Nvidia 与 Oracle 于周二在 Oracle AI World 大会上宣布，Nvidia Vera Rubin NVL72 机架及独立的 Vera CPU 已在 Oracle 云基础设施 (OCI) 超级集群上正式提供通用可用性。这一进展紧随 Google Cloud 上周宣布的 Vera Rubin 通用可用性之后，标志着 Nvidia 在两大主要超大规模云服务商中均取得了关键部署。
值得注意的是，Oracle 此次公告特别提到了 OCI 超级集群中的独立 Vera 实例。尽管此前 Nscale、CoreWeave 和 Nebius 等专注于 AI 的新兴云服务商已提供此类实例，但在 Oracle 这类传统超大规模数据中心运营商中进行独立 CPU 部署具有不同的行业意义。通常情况下，超大规模云服务商的 CPU 资源主要基于 x86 架构，而 OCI 此前提供的 Arm 架构实例主要依赖 Ampere Altra。Vera 成为首个进入超大规模数据中心的 Nvidia 独立 CPU，意味着其将与 x86 处理器展开直接竞争，不再仅仅依附于 GPU 计算场景。
虽然单插座核心密度方面 AMD 和 Intel 仍保持领先——例如即将推出的 AMD EPYC Venice CPU 可在单个插座中集成多达 512 个线程——但 Vera 凭借独特的架构设计在某些特定工作负载中展现出优势。尤其是在代理式人工智能（Agentic AI）时代，内存带宽和软件生态兼容性变得愈发重要。
内存带宽优势显著
Vera 在内存带宽方面的表现并非仅停留在理论参数层面。根据本地服务器基准测试数据显示，Nvidia Vera 采用了 LPDDR5X-9600 内存以及单体模块和缓存分布式网格架构。在行业标准 Stream 基准测试中，Vera 的实际带宽甚至超过了双路 Intel Xeon 6980P 系统的两倍，后者即便搭配运行速度为 8,800 MT/s 的 MRDIMM 内存，依然难以匹敌。
这种带宽优势在处理大型数据库查询或广泛文档分析的代理循环中至关重要。OpenMP 的“扩散”策略进一步放大了 Vera 的内存带宽潜力。与 AMD 和 Intel 采用的集中式内存控制不同，Vera 在模块上以网格方式分布缓存，通过合理配置 OpenMP 使进程分散，从而获得更高的内存吞吐量。
Python 性能与代理式 AI 适配性
除硬件带宽外，软件执行效率也是评估的关键维度。鉴于大量代理框架（如 CrewAI 和 LangGraph）以及基础 AI 库（如 PyTorch 和 TensorFlow）均基于 Python 构建，Python 性能对代理循环至关重要。基准测试显示，Vera 在 Python 任务上的表现优于部分纸面规格更强的 CPU。
此外，SQLite 等常规数据中心工作负载的性能同样值得关注。无论查询是由逻辑、人类还是 AI 代理发起，SQLite 的效率都直接影响服务响应。Vera 搭载的第二代可扩展一致性结构 (SCF) 在此类真实工作负载中展现了实际价值。
混合部署策略与未来展望
Oracle 将 Vera 独立实例上线，表明市场对 Nvidia CPU 的需求并不完全依赖于 Rubin GPU 的捆绑销售。然而，Oracle 采取了谨慎的多千兆瓦部署策略。除了独立 Vera 实例，该公司还将提供 Nvidia HGX NVL8 方案，该方案将八个 Rubin GPU 集成到一个集群中，并连接至一个双路 64 核 Intel Xeon 6 主机，配备 4TB DDR5 内存。
目前尚不清楚超大规模客户在生产环境中对 Vera 的具体采用情况。尽管其在代理式 AI 循环中已证明有效性，并在某些通用工作负载中显示出早期潜力，但其能否真正颠覆 x86 的主导地位仍有待观察。Nvidia 早在今年 3 月发布芯片时便指出，世界无法仅通过单一的 88 核心 SKU 来服务所有需求，Vera 的出现旨在为未来的 CPU 世代扩展打开大门。
