輝達披露Vera CPU架構，以「單線程最大性能」為核心挑戰AMD的高併發路線，兩家公司圍繞智能體AI時代CPU核心指標的爭論正式浮出水面。AMD測算其EPYC Turin在100千瓦機架場景下吞吐量是Vera的2.4倍。在服務器CPU市場規模持續膨脹的背景下，誰先定義行業KPI，誰就掌握話語權。
輝達和AMD正在爭的，不只是誰的CPU更快，而是誰來定義AI時代CPU的評判標準。
輝達近日對外披露了Vera CPU架構的最詳細技術細節。這款處理器搭載88個自研Olympus ARM架構核心，內存帶寬1.2TB/s，片上互聯帶寬3.4TB/s。輝達的核心論點是：AI Agent的工作方式是CPU與GPU反覆互動——工具調用、代碼執行、數據檢索、任務編排——每一步都依賴上一步完成，因此CPU的單核速度和延遲直接決定整個Agent的響應效率。
7月23日，據追風交易台消息，美銀證券分析師Vivek Arya在最新報告中指出，Vera的發佈為行業引入了一個新的評估框架：「規模化下的最大單線程性能」。這與AMD長期堅持的chiplet多核堆疊路線形成直接對比。該行將這場爭論定性為：「智能體AI究竟是被單任務完成時間卡住，還是被單機架能跑多少併發任務卡住？」AMD將於本周四舉辦AI 2026技術日，屆時將是對這一框架的首次正式公開回應。
這場爭論發生的背景是：服務器CPU市場正在被AI需求重塑，預計到2030年市場規模將從當前水平擴大約4倍，達到1700億美元。這不是存量競爭，而是一塊正在成形的增量市場，誰先建立行業認可的性能評估標準，誰就掌握了定價權和敘事權。
輝達的邏輯：Agent跑得快，比能同時跑多少個更重要
輝達對Agent工作流的描述很具體：一個Agent在完成任務過程中，CPU和GPU之間會發生大量序列互動，每次調用都要等前一步完成才能繼續。這意味著任何一個環節的延遲都會累積放大，最終拖慢整個AI工廠的產出效率。
在這個邏輯下，單核性能不是參數表上的一個數字，而是直接影響GPU利用率的關鍵變量——CPU越快，GPU等待的時間越短，整個系統的資源利用效率越高。即單核越快，整條鏈路的響應速度就越快。
Vera還有一個設計選擇值得關註：輝達選擇了單一計算裸片（monolithic die）而非chiplet分離架構，理由是前者能提供更好的「可擴展一致性」。這與AMD長期押注的chiplet路線形成對立，也意味著兩家公司在底層架構哲學上的分歧已經足夠深。
此外，Vera並非孤立產品，而是輝達整個AI基礎設施生態「協同設計」的組成部分，與Rubin GPU、Groq LPX、Spectrum交換機、BlueField記憶體/網卡協同工作。這種系統級整合是輝達在單一硬體比較之外的真正護城河。
AMD的反駁：真實的AI生產環境，拼的是併發承載能力
AMD的立場建立在對「真實生產環境」的不同定義上。
在AMD看來，生產級AI系統不是一個Agent在序列推進任務，而更像一個由數據庫、API、向量記憶體、編排引擎、緩存和中間件組成的分佈式軟件平台。在這種場景下，瓶頸不是單任務的完成速度，而是固定功耗預算內能同時承載多少工作流。
AMD給出了一組具體測算：在模擬的100千瓦機架部署場景中，EPYC 9965（Turin）的機架級吞吐量約為輝達Vera基準的2.4倍；下一代EPYC 6（Venice）預計達到3.3倍。
AMD的邏輯是：吞吐量密度更高，意味著同樣的能耗能服務更多用戶、處理更多請求——這才是雲端AI部署的真實成本函數。
AMD x86還是輝達ARM：軟件生態才是隱形戰場
CPU架構之爭還延伸到了指令集層面。
輝達選擇ARM架構，其隱含立場是：只要微架構足夠優秀，指令集相容性可以退居次要位置。但AMD和英特爾大機率會在周四之後持續強調另一面——AI正在從模型推理擴展進入企業軟件工作流，而企業軟件棧在數據庫、中間件、安全平台、企業應用等層面已經在x86生態上積累了幾十年的優化、驗證和相容性。
這不是單純的技術爭論。隨著AI工作負載越來越多地嵌入企業現有IT系統，軟件生態的歷史積累可能比硬體的峰值性能更難被替代。輝達能否用Vera打入這些場景，在很大程度上取決於ARM軟件生態的成熟速度。
標準之爭：下一個CPU KPI是誰來定？
兩套框架，兩套KPI，本質上是兩家公司在爭奪行業敘事的主導權。
輝達的框架圍繞延遲、單線程進度、GPU利用率建立。AMD的框架圍繞併發、吞吐量、服務密度建立。
關鍵在於：市場最終會用那個指標來採購服務器CPU？
美銀的判斷是，AMD本周四的活動，重點不在於拿出跑分數據壓倒對手，而在於說服行業接受自己那套評價體系。誰的框架被數據中心買家採納，誰就在這1700億美元的市場裡拿到定價權。
美銀對NVDA維持買入評級，目標價350美元（當前價207.29美元）。 (華爾街見聞)