英伟达单卖CPU，内存带宽超双路至强一倍多

英伟达开始单卖CPU了，而且是在甲骨文的云上。在Oracle AI World上，英伟达和甲骨文宣布，Vera Rubin NVL72机架和Vera CPU在OCI Superclusters上正式可用。就在上周，谷歌云刚宣布Vera Rubin可用，甲骨文紧接着跟上，英伟达一口气拿下两家大 hyperscaler。

但甲骨文这条消息里有个更值得看的细节：它明确点出了独立Vera实例。Neocloud那边早就在推Vera，Nscale、CoreWeave、Nebius等都有实例在跑，所以Vera出现在以GPU为主、面向AI的neocloud里并不意外。真正不同的信号，是它在甲骨文这种hyperscaler上以独立形态部署。

hyperscaler的CPU盘子长期是x86的天下，OCI Superclusters此前提供的Arm实例是Ampere Altra。这是英伟达第一次把独立CPU推进超大规模数据中心，让Vera和x86对手并排站，而不是只作为GPU的附属。

Vera并不是来掀翻x86的，至少单打独斗不是。英伟达CUDA的操盘手、AI基础设施的门面Ian Buck在3月芯片发布时说过，世界不可能靠一个88核的SKU来服务。但Vera确实在甲骨文这样的hyperscaler那里开了一扇门，为后续CPU世代留出空间。

单路密度上，AMD和英特尔仍然领先，而且下一代还要继续拉大——AMD即将推出的EPYC Venice单路可塞进最多512线程。不过Vera的拓扑在某些负载下有独特优势，而这些负载在agentic AI时代正变得越来越常见。

内存带宽就是Vera的强项之一，这不只是营销话术。英伟达称这套内存系统能跑到1.2 TB/s带宽，而在实测里，领先不只停留在理论数字上。

以行业标准的Stream基准为例。英伟达用LPDDR5X-9600，加上单片die和分布式mesh缓存，带宽超过双路英特尔至强6980P系统的两倍——即便后者配的是8800 MT/s的MRDIMM。这里展示的是triad，是Stream里最“吃紧”的一项操作，但在add、copy、scale上Vera的领先幅度也类似。

这种带宽对某些agentic循环很关键，尤其是涉及大型数据库查询或大量文档处理的场景。OpenMP的“spread”策略还能给Vera的内存带宽带来大幅提升。AMD和英特尔都是集中式内存控制和系统级缓存，Vera则把缓存以mesh形式分布在整个die上。结果就是，在OpenMP配置得当的情况下，把进程尽量绑得彼此远离，反而能拿到高得多的内存带宽。

agentic AI另一个关键性能维度是Python。agentic世界在扩张，但AI软件生态的很大一部分地基是Python。CrewAI、LangGraph这类常见agentic框架都是Python写的，虽然Rust和TypeScript写的框架在变多，Python性能对agentic循环依然关键。

不出意外，这也是Vera的强项，能打赢纸面参数强得多的CPU。流行的agentic harness建立在Python上，跑在Python上的很多应用也是如此，包括PyTorch和TensorFlow这些基础AI库。

英伟达押注agentic AI符合当下的时间点，但也可能见树不见林。甲骨文把Vera独立实例上线，把焦点拉到了Vera进入数据中心的更大含义上。agentic AI负载确实有一些性能特征，但很多agent负载本来就是普通的数据中心负载，只是并发更高。

比如SQLite性能，对任何要查询大数据库的服务器都重要，不管查询逻辑是人写的还是AI agent写的。英伟达第二代可扩展一致性架构（SCF）在Stream里已经露过脸，在这里则出现在真实负载中——这些数据库查询很大程度上受制于系统内的数据搬运。

这也正是Vera在甲骨文这则消息里有意思的地方。英伟达说它是为agentic AI造的CPU，但它和通用数据中心负载的交叉很强。它不是那种“你需要用英伟达加速器才顺带用”的CPU。视负载而定，它甚至可能是比x86阵营更好的选择。

最终还得看这些hyperscaler的客户在生产环境里怎么用、或者不用Vera。它在agentic AI循环里已经证明了用处，在某些通用负载上也显出早期潜力。甲骨文的独立部署说明，对Vera的需求有一部分并不完全绑在Rubin GPU上。

不过甲骨文的态度是谨慎的，任何hyperscaler在拉起多吉瓦级部署时都该如此。甲骨文表示还会提供英伟达HGX NVL8，把八块Rubin GPU聚成一个集群，连接到双路64核英特尔至强6主机、配4TB DDR5内存。

文中这些Vera测试，来自一次更大规模的基准测试，测试环境的细节会在后续评测里公布，完整结果将很快发布。