一句话结论：英伟达在 2026 年 11 月 5 日公布 Vera CPU 的智能体负载实测数据，在 100 兆瓦数据中心对比口径下，Vera 每瓦可支持的智能体数量比最快的 x86 CPU 高 1.6 倍，智能体执行速度比能效最高的 x86 CPU 快 2 倍，Perplexity、DeepInfra、Daytona、Modal 等六家伙伴给出各自的加速幅度。
这组数字指向一个正在变化的采购逻辑。当智能体开始承担搜索资料、查数据库、写测试代码并实际执行这些步骤，CPU 侧不再是配角，而是决定每个智能体平均等待多久的关键环节。数据中心的瓶颈从单纯的 GPU 算力，转向速度、并发能力与能耗三者的配比。
这篇稿子把官方数字和伙伴实测分开摆，同时说明这些数据目前不具备的性质，包括它们是厂商主导的对比口径，以及英伟达并未给出价格与出货日期这一事实。
两个倍数的口径必须拆开看
官方表述里有两个倍数，比较对象并不相同，这是最容易读混的地方。
| 对比对象 | 指标 | 倍数 |
|---|---|---|
| 最快的 x86 CPU | 每瓦可支持的智能体数量 | 1.6 倍 |
| 能效最高的 x86 CPU | 智能体执行速度 | 2 倍 |
换句话说，Vera 的主张是一颗芯片同时拿下两个冠军：既有当前最快的速度，也有当前最高的每瓦并发密度。1.6 倍说的是同样一瓦电装得下多少个智能体，2 倍说的是同样一个任务快多少。这两个数如果混着用，就没法拿去做容量规划。
对比场景被设定在 100 兆瓦规模的数据中心。这个前提很重要，因为每瓦吞吐只有在电力受限的环境里才有实际意义。电力充裕时，多装芯片比省电更直接，能效指标的价值会被稀释。
英伟达给出的解释逻辑是，智能体任务在 GPU 推理与 CPU 执行之间反复切换，搜索、数据库查询、代码编写与测试运行都落在 CPU 上。CPU 侧一旦慢下来，昂贵的 GPU 就在等，整条链路的吞吐被拉低。
硬件规格：88 核 176 线程与 164MB 统一 L3
Vera 的架构参数在 2026 年 3 月 16 日发布时已公开，这次是首次把它放到智能体工作负载下做第三方实测。核心规格如下。
| 规格项 | Vera CPU |
|---|---|
| 核心与线程 | 88 个 Olympus 核心，176 硬件线程 |
| 缓存 | 164MB 片上一统一 L3 |
| 片上互连 | 一致性片上互联，双向切分带宽 3.4 TB/s |
| 内存 | 最多 1.5TB LPDDR5X，内存带宽 1.2 TB/s |
| 可配置 TDP | 250 至 450 瓦 |
| 与 GPU 互联 | NVLink-C2C 带宽 1.8 TB/s |
164MB 的统一 L3 与 3.4 TB/s 的片上互连是这颗芯片的物理基础。多智能体并发时，大量小任务会在核间来回迁移，L3 容量和互连带宽决定了迁移时的缓存命中与争用水平。250 到 450 瓦的可配置 TDP 则给了数据中心按整机柜功率预算调配的空间。
1.8 TB/s 的 NVLink-C2C 是另一条关键链路。它决定 CPU 侧的检索结果与工具调用中间态能多快地送到 GPU 推理单元，智能体在两段之间切换得越少，端到端延迟越低。
六家伙伴实测：从 1.5 倍到 2.2 倍不等
官方博客引用了早期合作方的生产式测试结果。这些数字不是一次统一基准跑出来的，而是各家用自己的工作负载测的，口径彼此独立。
| 合作方 | 测试场景 | 结果 |
|---|---|---|
| Perplexity | 智能体编码任务 | 比传统 CPU 快 1.5 倍，计划投入生产系统 |
| DeepInfra | 智能体编排 | 比最好的 x86 处理器快至多 2.2 倍，四种架构中最快 |
| ClickHouse | 标准二进制无专门优化 | 176 核接近线性扩展，登顶 ClickBench 硬件榜 |
| DuckLabs | TPC-H SF1000 查询 | 约为 Intel Xeon 6 基线中位数的 1.5 倍 |
| Daytona | 智能体沙箱并发 | 1000 个沙箱 10.8 秒上线，2000 并发下每秒完成 12.7 个任务 |
| Modal | 每核心沙箱吞吐 | 最高达到同类 x86 硬件的 2 倍，负载越重差距越大 |
Daytona 那组数字对比最直观。1000 个智能体沙箱的启动时间，Vera 上是 10.8 秒，x86 平台需要 88.4 秒，接近八倍差距。这个场景直接对应 AI 编码工具与 Agent 服务的冷启动成本，用户感知到的是提交任务后要等多久才开始跑。
Perplexity 的 1.5 倍落在中间位置，值得注意的细节是这家公司说的是计划投入生产系统，而不是已经在跑。DeepInfra 的 2.2 倍是六家里最高的，但它同时说明这是四种架构对比中的最快值，口径偏向自身编排负载。
ClickHouse 那条是唯一一条来自通用数据库而非 AI 负载的结果。它的价值在于证明不需要针对 Vera 做专门优化，标准二进制就能用，这直接降低了迁移的工程成本。
与 x86 路线的对照：同一个工作负载的两种解法
把这次实测放到行业里看，Vera 走的路线并不孤单，但它的指标选择很明确。
| 厂商 | 产品 | 关键数据 | 路线特征 |
|---|---|---|---|
| 英伟达 | Vera CPU | 每瓦智能体数 1.6 倍、速度 2 倍 | CPU-GPU 一体化，NVLink-C2C 直连 |
| 英特尔 | 至强 6+ | 单颗 288 核，腾讯云承载 1000 个智能体 | x86 路线，靠核心数堆并发 |
| AMD | EPYC 9006 | 256 核 2nm，Helios 平台五家首批客户 | x86 路线，制程与核心数并行 |
三家的解法差异很清楚。x86 阵营靠核心数量和制程红利增加并发密度，英伟达则把 GPU 和 CPU 放进同一个互联体系里，让智能体在两段之间切换的代价变小。
后者在智能体场景里确实有结构优势。传统 x86 服务器上，GPU 挂在 PCIe 上，CPU 与 GPU 之间的数据搬运要走主机内存，延迟和带宽都不是最优解。NVLink-C2C 把这条路径拉近，让常驻智能体的工具调用往返更快。
但这次公布的是 CPU 侧数据，没有给出机柜级对比，也没有覆盖整机功耗总价。英伟达自己也明确说了，这是 CPU 的主张，不等于替代 GPU。
采购决策表：什么情况下 Vera 值得考虑
把这堆数据落到自己的机房里，可以按几条线去筛。
| 你的场景 | Vera 的适配度 | 判断依据 |
|---|---|---|
| 大规模智能体并发托管 | 高 | 每瓦智能体数 1.6 倍直接决定机柜能塞多少个常驻 Agent |
| AI 编码与沙箱服务 | 高 | Daytona 10.8 秒对 88.4 秒的冷启动差距直接影响体验 |
| 电力受限的机柜 | 高 | 能效优先场景下 250 至 450 瓦可配置 TDP 有调配空间 |
| 已有大量 x86 软件栈 | 中 | ClickHouse 证明通用二进制可直接跑，但生态成熟度仍需评估 |
| 纯 GPU 推理为主、CPU 负载轻 | 低 | 收益主要在 CPU 侧，推理主导的负载难以摊平溢价 |
| 需要现货交付 | 待定 | 官方未给出价格与出货日期 |
最后一行是所有选型讨论里最实际的一条。英伟达在这篇博文里没有公布价格，也没有给出大规模出货的时间表。对已经需要部署的团队来说，这个信号意味着短期只能等，现货路线仍然是 x86。
另一个务实的做法是照着伙伴的测试方法自己跑一遍。这六家测的都是各自的真实负载，你的负载和它们不一定像。芯片本身的能力上限与自家业务能吃到的收益是两件事，中间那段差距只能用自家数据填。
常见问题
Vera CPU 的 1.6 倍和 2 倍分别指什么？
1.6 倍指每瓦可支持的智能体数量，对比对象是最快的 x86 CPU；2 倍指智能体执行速度，对比对象是能效最高的 x86 CPU。这是两个不同的比较轴，分别对应密度与速度，不能合并理解成全面领先 2 倍。
这些实测数据可信吗？
数据由英伟达自己整理，合作方各测各的负载，没有统一的第三方基准。参考价值在于覆盖面广且来自真实生产式场景，局限在于口径不统一、缺少机柜级与整机功耗对比。可信度最高的第三方佐证是 ClickBench 硬件排行榜，那是公开榜单。
现在能买到 Vera CPU 吗？
还没有公开的价格与出货日期，Vera 于 2026 年 3 月 16 日发布，目前处于早期合作方实测阶段。短期内的生产部署仍以 x86 路线为主，可以先按 x86 规划，等量产信息明确后再做 CPU 侧调整。
小结
这次公布的信息有三层价值。第一层是确认了 CPU 在智能体系统里的权重正在上升，每瓦智能体数这个指标本身就说明产能瓶颈已经不只是算力。第二层是给出了可复核的伙伴数据，Daytona 的 10.8 秒对 88.4 秒和 ClickHouse 的无优化线性扩展，是其中最有参考价值的两条。第三层是划出了边界，这是一份 CPU 主张，不含价格不含出货日期，也没有回答整机柜层面的账怎么算。
对正在规划智能体基础设施的团队，最实用的动作是拿 Daytona 那个冷启动场景做基准，在自己现有的 x86 集群上测一遍同样的 1000 沙箱启动时间。这个数字能直接告诉你换掉 CPU 能换回多少等待。
相关阅读
- 英特尔至强 6+ 落地腾讯云：288 核单颗支撑 1000 个智能体
- AMD EPYC 9006 出货：256 核 2nm 与 Helios 五家首批客户
- Kimi Hosted Agents 深度：0.072 元/小时沙箱与 140+ 技能
- 魔芯 MoWorld 2.0：昇腾原生 4D 世界模型推理成本降至 GPU 三成
延伸阅读
- 华为昇腾 950 超节点获世界互联网大会奖：1024 张 NPU4 天前
- SpaceX Colossus 2年底冲刺120万块Blackwell5 天前
- 高频交易商抢 AI 算力：4000 块 GPU 自建机房，年投 10 亿2 周前
- 国产工业母机订单排到明年二季度：上半年利润总额增 110.8%1 周前
继续读
同一批更新里这几篇值得一看：
- 谷歌为 Anthropic 190 亿美元租约兜底：401 兆瓦与 TPU 绑定2026-11-05
- JTok 与 xHC：61B 模型省 35% 训练算力的两条扩展轴2026-11-05
- CloudOpsBench v1.0 榜单：Claude 云运维解决率仅 60.6%2026-11-05
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记