NVIDIA Vera wchodzi do produkcji - procesor dla agentów AI, który robi z x86 drugoligowca

Intel i AMD przez dekady nie miały poważnej konkurencji na rynku serwerowych procesorów. NVIDIA właśnie postanowiła to zmienić - i wybrała do ataku moment, kiedy cały świat sztucznej inteligencji skupia się na agentach. 1 czerwca 2026 roku, podczas przemówienia otwierającego GTC Taipei, NVIDIA ogłosiła, że wiodące firmy technologiczne planują wdrożenie Veri - pierwszego procesora zbudowanego specjalnie dla agentów sztucznej inteligencji. Układ jest już w pełnej produkcji, a lista chętnych na pierwsze dostawy wygląda jak lista gości na konferencji AGI.

Startup Perplexity, zajmujący się sztuczną inteligencją, potwierdził 7 lipca plany wdrożenia Veri w swoich systemach produkcyjnych, a NVIDIA szacuje, że procesor wygeneruje 20 miliardów dolarów przychodu do końca bieżącego roku fiskalnego. Tyle że Vera to nie jest kolejna iteracja Grace’a z nowym logo. To fundamentalnie inny pomysł na to, czym procesor w centrum danych powinien być.

88 rdzeni, które nie rozumieją słowa „przerwa”

Vera jest napędzana przez Olympusa - autorski rdzeń NVIDIA zaprojektowany dla zadań procesora towarzyszących autonomicznym agentom: od środowisk wykonawczych Pythona, przez uruchamianie kodu w piaskownicy, po logikę orkiestracji i przetwarzanie danych. Procesor wyposażono w 88 rdzeni Olympus, mechanizm Spatial Multithreading oraz podsystem pamięci LPDDR5X o przepustowości do 1,2 TB/s.

Dlaczego akurat taka architektura? Bo tradycyjny serwer z procesorem x86 był projektowany z myślą o ludziach - o tym, że operator kliknie, poczeka, znowu kliknie. Tradycyjna praca procesora jest przerywana i inicjowana przez użytkowników, zbudowana z krótkich interakcji wyzwalanych przez ludzi. Praca agentów jest ciągła i równoległa: roje agentów działają bez przerwy, każdy wykonując łańcuch kroków, gdzie każdy krok zależy od wyniku poprzedniego. Właśnie tu x86 zaczyna kuleć.

W rdzeniu Veri siedzi Olympus - autorski rdzeń procesora NVIDIA, który dostarcza o 50% więcej instrukcji na cykl niż NVIDIA Grace. Ma to znaczenie, bo wiele kroków agenta jest sekwencyjnych. Wywołanie narzędzia, uruchomienie kodu, test lub krok przetwarzania danych musi zakończyć się, zanim model może wykorzystać wynik. Szybsze rdzenie przyspieszają każdą pętlę.

NVIDIA Vera używa drugiej generacji NVIDIA SCF do połączenia wszystkich 88 rdzeni, pamięci podręcznej, pamięci, wejścia/wyjścia i NVLink-C2C w jednym monolitycznym układzie. Przy przepustowości przekrojowej 3,4 TB/s i zunifikowanej architekturze pamięci podręcznej, SCF zapewnia rdzeniom szybki, spójny dostęp do danych nawet przy pełnym obciążeniu procesora.

Perplexity: 1,5x szybciej, w produkcji od zaraz

Perplexity przetestował Verę na zadaniach agentowych, które wykonuje każdego dnia. Uruchamiając realistyczny proces programistyczny - klonowanie repozytorium i uruchamianie zestawu testów w piaskownicach - Vera ukończyła zadanie około 1,5x szybciej niż x86, a równoległe środowiska uruchamiała nawet 1,9x szybciej. Perplexity planuje teraz wdrożyć Verę w swoim najbliższym systemie produkcyjnym.

Nate Kupp, wiceprezes Perplexity odpowiedzialny za infrastrukturę dla firm, nie owijał w bawełnę. „Vera naprawdę wyróżniała się dla nas jako idealne dopasowanie do wielu naszych podstawowych zadań” - powiedział agencji Reuters. Firma nie ujawniła liczby zamawianych układów, ale sam fakt publicznego potwierdzenia to już sygnał dla rynku.

Protip ✅

Porównując procesory dla obciążeń agentowych, kluczowa jest nie szczytowa wydajność, tylko wydajność pod pełnym obciążeniem. Vera dostarcza 90% szczytowej przepustowości pamięci nawet gdy wszystkie 88 rdzeni pracuje jednocześnie - to rzadkość w architekturach wielordzeniowych.

NVIDIA wcześniej ujawniła, że OpenAI, Anthropic i Oracle również planują wdrożenie procesorów Vera. Według Forbes, OpenAI, Anthropic i SpaceX znalazły się wśród pierwszych firm, które otrzymały systemy oparte na Verze. Oficjalna lista wdrożeń Veri wśród laboratoriów sztucznej inteligencji i dostawców chmury obejmuje Anthropic, OpenAI, SpaceX AI, CoreWeave, Oracle Cloud Infrastructure, Lambda, Nebius i Nscale.

Procesor graficzny czeka, bo procesor centralny był za wolny

NVIDIA przez lata zarabiała krocie na procesorach graficznych. Ale im więcej agentów sztucznej inteligencji trafiało do produkcji, tym wyraźniej widać było paradoks: drogie karty graficzne stały bezczynnie, bo procesor centralny nie nadążał z dostarczaniem im pracy. Główny procesor stał się wąskim gardłem własnych procesorów graficznych NVIDIA w zadaniach agentowych. Licencjonowanie rdzeni Arm oznaczało, że NVIDIA nie mogła dostrajać pamięci podręcznej, rdzeni i sposobu obsługi równoległych zadań pod orkiestrację. Zaprojektowanie rdzenia Olympus we własnym zakresie pozwoliło ukształtować układ dokładnie pod zadania, które sprawiały, że procesory graficzne stały w miejscu.

Efekt jest mierzalny. W zadaniach procesora centralnego reprezentujących wykonanie agentowe, Vera dostarcza 1,8x wyższą wydajność na rdzeń w stosunku do x86 pod pełnym obciążeniem. Do tego dochodzi przepustowość połączenia z procesorem graficznym: NVIDIA NVLink-C2C dostarcza do 1,8 TB/s spójnej przepustowości między procesorami Vera a procesorami graficznymi NVIDIA.

Uwaga ⚠️

Vera nie jest dostępna jako samodzielny procesor do montażu na własnej płycie głównej. Układ działa wyłącznie w systemach rack-scale NVIDIA - w konfiguracji Vera Rubin lub w dedykowanych szafach tylko z procesorem centralnym. Dostęp będzie głównie przez dostawców chmury.

Partnerzy NVIDIA zmierzyli 3x szybszą analitykę SQL na dużą skalę ze Starburst oraz do 6x niższe opóźnienia przy przetwarzaniu strumieniowym w czasie rzeczywistym z Redpanda, w obu przypadkach w porównaniu z wiodącymi serwerowymi procesorami x86.

Intel i AMD mają problem, którego nie mogą zignorować

NVIDIA nie wchodzi na rynek procesorów centralnych po kawałek tortu z bazami danych czy wirtualizacją. Podstawowa przewaga Veri nad tradycyjnymi serwerowymi procesorami x86 Intela i AMD nie tkwi wyłącznie w lepszych testach porównawczych ogólnej wydajności, lecz w fundamentalnym przeprojektowaniu roli procesora centralnego w fabrykach sztucznej inteligencji - z myślą o zadaniach agentów sztucznej inteligencji.

Jeśli agenty sztucznej inteligencji staną się większą częścią pracy centrów danych, konkurencja w segmencie procesorów centralnych może skierować się w stronę wydajności ciągłej i niezawodności, a nie tylko szczytowej szybkości. Ma to znaczenie, bo duzi operatorzy zazwyczaj standaryzują się na małej liczbie platform procesorowych, by ograniczyć koszty walidacji, integracji i wsparcia w tysiącach serwerów. Procesor, który wygląda jak „zbudowany dla agentów”, może się rozprzestrzeniać szybciej niż normalny cykl odświeżania sprzętu: raz zatwierdzony, staje się standardem.

NVIDIA Vera wytycza nową klasę procesorów centralnych, a plan rozwoju procesorów centralnych NVIDIA jest kontynuowany przez NVIDIA Rosa CPU z rdzeniem Rigel. Systemy oparte na Verze będą dostępne od partnerów - w tym Dell Technologies, HPE, Lenovo i Supermicro - w drugiej połowie 2026 roku.

Układy Vera są częścią wysiłków NVIDIA na rzecz dywersyfikacji sprzedaży, gdy firmy zajmujące się sztuczną inteligencją, takie jak OpenAI i DeepSeek, tworzą własne chipy. Jensen Huang nie ukrywa ambicji: „AI agents will be the largest users of computing. Vera is the first CPU designed for that future - built to run agentic AI at hyperscale with extraordinary performance, efficiency and programmability” - powiedział dyrektor generalny NVIDIA podczas przemówienia otwierającego. W praktyce oznacza to, że NVIDIA nie chce już być tylko dostawcą procesorów graficznych. Chce być właścicielem całego stosu obliczeniowego dla sztucznej inteligencji - od rdzeni procesorów centralnych, przez procesory graficzne, sieć, aż po oprogramowanie. Intel i AMD dobrze wiedzą, co to znaczy, gdy NVIDIA postanowi coś zdominować.