依据 NVIDIA 于 2026 年 11 月 5 日发布的资料,AI 智能体的任务已不止于生成答案,还会检索信息、查询数据库、编写并测试代码,并调用工具采取行动。这些步骤依赖 CPU,智能体在 GPU 推理与 CPU 执行之间不断切换。随着同一数据中心承载的智能体增加,平台需要同时处理任务速度、并发容量和功耗约束。
Vera 将执行速度与每瓦容量放在同一颗 CPU 上
NVIDIA 在一项 100 兆瓦数据中心对比中称,单颗 Vera CPU 的整体表现优于对比中速度最快的 x86 CPU 和能效最高的 x86 CPU。相较速度最快的 x86 CPU,Vera 每瓦可支持 1.6 倍智能体;相较能效最高的 x86 CPU,Vera 的智能体速度达到 2 倍。NVIDIA 据此主张,基础设施运营者可以使用同一类 CPU 承载多种智能体工作负载,而不必混用强调速度与密度的 x86 处理器来平衡容量。
合作伙伴验证覆盖编码、编排、数据库与沙箱
NVIDIA 披露的合作伙伴测试覆盖了以下场景:
- Perplexity 的智能体编码任务比传统 CPU 快 1.5 倍,并计划将 Vera 部署到后续生产系统。
- DeepInfra 在生产级智能体编排中达到最佳 x86 处理器最高 2.2 倍速度,是四种受测架构中最快者。
- ClickHouse 使用未经 Vera 专项调优的标准二进制,在 176 核上接近线性扩展,并登上 ClickBench 硬件榜首。
- DuckLabs 的 TPC-H SF1000 中位性能约为 Intel Xeon 6 基线的 1.5 倍。
- Daytona 在 10.8 秒内上线 1,000 个智能体沙箱;并发 2,000 个沙箱时每秒完成 12.7 个任务,而 x86 方案上线同等数量沙箱需要 88.4 秒。
- Modal 的单核沙箱吞吐量最高为可比 x86 硬件的 2 倍,高负载下增益扩大。
适用场景与解读边界
这些结果表明,Vera 尤其面向高并发智能体服务,包括需要快速执行编码任务、需要调度多个步骤的编排系统,以及需要批量创建和运行智能体沙箱的平台。对于供电受限的数据中心,单位功耗能够承载多少智能体,也可以成为基础设施选型的重要指标。
不过,上述数字均来自 NVIDIA 及合作伙伴披露的特定测试,不能视为所有工作负载的固定倍率。不同任务、基线与并发条件下的结果不可直接横向等同;Perplexity 的数据对应生产部署计划,而非已经全面上线。ClickHouse 的结果还表明,标准构建在未做 Vera 专项调优时也能实现扩展并登上榜单,但实际收益仍需结合自身负载验证。
资料来源:Vera Delivers the Best of Both Worlds: Highest Throughput and Fastest Agents(2026-11-05)。
一起聊聊
留下你的想法,评论审核通过后展示。