Процессор NVIDIA Vera показал пропускную способность памяти и производительность, подходящие для агентных AI

Первые публичные результаты тестирования показали: процессор Vera соответствует ключевым требованиям для работы агентных AI-высокая пропускная способность памяти и способность удерживать близкую к пиковым значениям производительность при одновременной загрузке всех ядер. Это важно потому, что архитектуры, ориентированные на агентные системы, зависят не только от пиковых вычислительных возможностей, но и от устойчивой пропускной способности и предсказуемых задержек при параллельных рантаймах, песочницах и множественных вызовах сервисов данных.

Аппаратная платформа Vera базируется на 88 пользовательских CPU‑ядрах Olympus с совместимостью набора инструкций Armv9.2; это монолитная кристаллическая компоновка с широкими ядрами и вторым поколением Scalable Coherency Fabric на одном чипе. Для снижения энергопотребления в подсистеме памяти использована LPDDR5X второй генерации; платформа специально ориентирована на последовательную и ветвистую вычислительную нагрузку — рантаймы, песочницы, обработку данных и оркестровку сервисов, где критичны потоковая пропускная способность и стабильность задержек.

В практических замерах одна сокет‑платформа Vera с тепловым дизайном 450 Вт и потреблением подсистемы памяти менее 30 Вт показала высокий уровень эффективности. В тесте STREAM TRIAD Vera сохраняла примерно 90% от пиковой пропускной способности и заняла наибольшую долю от номинального пика среди протестированных CPU; по пропускной способности на ядро она превзошла традиционные x86‑процессоры в выборке более чем в 4×. По геометрическому среднему Vera опережает предшествующую архитектуру Grace примерно в 1,6×. Автор тестов отметил также, что использование LPDDR5X даёт «невероятное преимущество» в энергоэффективности памяти по сравнению с DDR5.

Для инженеров и разработчиков это означает, что Vera предлагает сочетание пропускной способности и предсказуемости задержек, требуемое для параллельных песочниц, одновременных вызовов инструментов и сервисов данных, которые составляют операционную «фабрику» агентных AI-от компиляции и выполнения рантаймов до сжатия данных и обращений к базам данных. Вместе с тем публиковавшаяся подборка бенчмарков — первая, ориентированная на такие сценарии; для полного понимания поведения платформы в реальных развертываниях всё ещё нужны более широкие и независимые тесты по дополнительным рабочим наборам.