Sa panahon ng Agent, ang labanan sa CPU na ruta: Nvidia tumaya sa "mas mabilis na single-core", AMD tumaya sa "mas maraming concurrent"
Hindi lang kung aling CPU ang mas mabilis ang pinag-aagawan ng Nvidia at AMD, kundi kung sino ang magtatakda ng pamantayan sa paghusga ng CPU sa panahon ng AI.
Kamakailan, ibinahagi ng Nvidia ang pinakamadetalye nitong teknikal na impormasyon ukol sa Vera CPU architecture. Ang processor na ito ay may 88 custom-made Olympus ARM architecture cores, memory bandwidth na 1.2TB/s, at on-chip interconnect bandwidth na 3.4TB/s. Ang pangunahing punto ng Nvidia: Ang paraan ng pagtatrabaho ng isang AI Agent ay may madalas na interaksyon sa pagitan ng CPU at GPU—pagtawag ng tool, pagpapatupad ng code, retrieval ng datos, at pagsasaayos ng gawain—kung saan bawat hakbang ay nakasalalay sa pagkakatapos ng naunang hakbang, kaya naman ang bilis at latency ng single-core CPU ay direktang magtatakda ng response efficiency ng buong Agent.
Noong Hulyo 23, ayon kay Chase Wind Trading Desk, sinabi ng analyst ng Bank of America na si Vivek Arya sa pinakabagong ulat niyang ang paglabas ng Vera ay nagpakilala ng bagong evaluation framework para sa industriya: “Maximum single-thread performance under scale”. Direktang kabaligtaran ito ng matagal nang chiplet multi-core stacking strategy ng AMD. Nilinaw ng bangko ang debate bilang: “Sa agent AI ba ay natatali sa oras ng pagcomplete ng isang task o sa dami ng sabayang task na kayang patakbuhin ng isang rack?” Magsasagawa ang AMD ng AI 2026 Technology Day ngayong Huwebes, na siya ring kauna-unahang pormal na tugon nito sa nasabing framework.
Nangyayari ang diskusyong ito kasabay ng pagbabagong dala ng AI demand sa CPU market ng server, kung saan inaasahan na magiging apat na beses ang laki nito sa 2030, aabot sa $170 bilyon. Hindi ito laban ng kasalukuyang kapasidad, kundi ng lumalawak na market; kung sino ang unang makapagtakda ng kinikilalang industry performance standard, siya ang magkakamit ng kapangyarihan sa presyo at diskursong pang-industriya.
Ang Lohika ng Nvidia: Ang Bilis ng Takbo ng Agent ang Mas Mahalagang Sukatan Kumpara sa Dami ng Sabay-sabay
Ang paglalarawan ng Nvidia sa workflow ng Agent ay detalyado: Sa pagsasakatuparan ng isang gawain ng Agent, nagkakaroon ng maraming sunud-sunod na interaksyon ang CPU at GPU, kung saan bawat pagtawag ay kailangang maghintay na matapos ang nauna. Nangangahulugan ito na kahit anong pagka-antala sa alinmang bahagi ay magniningas, magreresulta sa mabagal na output ng buong AI factory.
Sa lohikang ito, ang single-core performance ay hindi lang simpleng numero sa datasheet, kundi pangunahing variable na direktang nakakaapekto sa GPU utilization—habang mas mabilis ang CPU, mas maikli ang paghihintay ng GPU, kaya mas mataas ang system resource utilization. Mas mabilis ang single-core, mas mabilis ang response ng buong chain.
May isa pang disenyong pinili sa Vera na dapat bigyang-pansin: Pinili ng Nvidia ang monolithic die kaysa chiplet na separated architecture, dahil mas maganda umano ang “scalable consistency” ng una. Kabaligtaran ito sa matagal nang tinutunguhan ng AMD na chiplet, at nagpapakita ng malalim nang alitan sa underlying architecture philosophy ng dalawang kumpanya.
Bukod dito, ang Vera ay hindi standalone na produkto, kundi bahagi ng “co-designed” AI infrastructure ecosystem ng Nvidia, na kasangga ang Rubin GPU, Groq LPX, Spectrum switch, at BlueField storage/network card. Ang ganitong system-level integration ang tunay na moat ng Nvidia lampas sa simpleng paghahambing ng hardware.
Pangunahing Tugon ng AMD: Sa Tunay na AI Production, Concurrent Capacity ang Labang Totoo
Nakabatay ang tindig ng AMD sa ibang depinisyon ng “tunay na production environment”.
Para sa AMD, ang production-level AI system ay hindi lang isang Agent na sunud-sunod na nagpapatakbo ng task, kundi parang distributed software platform na binubuo ng database, API, vector storage, orchestration engine, cache, at middleware. Sa ganitong scenario, hindi bilis ng single-task completion ang bottleneck, kundi kung ilang workflows ang kayang saluhin sa fixed na power budget.
Nagbigay ng detalye ang AMD: Sa simulated 100-kilowatt rack deployment scenario, ang rack-level throughput ng EPYC 9965 (Turin) ay mga 2.4x ng benchmark na Nvidia Vera; at aabot sa 3.3x sa susunod na henerasyong EPYC 6 (Venice).
Ang lohika ng AMD: Mas mataas na throughput density ay nangangahulugan na sa parehong konsumo ng kuryente ay mas marami kang users at requests na maseserbisyo—ito ang tunay na cost function ng cloud AI deployment.
AMD x86 o Nvidia ARM: Software Ecosystem ang Tunay na Labanan
Umabot pa sa instruction set level ang labanan sa CPU architecture.
Sa pagpili ng Nvidia sa ARM, ipinapahayag nitong basta maganda ang microarchitecture, maaari nang pangalawa ang compatibility sa instruction set. Ngunit malamang na patuloy na itutulak ng AMD at Intel ang kabilang panig—palawak nang palawak ang AI mula sa model inference hanggang enterprise software workflow, at dekada nang optimized, na-verify at compatible sa x86 ecosystem ang software stack ng enterprise sa database, middleware, security platform, at business application layers.
Hindi lang ito usapan ng purong teknolohiya. Habang mas napapaloob sa kasalukuyang IT infrastructure ang AI workloads, mas nagiging tunay na hadlang palitan ang kasaysayan ng software ecosystem kaysa hardware peak performance. Kung magtatagumpay man si Nvidia na pasukin ang mga ito gamit ang Vera, nakasalalay nang malaki ito sa bilis ng maturity ng ARM software ecosystem.
Laban sa Pamantayan: Sino ang Magtatakda ng Susunod na CPU KPI?
Dalawang framework, dalawang KPI—ang totoo, this ay tunggalian kung sino ang mamamayani sa diskurso ng industriya.
Sa Nvidia, umiikot sa latency, single-thread progress, at GPU utilization ang framework; sa AMD, nakatuntong sa concurrency, throughput, at service density.
Ang mahalaga: Aling indikador ang gagamitin kalaunan ng merkado kapag bibili ng server CPU?
Hatol ng Bank of America, ang AMD event ngayong Huwebes ay hindi tungkol sa panggulat na benchmark result kundi sa kumbinsihin ang industriya sa sariling evaluation framework. Kung sino ang framework na susundin ng data center buyers, siya rin ang may presyo sa $170 bilyong merkado.
Nananatiling “Buy” ang rating ng Nvidia NVDA, target price na $350 (kasalukuyang $207.29).
Disclaimer: Ang nilalaman ng artikulong ito ay sumasalamin lamang sa opinyon ng author at hindi kumakatawan sa platform sa anumang kapasidad. Ang artikulong ito ay hindi nilayon na magsilbi bilang isang sanggunian para sa paggawa ng mga desisyon sa investment.
Baka magustuhan mo rin
Nasa "panahon ng pag-ani" na ang AI bull market! Magkasabay na tinataya ng Morgan Stanley at JPMorgan ang S&P sa 8,000 points, muling bumangon ang semiconductor at Korean stock market bilang patunay ng "malaking alon ng paglago ng kita"
Ang dalawang malaking institusyong pampinansyal sa Wall Street—Morgan Stanley at JPMorgan—ay kamakailan parehong naglabas ng mga ulat na nagsasabing ang pangunahing tagapagpaandar ng patuloy na pag-akyat ng S&P 500 ay lumilipat mula sa pagpapalawak ng halaga patungo sa pagtaas ng kita at pagsasakatuparan ng komersyalisasyon ng AI.
Nagiging maingat ang Wall Street! Pinakabagong buod ng ulat sa 13F na mga hawak: Pagkakaiba ng rebalancing sa mga nangungunang teknolohiya at sa AI track, nagiging mahirap ang laban ng long at short.
Ipinapakita ng quarterly 13F filings na isiniwalat ng US Securities and Exchange Commission (SEC) na noong ikalawang quarter ng taong ito, bahagyang binawasan ng mga institutional investor ang kanilang hawak sa mahahalagang sektor tulad ng semiconductor, artificial intelligence (AI) infrastructure, at malalaking kumpanya ng teknolohiya, at sa kabuuan ay walang malinaw na senyales ng malalaking isahang pagtaya.
Mga pahiwatig mula sa ulat ng chip manufacturer para sa ikalawang quarter: Mas malakas ang demand kaysa tatlong buwan na ang nakalipas, nagsisimula nang "kumalat" ang pagtaas ng presyo
Ayon sa JPMorgan, malinaw ang positibong signal na inilalabas ng global semiconductor industry sa kanilang second quarter reports: Una, mas mataas sa inaasahan ang demand, kaya't pinaigting ng mga higanteng wafer tulad ng TSMC ang kanilang capital expenditures upang pabilisin ang pagpapalawak ng produksyon; Pangalawa, ang epekto ng pagtaas ng presyo ay aktuwal na “kumakalat” sa mga kagamitan at materyales, at ginagamit ito ng mga equipment supplier upang taasan ang gross profit margin; Pangatlo, ang mga nangungunang kumpanya sa storage ay gumagamit ng mga long-term contract at malaking advance payment upang maagang masiguro ang napakataas na profit floor para sa mga susunod na taon.
Mga presyo ng crypto
Higit pa
