Partnerskap

SpaceXAI plasserer NVIDIAs Vera-CPU i sentrum av gigawatt-skala oppbygging

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

SpaceXAI vil sette i drift NVIDIAs Vera-CPU-er for å håndtere den CPU-intensive jobben bak neste generasjon av agentisk AI‑applikasjoner, og utvide en AI‑infrastrukturoppbygging bak sine Grok‑modeller som selskapet sier skalerer mot gigawatt med beregningskapasitet, NVIDIA kunngjorde 24. august 2026.

Avtalen går utover jordbaserte datasentre. SpaceXAI planlegger å basere sin første generasjons Starmind AI‑satellitt på et optimalisert NVIDIA Vera Rubin NVL72 rack‑scale‑system, og tar den samme arkitekturen som driver deres jordbaserte AI‑fabrikker inn i bane.

Kunngjøringen er en CPU‑historie, noe som gjør den uvanlig i en bransje som måler alt i GPU‑er. Agentisk AI‑arbeidsbelastninger — systemer som handler i stedet for bare å generere svar — stoler tungt på konvensjonelle prosessorer for å orkestrere verktøy, kjøre kode, behandle data og simulere mellom modell‑kall. Når disse CPU‑ene henger etter, sitter GPU‑ene de mater stående tomme. Det er flaskehalsen NVIDIA bygde Vera for å angripe.

«Agentisk AI krever en ny type datasystem — et som ikke bare er bygget for å generere svar, men for å handle», sa Ian Buck, NVIDIAs visepresident for hyperskala og høyytelses‑databehandling, i kunngjøringen. «SpaceXAI tar denne arkitekturen fra massive AI‑fabrikker til neste frontlinje for beregning i bane.»

«Vera gir oss CPU‑ytelsen og minnebåndbredden som trengs for å kjøre enorme mengder orkestrering, kode‑ og databehandling mens GPU‑ene får gjøre det de gjør best», sa Mike Nicolls, president i SpaceXAI, i samme pressemelding.

Hva Vera bringer til racken

Vera er NVIDIAs første CPU som er designet fra grunnen av for agentisk AI i stedet for å bli tilpasset fra generelle server‑deler. Den har 88 tilpassede Olympus‑kjerner med NVIDIAs Spatial Multithreading‑teknologi, som skaper 176 tråder med partisjonerte kjerne‑ressurser, og den pares med høy‑båndbredde LPDDR5X‑minne som leverer opptil 1,2 terabyte per sekund i båndbredde. NVIDIA sier at kombinasjonen fullfører oppgaver opptil 1,8 ganger raskere enn x86‑CPU‑er på agentisk AI, forsterknings‑læring og databehandlings‑arbeidsbelastninger, og opptil 80 prosent raskere i sandbox‑miljøer spesielt, ifølge selskapets produktdokumentasjon.

Minne‑undersystemet er der arkitekturen avviker mest fra x86‑standarden. Vera bruker LPDDR5X på avtakbare, felterstatte SOCAMM‑moduler i stedet for konvensjonell DDR5, som NVIDIA sier gir dobbelt så høy båndbredde og tre ganger så høy båndbredde per kjerne sammenlignet med ledende x86‑CPU‑er, samtidig som den trekker omtrent halvparten av strømmen. Brikken støtter opptil 1,5 terabyte minne per sokkel, og en andre‑generasjons on‑die‑fabric kobler alle 88 kjerne‑ene med 3,4 TB/s biseksjons‑båndbredde, og unngår den kryss‑chiplet‑latensen som plager fler‑die‑server‑CPU‑er. Et NVLink‑C2C‑grensesnitt gir opptil 1,8 TB/s koherent båndbredde mellom Vera‑CPU‑er og NVIDIAs Rubin‑GPU‑er.

Som en frittstående plattform integrerer Vera‑CPU‑racken opptil 256 Vera‑CPU‑er i et tett, væskekjølt chassis og støtter mer enn 22 500 samtidige sandbox‑miljøer: de isolerte programvare‑containerne hvor agenter kjører kode, kaller verktøy og itererer gjennom evaluerings‑sløyfer. I agentiske systemer kan hver resonnerings‑syklus spawne tusenvis av slike miljøer; CPU‑flåten som hoster dem setter i praksis taket for gjennomstrømning i hele AI‑fabrikken.

Starmind‑utvidelsen

SpaceXAI sine orbital‑ambisjoner gir distribusjonen en annen dimensjon. Selskapet utvikler AI‑databehandlings‑infrastruktur for bane, hvor strømforsyning, termisk styring, båndbredde, pålitelighet og fysisk integrasjon pålegger begrensninger som ingenting ligner på et jordbasert datasenter. Den planlagte første‑generasjons Starmind AI‑satellitten vil bli bygget på et optimalisert Vera Rubin NVL72‑system (rack‑scale‑plattformen som kombinerer 72 Rubin‑GPU‑er med 36 Vera‑CPU‑er, ConnectX‑9 SuperNIC‑er og BlueField‑4‑databehandlings‑enheter, koblet sammen av sjette‑generasjons NVLink‑svitsjer).

NVIDIA og SpaceXAI sa at de arbeider med å tilpasse den plattformen til orbital‑kravene samtidig som de bevarer en felles arkitektur og programvare‑økosystem på tvers av jord‑ og rom‑distribusjoner.

Én arkitektur, gigawatt med kapasitet

For SpaceXAI konsoliderer Vera‑adopsjonen beregningsstakken på én leverandørs arkitektur mens den skalerer. SpaceXAI utvider sin AI‑infrastruktur bak Grok på NVIDIA Vera Rubin‑plattformen mens den vokser mot gigawatt med beregningskapasitet, en enhet som seriøs AI‑infrastruktur nå måles i. Vera Rubin‑plattformen gir dem et felles fundament på tvers av trening, resonnering og inferens, med kode‑design på beregning, nettverk og programvare via NVLink‑interconnects, Spectrum‑X Ethernet‑nettverk og BlueField‑databehandling.

NVIDIA får på sin side en flaggskip‑distribusjon for en produktlinje de lanserte spesifikt for å fange CPU‑siden av den agentiske AI‑oppbyggingen. Selskapet har beskrevet Vera som den første CPU‑en bygget for AI‑agenter, og SpaceXAI slutter seg til Anthropic, OpenAI og Oracle Cloud Infrastructure blant de tidlige produksjons‑distribusjonene NVIDIA har navngitt for delen.

Økonomien er poenget. NVIDIA markedsfører Vera Rubin med løftet om flere token per watt og lavere kostnad per token enn Blackwell, så raskere CPU‑orkestrering som holder GPU‑ene i bruk oversettes direkte til mer output per watt. Når SpaceXAI vokser mot gigawatt med beregningskapasitet, forsterkes den effektivitets‑matematikken. NVIDIA har promotert Vera Rubin‑plattformen akkurat på dette grunnlaget: flere token per watt og lavere kostnad per token enn den tidligere Blackwell‑arkitekturen.

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.