Agent時代CPU路線之爭：英偉達押注「單核更快」，AMD押注「並發更多」

Nvidia和AMD爭奪的，不只是誰的CPU更快，而是誰能定義AI時代CPU的評判標準。

Nvidia近日對外披露了Vera CPU架構最詳細的技術細節。這款處理器搭載88個自研Olympus ARM架構核心，記憶體頻寬1.2TB/s，片上互聯頻寬3.4TB/s。Nvidia的核心論點是：AI Agent的運作方式是CPU與GPU反覆交互——工具調用、程式碼執行、資料檢索、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的回應效率。

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的發布為產業引入了一個新的評估框架：「規模化下的最大單執行緒效能」。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，還是被單機架能執行多少並發任務卡住？」AMD將於本週四舉辦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：伺服器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準擴大約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，誰先建立業界認可的效能評估標準，誰就掌握了定價權和敘事權。

Nvidia的邏輯：Agent執行得快，比能同時執行多少個更重要

Nvidia對Agent工作流程的描述很具體：一個Agent在完成任務過程中，CPU與GPU之間會發生大量串行交互，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，單核效能不是規格表上的一個數字，而是直接影響GPU利用率的關鍵變數——CPU越快，GPU等待的時間越短，整個系統的資源利用效率就越高。也就是說，單核越快，整條鏈路的回應速度就越快。

Vera還有一個設計選擇值得關注：Nvidia採用單一運算裸片（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相當深。

此外，Vera並非孤立產品，而是Nvidia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儲存/網卡協同運作。這種系統級整合是Nvidia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，比拚的是並發承載能力

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在串行推進任務，而更像一個由資料庫、API、向量儲存、編排引擎、快取和中介軟體組成的分布式軟體平台。在這種場景下，瓶頸不是單任務的完成速度，而是固定功耗預算下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Nvidia 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Nvidia ARM：軟體生態才是隱形戰場

CPU架構之爭還延伸到指令集層面。

Nvidia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Intel大概率會在週四之後持續強調另一面——AI正從模型推理擴展進入企業軟體工作流，而企業軟體堆疊在資料庫、中介軟體、安全平台、企業應用等層面已經在x86生態上累積了數十年的優化、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，軟體生態的歷史積累可能比硬體的峰值效能更難被取代。Nvidia能否用Vera打入這些場景，在很大程度上取決於ARM軟體生態的成熟速度。

兩套框架，兩套KPI，本質上是兩家公司在爭奪產業敘事的主導權。

Nvidia的框架圍繞延遲、單執行緒進度、GPU利用率建立。AMD的框架圍繞並發、吞吐量、服務密度建立。

關鍵在於：市場最終會用哪個指標來採購伺服器CPU？

美銀的判斷是，AMD本週四的活動，重點不在於拿出跑分數據壓倒對手，而在於說服業界接受自己那套評價體系。誰的框架被資料中心買家採納，誰就在這1700億美元的市場裡拿到定價權。

Nvidia對NVDA維持買入評等，目標價350美元（現價207.29美元）。