輝達 (NVDA-US) 和 AMD(AMD-US) 正在爭的，不只是誰的 CPU 更快，而是誰來定義 AI 時代 CPU 的評判標準。
《華爾街見聞》報導，輝達近日對外披露了 Vera CPU 架構的最詳細技術細節。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。輝達的核心論點是：AI Agent 的工作方式是 CPU 與 GPU 反覆交互——工具調用、代碼執行、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 的響應效率。
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 的發布為行業引入了一個新的評估框架：「規模化下的最大單線程性能」。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：「Agent AI 究竟是被單任務完成時間卡住，還是被單機架能跑多少併發任務卡住？」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平擴大約 4 倍，達到 1,700 億美元。這不是存量競爭，而是一塊正在成形的增量市場，誰先建立行業認可的性能評估標準，誰就掌握了定價權和敘事權。
輝達對 Agent 工作流的描述很具體：一個 Agent 在完成任務過程中，CPU 和 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，單核性能不是參數表上的一個數字，而是直接影響 GPU 利用率的關鍵變量——CPU 越快，GPU 等待的時間越短，整個系統的資源利用效率越高。即單核越快，整條鏈路的響應速度就越快。
Vera 還有一個設計選擇值得關注：輝達選擇了單一計算裸片（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足夠深。
此外，Vera 並非孤立產品，而是輝達整個 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／網卡協同工作。這種系統級整合是輝達在單一硬體比較之外的真正護城河。
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散式軟體平台。在這種場景下，瓶頸不是單任務的完成速度，而是固定功耗預算內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輝達 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。
CPU 架構之爭還延伸到了指令集層面。
輝達選擇 ARM 架構，其隱含立場是：只要微架構足夠優秀，指令集兼容性可以退居次要位置。但 AMD 和英特爾大概率會在週四之後持續強調另一面——AI 正在從模型推理擴展進入企業軟體工作流，而企業軟體棧在資料庫、中介軟體、安全平台、企業應用等層面已經在 x86 生態上積累了幾十年的優化、驗證和兼容性。
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性能更難被替代。輝達能否用 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。
下一個 CPU KPI 由誰來定？
兩套框架，兩套 KPI，本質上是兩家公司在爭奪行業敘事的主導權。
輝達的框架圍繞延遲、單線程進度、GPU 利用率建立。AMD 的框架圍繞併發、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資料壓倒對手，而在於說服行業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 1,700 億美元的市場裡拿到定價權。
美銀對輝達股票維持買入評級，目標價 350 美元。
