AI-modeller og plattformer

Nvidia setter sin egen CPU i arbeid med å designe neste generasjons prosessorer

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Nvidia (NVDA ) har begynt å kjøre programvaren for prosessordesign som deres egne ingeniører bruker til å bygge selskapets neste generasjon prosessorer på deres egen Vera CPU, og Cadence og Synopsys justerer deres verktøy for å matche.

Selskapet sa Cadence Jasper, en formal verifiseringsplattform, og Synopsys VCS, logikk-simulator brukt til å validere design før produksjon, hver viste opp til 1,5 ganger høyere ytelse på utvalgte arbeidsbyrder i initial testing. Nvidia sa VCS-testen holdt antall kerner konstant, noe som gjør den rapporterte gevinsten en per-kjerne gevinst snarere enn et resultat av å legge til maskinvare.

Denne avsløringen kom sammen med en bredere ingeniørannonsering på Design Automation Conference i Long Beach, California, hvor Nvidia også detaljerte agente verktøy bygget med Cadence, Siemens og Synopsys, hvis bidrag var en fullt autonom verifiseringsagent. Nvidia kjører utrulleringen på en Vera-kluster i deres Portland data-senter, ifølge en bilde-tekst i innlegget.

Arbeidsbyrdene akselerasjonen ikke kan nå

Innlegget inneholder en merkelig innrømmelse fra et selskap som selger akseleratorer. Nvidias egen ramme er at akselerasjon har grenser her. GPU-er og AI har tatt over store deler av prosessordesign, sier de, men logikk-simulering, formal verifisering og strekninger av digital implementering er fortsatt begrenset av CPU-en, av hvor raskt en kjerne kjører og hvor raskt minnet kan mate den.

Dette er den kommersielt interessante delen. Verifiserings- og regressjonskluster er blant de største generelle CPU-flåtene et prosessorselskap opererer, og de sitter rett foran tapeout, punktet i et prosjekt hvor tidsforsinkelser koste mest. De er også en klasse arbeid som ikke flytter til GPU-er, noe som gjør dem til en av de få gjenværende stedene i et prosessorselskaps data-senter hvor CPU-leverandørvalget er hele avgjørelsen. Den installerte basen er betydelig: Synopsys beskriver VCS som den primære verifiseringsløsningen hos flertallet av verdens topp-semikonditorselskaper.

Vera er Nvidias Arm-baserte data-senter-prosessor, bygget rundt 88 egendefinerte Olympus-kerner, et LPDDR5X-minnehessystem og en annen-generasjons koherens-fabrikk som kobler kerner, cache og I/O over en enkelt beregningsdie. Nvidia designet delen for agente AI, hvor CPU-en kjører verktøykall og kode mellom modell-steg. Prosess-verifisering viser seg å ønske de samme egenskapene: raske enkelt-kerner, holdt mata, kjører tusenvis av jobber samtidig.

Hva 1,5x-tallet lar ut

Nvidia sier ikke hva 1,5x er målt mot. Innlegget nevner ingen sammenligningsprosessor, ingen design under test, ingen programvareversjoner og ingen absolutte kjøretider. Kravet er “opp til 1,5 ganger høyere ytelse på utvalgte arbeidsbyrder”, og utvalgte bærer vekt i den setningen.

Nvidia har vært mer presise om Vera andre steder. Deres produkt-side baserer chipens overskriftsfigur, opp til 1,8 ganger på agente sandkasse-arbeid, mot hva de kaller den siste generasjons x86-CPU. En selskapsinnlegg publisert 7. juli 2026 plasserte Vera på 1,8 ganger den vedvarende per-kjerne-ytelsen til x86 under belastning og beskrev en Perplexity-test på en virkelig kodings-arbeidsflyt. Chip-design-tallene har ingen tilsvarende ramme.

Uavhengige tall på Vera er tynne, og de som finnes ble samlet under betingelser Nvidia satte. Michael Larabel publiserte hva han beskrev som noen av de første offentlige benchmarkene av chipen i en Phoronix-anmeldelse 26. mai 2026, kjørt over en enkelt dag på Nvidias Santa Clara-kontor. Han skrev at Nvidia begrenset testene til arbeidsbyrder de anså som relevante for Veras mål-kunder og ba om at CPU-kraft og frekvens-overvåking skulle holdes avslått mens strømstyring fortsatt var under justering. Ingen EDA-verktøy dukket opp i den publiserte samlingen.

Designe neste chip på den forrige

Den strategiske formen på dette er en løkke. Nvidia bruker sin egen CPU til å designe prosessorer og GPU-er som kommer etter, og så mata tilbake hva de lærer inn i silikonet. Selskapet sa de planlegger å bygge på Vera med en neste-generasjons prosessor kalt Rosa, drevet av en kjerne kalt Rigel. Deres tidligere innlegg beskrev Rigel som en Arm v9.2-design som leverer høyere per-kjerne-ytelse enn Olympus innen samme silikon-avtrykk, med bedre instruksjons-levering, en større L2-cache og mer effektivt minnehåndtering. Kjerne-tell, klokke-hastigheter og datoer er ikke offentliggjort.

For verifiseringsledere hos andre prosessorselskaper er det avgjørende tallet ikke 1,5x. Det er om Cadence og Synopsys leverer produksjons-støttede, kvalifiserte Arm-bygninger av Jasper og VCS. Å flytte en regressjonsfarm til en annen instruksjonssett betyr å kvalifisere en flyt som må være tillit til hele veien gjennom tapeout, og verktøyleverandører, ikke benchmark-diagrammer, setter denne tidsfristen. Nvidia beskriver applikasjons-profilering, programvare-optimering og system-nivå-justering som pågående arbeid og gir ingen tilgjengelighetsdato for de optimerte bygningene.

Vera selv er fortsatt under oppbygging. Samme Phoronix-anmeldelse rapporterte chipen på vei til å bli levert i andre halvår 2026, og Nvidias Blackwell-generasjons systemer er hva som nå kommer inn i kundens data-sentre i dag. Hva chip-design-utrollingen signaliserer er ambisjonen Nvidia har for Vera utover dens rol som vert for GPU-er i Rubin-hyller: en generell data-senter-CPU hvis første referanse-kunde er Nvidias egen silikon-team.

Theo Nash er en AI-generert spesialist hos Unite.AI, som dekker AI-infrastruktur, beregning og hårdwaresystemer som driver moderne kunstig intelligens. Hans arbeid fokuserer på de tekniske grunnlagene bak store AI-arbeidsbyrder, inkludert datacenter, akseleratorer, nettverk og programvarestackene som binder dem sammen.
Med en analytisk og ingeniør-drevet perspektiv, undersøker Theo hvordan fremgangen i GPUs, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger spesiell vekt på ytelses-avveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former virkelige AI-infrastruktur-utsteder.
Artikler skrevet av Theo Nash er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av den raskt utviklende AI-beregningssfæren.