英伟达不满足做GPU之王：自研CPU交付OpenAI，AI公司为什么集体造芯

昨天看到一条消息，愣了一下。英伟达，那个靠GPU打遍天下无敌手的公司，居然自己造CPU了，而且已经交付给了OpenAI、Anthropic和SpaceX。不是PPT，是量产。

这颗CPU叫Vera，88个Olympus核心，176线程，单核性能是传统x86的1.8倍，AI智能体任务综合性能提升约50%。内存带宽更夸张，1.2TB/s，传统DDR5服务器的两倍，功耗却不到一半。

说白了，英伟达不想只卖GPU了。它要做CPU+GPU+网络的全栈方案，直接卖"AI整机"。

为什么突然造CPU

这件事背后的逻辑其实不复杂。过去两年AI训练靠GPU堆算力，大家买H100、B200就像不要钱一样。但从2025年下半年开始，AI的重心从训练转向推理。训练是一次性的，推理是持续的，而且规模会越来越大。

推理场景对CPU的要求跟训练完全不同。几千个AI智能体同时运行，每个都在独立调用工具、执行任务，CPU如果跟不上，GPU再强也白搭。传统x86 CPU在单线程满载时性能拉胯，根本扛不住这种Agentic AI的工作负载。

这就是Vera的机会。它从设计之初就是为AI智能体优化的，满载下单核性能碾压x86，内存带宽翻倍。Wolfe Research预测，Vera芯片平均售价约5000美元，今年出货量130万颗。

不止英伟达，AI公司都在造芯

更有意思的是，不只是英伟达在动。DeepSeek刚被曝开启新一轮融资，投前估值710亿美元，涨了37%。但这笔钱不是拿来训练新模型的，而是建数据中心、造自己的ASIC推理芯片。

智谱也在做类似的事。OpenAI搞了Jalapeño芯片，Anthropic在评估自研方案，Meta推了Iris芯片。全球头部AI公司不约而同走向造芯。

原因很直接：当AI从训练驱动变成推理驱动后，每生成一个Token的成本，成了决定生死的关键。用别人的GPU太贵了，不如自己造。

对普通人意味着什么

可能你会觉得这些离自己太远。但其实影响已经开始传导了。推理成本的下降，直接意味着AI工具的定价会更便宜。去年用一次AI Agent可能要几块钱，今年可能只要几毛钱。

而且当推理不再是瓶颈，AI智能体的运行速度和稳定性会大幅提升。Cursor测试的Agent Swarm架构已经在4小时内通过80%的SQL测试套件，峰值提交速度每秒1000次。这种效率，一年前想都不敢想。

另外一个信号是，三星上个月成立了直属CEO的机器人事业部RX。英伟达从卖芯片到卖整机，三星从做手机到做人形机器人。2026年的AI竞争，已经不是比谁的模型参数大了，而是比谁的基础设施更完整。

小结

英伟达Vera的交付，不只是一颗新CPU上市的事。它标志着AI行业正式进入"全栈战争"时代。模型参数只是入场券，从芯片到推理到应用的完整链路，才是真正的护城河。

对开发者来说，好消息是成本在降、速度在升。对行业来说，洗牌才刚刚开始。谁能用最低的成本跑出最多的Token，谁就能活到下一轮。