A Nvidia Vera CPU szállítása megkezdődött: ez az első adatközponti processzor, amelyet kifejezetten AI-ügynök (agentic) munkaterhelésekre terveztek. A cég 2026. augusztus 27-i bejelentése szerint az első darabok már úton vannak a legnagyobb felhasználókhoz — köztük az Anthropichoz, az OpenAI-hoz, a SpaceXAI-hoz, az Oracle Cloud Infrastructure-höz és az AWS-hez.

A hír súlya nem a szállítási dátumban van, hanem abban, mit jelez: az AI-gyárakban a szűk keresztmetszet elkezdett átcsúszni a GPU-król a processzorra. Amikor a modellek már nem csak válaszolnak, hanem cselekszenek — eszközt hívnak, kódot futtatnak, több lépéses feladatot vezényelnek le —, a munka jelentős része klasszikus CPU-oldali feladat. A Vera erre a rétegre készült.

Nvidia Vera CPU: miért most jött el az ideje

A Vera a Grace CPU utódja, és az Nvidia történetének első olyan processzora, amely alapoktól saját tervezésű CPU-magra épül. Ennek a magnak a neve Olympus. A korábbi Grace még készen kapott Arm-magokat használt, a Vera viszont már az Nvidia saját mérnöki munkája — ez az a lépés, amivel a cég közvetlenül belép az Intel és az AMD adatközponti CPU-territóriumára.

Az időzítés végigkövethető: a specifikációk 2026 márciusában kerültek nyilvánosságra, a hivatalos bemutató a GTC Taipein, 2026. május 31-én volt — az Nvidia ott nevezte a Verát „the CPU for Agents”-nek —, az általános elérhetőség pedig 2026 őszére várható. A mostani bejelentés ennek a menetrendnek a szállítási mérföldköve.

„Az agentic AI új CPU-pillanatot teremt az AI-gyárban — ahogy a modellek a válaszadástól a cselekvés felé mozdulnak, a Verát arra terveztük, hogy ezt a munkát nagy léptékben is mozgásban tartsa.” — Ian Buck, az NVIDIA hyperscale és HPC területért felelős alelnöke

A számok: 88 mag, 176 szál, 227 milliárd tranzisztor

A Vera specifikációi az adatközponti CPU-k felső mezőnyébe helyezik a chipet. A legfontosabb paraméterek:

• 88 egyedi Olympus mag, 176 szál — a szálszámot a Spatial Multithreading (SMT-X) adja
• 227 milliárd tranzisztor
• Memória: LPDDR5X, akár 1,5 TB kapacitás socketenként, 1,2 TB/s csúcs memória-sávszélességgel
• 1,8 TB/s NVLink-C2C (második generációs) összeköttetés a Rubin GPU-k felé
• Gyorsítótár: 2 MB L2 magonként, összesen 162 MB rendszerszintű cache socketenként
• Konfigurálható 250–450 W TDP
• Arm v9.2 utasításkészlet-kompatibilitás, FP8-támogatás és MPAM multi-tenant izoláció

Két fogalom magyarázatra szorul. Az SMT-X (Spatial Multithreading) azt jelenti, hogy egy fizikai mag egyszerre két szálat futtat, de a hagyományos hyperthreadinggel ellentétben a mag erőforrásait térben osztja fel közöttük — így a két szál kevésbé akad egymás útjába. Az MPAM (Memory System Resource Partitioning and Monitoring) pedig azt teszi lehetővé, hogy több bérlő — például egy felhőszolgáltató több ügyfele — úgy osztozzon ugyanazon a chipen, hogy az egyikük memóriaéhsége ne rontsa el a másik teljesítményét. Felhős környezetben ez nem apró részlet.

Hogyan működik: a rendszer, nem csak a chip

A Verát nem érdemes önmagában nézni. Az Nvidia két irányban skálázza: önálló Vera-rack akár 256 CPU-ig építhető, a vegyes konfiguráció, a Vera Rubin NVL72 rack pedig 36 Vera CPU-t és 72 Rubin GPU-t fog össze egyetlen egységbe.

Az igazi trükk az 1,8 TB/s-os NVLink-C2C kapcsolat. Ez teszi lehetővé, hogy a CPU és a GPU gyakorlatilag egységes memóriaarchitektúrában dolgozzon: az adatot nem kell oda-vissza másolgatni a két processzor memóriája között. Egy agentic pipeline-ban — ahol egy lépés eredménye azonnal a következő bemenete — ez a másolgatás pont az a rejtett költség, ami elviszi az időt.

A socketenkénti 1,5 TB LPDDR5X ugyanezt a logikát szolgálja: a hosszú kontextusú, sok lépéses ügynök-futások állapota (előzmények, köztes eredmények, eszközhívások kimenete) elfér a memóriában ahelyett, hogy lassabb tárolóra kerülne.

Grace-től Veráig: mi változott

A Grace az Nvidia első komoly adatközponti CPU-ja volt, de készen kapott Arm-magokra épült — a cég a rendszerszintű integrációval, elsősorban a GPU-hoz kötő NVLink-kel tudott értéket adni. A Verával ez a viszony megfordult: az Olympus mag már saját fejlesztés, vagyis az Nvidia most először tervezi meg magát a végrehajtási egységet is arra a munkára, amit lát a saját rendszereiben.

A gyakorlati különbség a mérésekben látszik. A GTC „From Grace to Vera” szekciójában bemutatott 2,02-szeres gyorsulás a DCPerf videó-transzkódolási teszten nem AI-terhelés — épp ezért árulkodó: azt mutatja, hogy a Vera általános, adatközponti CPU-munkában is érdemi lépést tett előre, nem csak egy szűk, agentic profilra hangolták rá. Az FP8-támogatás ehhez azt teszi hozzá, hogy a CPU-oldalon is lehet alacsony pontosságú számításokat futtatni — például előfeldolgozásnál —, anélkül hogy minden ilyen lépésért a GPU-hoz kellene fordulni.

A teljesítményállítás — és amit még nem tudunk

Az Nvidia hivatalos állítása szerint a Vera akár 1,8-szor gyorsabb feladatteljesítést nyújt x86 CPU-khoz képest agentic AI, reinforcement learning és adatfeldolgozási munkaterhelés alatt — és ez a szorzó magonként is tartható. További két szám a GTC „From Grace to Vera” szekciójából: kétszeres teljesítmény/watt, illetve a DCPerf videó-transzkódolási teszten 2,02-szeres gyorsulás a Grace-hez képest.

Itt viszont fontos a fenntartás: ezek gyártói mérések. Független benchmark egyelőre nincs, és a StorageReview megfogalmazása szerint az elemzők kifejezetten „anxious to validate”, vagyis türelmetlenül várják, hogy hitelesíthessék az 1,8-szeres állítást. Az Nvidia eddig nem tett közzé hivatalos SPEC CPU 2026 összevetést az AMD Epyc 9755 (Turin) ellen — pedig pont ez lenne az a mérés, amiből ki lehetne olvasni a valós különbséget.

Hivatalos árat sem közölt a cég. Enélkül a teljesítmény/dollár mutató — ami egy adatközponti beszerzésnél legalább annyira számít, mint a nyers sebesség — egyelőre nem számolható ki.

Kik veszik meg, és mire

Az első vásárlói lista önmagában is beszédes: Anthropic, OpenAI, SpaceXAI, Oracle Cloud Infrastructure, AWS. Ezek nem kísérletező korai adaptálók, hanem azok a szereplők, akiknél az agentic munkaterhelés már ma is éles, nagy volumenű költség.

Az OCI terve a legkonkrétabb: a szolgáltató több százezer Vera CPU telepítését tervezi 2026-tól. A SpaceXAI 2026. augusztus 24-én bejelentett partnersége szerint a Grok következő generációját a Vera Rubin platformra építi — a felsorolt feladatok pontosan azt a profilt rajzolják ki, amire a chip készült: orchestráció, eszközhívás, kódfuttatás, adatfeldolgozás és szimuláció.

Egy dolgot érdemes külön kezelni a bejelentések körüli hírekben: a SpaceXAI tervei között szerepel egy orbitális adatközpont (Starmind) is, ahová Vera Rubin NVL72 rack kerülne. Ez azonban egyelőre forward-looking statement konkrét dátum nélkül — a most szállított hardver a földi adatközpontokba megy.

Kapcsolódó elemzésünk: Starcloud adatközpont: 250 millió dollár és Nvidia-tőke az űrbe

Mit jelent ez a gyakorlatban?

Fejlesztőknek. Ha agentic pipeline-t építesz, a lassulás jó eséllyel nem a modellnél van. Az orchestráció, a tool-calling, a reinforcement learning hurok, a sandboxban futó kód és a hosszú kontextusú állapotkezelés mind CPU-kötött lépés — és amíg ezek futnak, a drága GPU vár. A Vera ezt a várakozást rövidíti, ami a gyakorlatban magasabb GPU-kihasználtságot jelent. Mivel a chip Arm v9.2-kompatibilis, a meglévő szoftvered újrafordítással működni fog — a csúcsteljesítményhez viszont modern fordító és megfelelő optimalizálási flagek kellenek.

Cégeknek és felhőszolgáltatóknak. A hyperscalerek beszerzési döntése azt jelzi, hogy az agentic munkaterhelés az adatközponti gazdaságosság új szűk keresztmetszete lett. Az energiakorlátos AI-gyárakban a kétszeres teljesítmény/watt valószínűleg fontosabb érv lesz, mint a nyers sebesség: ahol a rendelkezésre álló megawatt a korlát, ott minden watt megtakarítás közvetlenül több elvégzett munka.

A piacnak. Az Nvidia a Grace-nél jóval ambiciózusabban lép be a CPU-piacra, saját maggal és saját architektúrával. A következő valódi ütközőpont a Vera kontra AMD „Venice” összevetés lesz — és az lesz az első alkalom, amikor a számokat nem csak a gyártó szolgáltatja.

Ha téged inkább az érdekel, hogyan használhatod ezt a réteget a saját munkádban, nem pedig az, milyen szilíciumon fut: nézd meg a Hogyan építs saját AI ügynököt kódolás nélkül (2026) útmutatónkat.

Összefoglaló

A Nvidia Vera CPU szállításának megkezdése konkrét hardver-mérföldkő: 88 mag, 176 szál, 227 milliárd tranzisztor és 1,5 TB memória socketenként, egy olyan processzorban, amelyet az Nvidia nyíltan az AI-ügynökök munkaterhelésére pozicionál. Az első darabok az Anthropichoz, az OpenAI-hoz, a SpaceXAI-hoz, az OCI-hoz és az AWS-hez mennek, az általános elérhetőség ősszel jön.

A nyitott kérdések ugyanakkor valósak: nincs független benchmark, nincs nyilvános ár, és nincs hivatalos SPEC CPU 2026 összevetés a legerősebb x86-riválissal. Az 1,8-szeres szorzó egyelőre gyártói szám. Az igazi teszt az ősz lesz — amikor a chip általánosan elérhetővé válik, és a független mérések végre elmondják, mennyi ebből a valóság.

Ha nem akarsz lemaradni a hasonló elemzésekről, iratkozz fel hírlevelünkre — hetente küldjük a lényeget.