点创新，而是一次数据中心代际思维的转折。
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.
