传统云CPU发展存在设计取舍
在过去很长一段时间，云计算数据中心在选购CPU产品时，会优先把核心数量作为重要衡量指标。为了提升服务器整体任务吞吐能力，行业普遍追求更多计算核心，以此承接更多并发任务，提高硬件资源利用率。
但这种发展思路也带来现实的取舍，当芯片内部塞入大量计算单元之后，留给单核心性能优化的空间被压缩，单线程处理能力因此被放在次要位置。很多任务属于串行执行逻辑，单线程表现偏弱，会造成整套服务器实际运行效率打折扣，只是在过去的业务场景下，该问题没有充分暴露出来。
英伟达VeraCPU团队在近期的访谈当中提到，这样的行业现状正在随着代理AI的兴起发生改变。AI智能体和传统大模型对话任务不一样，会频繁进行工具调用、环境模拟、循环推理，大量串行逻辑需要CPU快速响应，单线程性能、内存带宽和延迟表现，直接会影响整套AI系统的实际产出效率。
Vera CPU瞄准代理AI的实际需求
Vera CPU是英伟达面向代理AI场景打造的处理器，产品设计思路跳出以往CPU依附GPU的定位。以往在AI服务器架构中，CPU更多承担辅助调度工作，主要算力输出依靠GPU完成。而Vera CPU被定位成可以独立工作的计算节点，英伟达还规划推出独立的Vera CPU机架方案，不需要绑定大量GPU，专门承接智能体带来的大批量工具调用与推理循环任务。
代理AI的运行流程有明显特点，模型推理、环境沙盒模拟、任务编排会在CPU与GPU之间反复流转。一旦CPU响应速度跟不上，强大的GPU就会出现空闲等待，造成昂贵算力资源浪费。所以这款处理器不再一味堆砌核心，转而重点打磨单线程性能，同时拉高内存带宽，压低任务处理延迟，针对性解决代理AI运行过程中出现的硬件瓶颈。
数据中心CPU和GPU配比持续变化
AI工作负载的迭代，也在不断改写服务器内部CPU与GPU的算力配比。回顾早期大模型部署阶段，整套系统算力重心高度向GPU倾斜，CPU和GPU算力占比大致维持1比8。随着应用不断演进，当下不少新建数据中心已经调整到1比4，按照行业发展推演，未来部分业务环境当中两者占比有望来到1比1的水平。
部分行业观点更加激进，认为全面进入代理AI时代，CPU承担的工作量会进一步暴涨，两者比例甚至可能达到80比1。对于这个判断，英伟达方面没有完全予以认同，但团队承认算力需求正在明显向CPU一侧倾斜，这也是其大力推广独立VeraCPU机架的现实动因。
CPU正在成为AI基础设施的关键一环
以往大众谈及AI算力，目光大多集中在GPU身上，CPU常常被当作配套的附属硬件。代理AI范式兴起之后，整个行业重新看见CPU的不可替代性。智能体要完成规划决策、调用外部工具、模拟运行环境，大量逻辑运算都需要CPU来完成，它不再只是简单的调度中转单元。
服务器厂商也看到这一趋势，多家硬件厂商已经准备推出搭载VeraCPU的整机设备。整个行业对CPU的评判标准，也不再只盯着核心数量，单线程执行效率、内存吞吐、延迟表现，成为采购选型中新的重点考察项。
当然这并不意味着GPU价值会被削弱，模型基础推理依旧高度依赖GPU并行算力。只是AI任务链条被拉长之后，CPU的短板会放大整套系统的瓶颈。平衡CPU与GPU两者能力，才能够充分释放代理AI的实际能力，这也是整个数据中心硬件接下来要面对的调整方向。
（素材来自：英伟达 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。