核心观点
观点一： Modal弃用纯x86方案转投Vera，标志英伟达CPU从自家平台配套走向对外承接订单。英伟达预计本财年Vera销售额至少200亿美元，AI推理正让CPU成为英伟达新的增长曲线。
观点二： 智能体工作负载中，CPU工具处理环节占总延迟的50%至90%，约44%的底层计算任务依赖CPU。Vera专为智能体编排与工具调用优化，效率达传统CPU两倍，竞争逻辑正由通用性能转向场景优化。
观点三： AI服务器CPU与GPU配比正从1：8走向1：1，谷歌TPU、英伟达Vera、AMD EPYC等多元供给涌现，算力平台按推理场景精细定制，数据中心竞争进入多芯协同的系统性阶段。
据报道，AI初创公司Modal于周一宣布，将开始采用英伟达新一代Vera处理器运行人工智能推理负载，而此前其算力平台依赖英特尔和AMD的x86芯片。英伟达同期已告知投资者，预计本财年Vera芯片的销售额至少为200亿美元。这是继Anthropic、OpenAI、甲骨文云、SpaceX AI之后，又一家公开选择Vera的AI公司。
Vera加速商业落地
Vera的落地速度超出多数观察者预期。6月1日，黄仁勋在“GTC Taipei 2026”上首度公开这款专为代理式人工智能（Agentic AI）打造的CPU，宣告英伟达全面进军高效能运算。
参数层面，Vera搭载88个英伟达自研Olympus核心，兼容Armv9.2指令集，并在CPU层面原生支持FP8精度运算；借助空间多线程技术，它提供176个硬件线程，在物理层面对核心资源做硬分区，让每个线程在处理复杂逻辑分支时获得更稳定的尾部延迟表现。官方资料显示，Vera功耗450W，带宽高达1.8TB/s，为PCIe 6.0的7倍性能，被英伟达定位为新一代数据中心与代理AI的CPU首选。
在综合效能评比中，Vera较前代Arm架构Grace CPU提升约1.6倍（提升约60%）；以Linux内核编译为例，单路Vera仅需20秒完成，每核效率约为128核x86芯片的两倍（较x86提升约100%）；在7-Zip压缩测试中，单核能效较对照组x86处理器高约20%。
【图表：Vera处理器关键性能提升幅度】
从图表可以看出，Vera的领先集中在新型CPU最被看重的维度：不是锦上添花的峰值主频，而是面向推理与智能体调度的真实效率。业内研究指出，在智能体工作负载中，CPU上的工具处理环节占总延迟的50%至90%，很多时候真正让用户等待的不是GPU，而是GPU在等待CPU完成工具调用、数据处理和任务安排。Vera正是针对这一痛点设计。
Vera落地节奏很快。据此前的报道，英伟达已将首批Vera CPU系统交付至Anthropic、OpenAI、甲骨文云与SpaceX AI等厂商当中。SK海力士也宣布围绕Vera CPU、Vera Rubin平台协同开发专用内存。如今Modal再次加入采用名单。黄仁勋将Vera定位为公司下一个数十亿美元级业务，并预测它将让英伟达进入一个规模约2000亿美元的CPU市场。
CPU竞争格局变化
长期以来，x86体系在桌面和服务器CPU市场占据主导地位，英特尔与AMD双寡头瓜分了几乎全部数据中心订单。Vera正对这一局面形成冲击，英伟达以Arm架构、自研核心的方式从GPU阵营反向切入CPU。
过去服务器CPU比拼的是通用性能：核心数量、主频与通用跑分。而在AI推理与智能体时代，客户要的是场景优化。汇丰证券研究指出，现代智能体工作流中约44%的底层计算任务高度依赖CPU，是传统文本生成模型的三到四倍；随着工作负载从训练转向推理再走向智能体，AI服务器的CPU与GPU配比正从1：8变为1：4，未来可能达到1：1甚至更高。AMD董事长兼CEO苏姿丰也公开承认，业界此前低估了CPU在AI时代的价值，她预计未来五年数据中心CPU市场年复合增长率将超过35%，远高于过去几年的个位数增速。
【图表：智能体工作负载的CPU依赖度】
面对英伟达的侧翼进攻，x86阵营的回应同样围绕场景展开。英特尔CEO陈立武表示基于Intel 3的至强6与基于Intel 18A的酷睿系列3产品已全面进入量产爬坡，公司最近一个季度营收136亿美元，同比增长7%，净利润同比暴增156%。2026年6月，AMD与英特尔CEO均在公开场合表示看好Agentic AI规模化应用对服务器CPU需求的拉动，并同步推出面向多智能体调度场景的CPU产品。
AI算力供给更加多元与精细化
Moda选用Vera，折射出AI算力供给的两个长期趋势。其一是多元化。苏姿丰判断，未来三到四年仅数据中心市场规模就可能超过1万亿美元，这个市场需要CPU、GPU、ASIC等多种技术并存。英伟达自己也通过增持云服务商CoreWeave的股权，推动其基础设施规模化部署CPU资源。尽管也有观点提示AI数据中心芯片市场增速阶段性放缓，但CPU环节的结构性紧缺与多元竞争仍在强化。
其二是精细化。随着AI推理进入规模化部署阶段，芯片优化正由单颗性能提升走向多芯协同和集群级效率优化，算力竞争已不局限于单点硬件性能，而是走向芯片架构、软件栈、推理框架、集群调度、模型适配效率和开发生态的系统性竞争；CPU、GPU、存储与网络的协同被视为释放AI算力价值的关键路径。系统层面创新同样在加速：2026年被业界视为超节点规模化商用元年，算力竞争从单一芯片性能比较，扩展为系统架构、高速互联、软件生态适配及能源效率的全方位博弈。
对用户而言，这意味着算力采购从“买最快的一颗芯片”变成“为场景匹配最合适的算力组合”；对产业而言，这意味着没有任何一家公司可以独享全部订单。
