AI 工厂真正的瓶颈，正在从算力转向电力。
当企业把越来越多的 AI Agent 投入生产，这些 Agent 不再只是生成答案——它们搜索信息、查询数据库、编写并测试代码、然后采取行动。每一步都依赖 CPU，在 GPU 推理和 CPU 执行之间来回切换。于是问题变了：AI 工厂受限于电力预算，而不是服务器数量。运营商需要在每一瓦特内完成尽可能多的工作。
2026 年 11 月 5 日，英伟达在官方博客公布了一组对比数据：在一座 100 兆瓦数据中心的同等条件下，单颗 Vera CPU 同时跑赢了“最快的 x86 CPU”和“最节能的 x86 CPU”。它给出的答案很直接：Vera 每瓦可支撑的 Agent 数量比最快 x86 CPU 多 1.6 倍，而 Agent 速度又比最节能 x86 CPU 快 2 倍。
这背后是一个长期困扰基础设施提供商的选择题：要速度，还是要容量？英伟达的答案是，一颗 CPU 全都要。
现象层：Agent 把 CPU 重新推回舞台中央
过去两年，行业的聚光灯几乎全在 GPU 上。训练和推理的算力竞赛决定了谁站在牌桌主位。但 Agent 的普及改变了工作负载的性质。
一个典型 Agent 任务包含多个步骤：检索上下文、调用工具、执行代码、写入结果。GPU 负责“思考”，CPU 负责“做事”。随着 Agent 并发规模扩大，CPU 侧的压力呈线性甚至超线性增长——每个 Agent 都需要独立的执行环境、沙箱、内存空间和系统调用。
英伟达在博客中明确指出了这一结构性变化：AI 基础设施提供商需要在不增加每个 Agent 等待时间的前提下支撑更多 Agent；而关键约束是电力。这意味着运营商必须选择“每瓦做功”最大化的基础设施。
Vera 的定位正是“Agent 的 CPU”。它不是一颗通用服务器芯片，而是围绕 Agent 工作负载的特征设计：高并发沙箱、快速上下文切换、大内存带宽、低内存功耗。
为什么过去只能二选一
在 Vera 之前，数据中心运营商面对的是一个经典的权衡。
如果你追求单 Agent 的响应速度，你会选择主频更高、单核更强的 x86 处理器——但这类芯片往往功耗更高，同等电力预算下能部署的数量更少。如果你追求每瓦容量，你会选择核心数更多、能效更好的 x86 处理器——但单 Agent 的延迟会上升。
于是运营商被迫“混用”：用快 x86 跑延迟敏感任务，用省电 x86 跑吞吐任务。这种拼凑带来的是运维复杂度、资源碎片化和无法预测的性能边界。
Vera 试图终结这种割裂。英伟达的逻辑是：Agent 工作负载既需要快（单任务延迟），也需要密（每瓦并发数），而传统 x86 的产品线分工无法在同一颗芯片上同时满足两者。
Vera 做对了什么
Vera 是英伟达第一颗从核心层面完全自研的 CPU。根据英伟达公开资料，它搭载 88 个自研 Olympus 核心，通过空间多线程提供 176 个硬件线程，兼容 Armv9.2 指令集。
解码宽度达到 10 发射，高于 AMD Zen 5 的 8 发射和 Intel Granite Rapids 的 6 发射。这意味着每个时钟周期能吞吐更多指令，对 Agent 频繁的工具调用和代码执行尤其有利。
内存子系统是另一张王牌。Vera 使用 LPDDR5X SOCAMM2 模块，最高提供 1.5TB 容量和 1.2TB/s 带宽，而内存功耗控制在 30W 以内——传统 DDR5 方案通常超过 100W。对需要为大量并发沙箱分配内存的 Agent 平台来说，这意味着在同等电力下能塞进更多 Agent。
片上互联方面，第二代可扩展一致性 fabric（SCF）提供 3.4TB/s 的等分带宽，保证 176 个线程之间的数据搬运不成为瓶颈。ClickHouse 的实测印证了这一点：其标准二进制未经任何 Vera 专项调优，便在 176 个核心上实现近乎线性扩展，并登顶 ClickBench 硬件排行榜。
与 Rubin GPU 之间，Vera 通过 NVLink-C2C 以 1.8TB/s 的带宽直连，CPU 和 GPU 之间的数据传递不再经过 PCIe 瓶颈。这对应了 Agent 在“推理—执行—再推理”循环中的频繁数据交换。
合作伙伴已经用脚投票
官方数据之外，早期采用者的生产级测试更能说明问题。
Perplexity 在 agentic coding 任务上测得 Vera 比传统 CPU 快 1.5 倍，并计划将其部署到即将上线的生产系统。DeepInfra 在其生产 Agent 工作负载的 agentic orchestration 测试中，达到最佳 x86 处理器 2.2 倍的速度，在测试的四种架构中排名第一。
沙箱类负载的差距更为悬殊。Daytona 用 Vera 在 10.8 秒内启动 1000 个 Agent 沙箱，而 x86 需要 88.4 秒——超过 8 倍的差距；在 2000 个并发沙箱下，Vera 实现每秒 12.7 个已完成任务。Modal 则测得每核沙箱吞吐量最高达到同类 x86 的 2 倍，且负载越重增益越大。
数据分析类负载同样受益。DuckDB（DuckLabs）在 TPC-H SF1000 基准中达到 Intel Xeon 6 基线中位性能的约 1.5 倍。
这些数字指向同一个结论：Vera 的优势不是单一基准的优化，而是在 Agent 典型工作负载谱上的系统性领先——沙箱启动、并发编排、数据分析、代码执行。
竞争格局正在重排
Vera 的强势入场，正在搅动原本由 Intel 和 AMD 主导的数据中心 CPU 市场。
2026 年 9 月 18 日，AMD 发布第六代 EPYC“Venice”，在 SPEC CPU 2026 整数率测试中自称领先 Intel Xeon 6980P 2.37 倍、领先英伟达 Vera 2.24 倍。但需要指出，这些是 AMD 自家数据，尚未经第三方实验室独立验证。而且 SPEC CPU 这类传统整数基准，并不能完全反映 Agent 工作负载的真实性能——后者更依赖内存带宽、上下文切换和沙箱密度。
这场竞争的本质正在发生变化。过去数据中心 CPU 比拼的是通用计算性能；在 Agent 时代，比拼的是“每瓦能跑多少个 Agent”。这是一个对 Arm 架构和定制化核心更友好的赛道。Arm 曾提出在 2025 年拿下数据中心 CPU 市场 50% 份额的目标，而英伟达、AWS、Ampere 都在推动这一进程。
对 Intel 而言，压力最大。它既要在通用性能上追赶 AMD，又要在能效和 Agent 负载上应对 Arm 阵营的夹击。英伟达官方博客中特意将对比对象设定为“最快 x86”和“最节能 x86”，而非点名具体型号，本身就留有解读空间。
电力预算决定下一轮赢家
Vera 真正传递的信号是：AI 基础设施的竞争焦点，正在从“谁的算力更强”转向“谁的每瓦做功更多”。
当数据中心受限于电力而非机柜空间时，能效就是容量，容量就是收入。一颗能同时提供最高吞吐和最快 Agent 的 CPU，意味着运营商可以在同一电力预算下服务更多客户、运行更多 Agent——这直接转化为单位电力的营收上限。
谁会受益？AI 工厂运营商、云服务商、Agent 平台提供商。谁会危险？仍然依赖“混用快慢 x86”来平衡速度与容量的传统方案，以及在能效赛道落后的通用 CPU 供应商。
需要冷静看待的是，Vera 目前主要绑定英伟达自家的 Rubin 平台和 NVLink 生态，独立部署的灵活性仍有待更多云厂商验证。AMD 的反击和 Intel 的回应也尚未完全落地，第三方独立基准还需要时间沉淀。
但方向已经清晰。Agent 时代的数据中心，不再只需要更快的 GPU。那颗在幕后调度一切、决定每瓦能跑多少个 Agent 的 CPU，正在成为新的胜负手。
算力的尽头是电力，Agent 的尽头是每瓦做功。当 GPU 还在比拼谁更聪明，决定 AI 工厂容量的，已经是那颗默默做事的 CPU。
快报