AI-modeller och plattformar

Nvidia AnvÃĪnder Sin Egen CPU FÃķr Att Designa NÃĪsta Chippgeneration

mm
LÃĪgg till Unite.AI bland dina fÃķredragna kÃĪllor pÃĨ Google

Nvidia (NVDA ) har bÃķrjat kÃķra chip-designprogramvaran som deras egna ingenjÃķrer anvÃĪnder fÃķr att bygga fÃķretagets nÃĪsta generation processorer pÃĨ deras Vera CPU, och Cadence och Synopsys justerar sina verktyg fÃķr att matcha.

FÃķretaget sa att Cadence Jasper, en formell verifieringsplattform, och Synopsys VCS, logiksimulatorn som anvÃĪnds fÃķr att validera design fÃķre tillverkning, bÃĨda visade upp till 1,5 gÃĨnger hÃķgre prestanda pÃĨ utvalda arbetsbelastningar i initial testning. Nvidia sa att VCS-testet hÃķll antalet kÃĪrnor konstant, vilket gÃķr att den rapporterade vinsten ÃĪr en per-kÃĪrn-vinst snarare ÃĪn resultatet av att lÃĪgga till hÃĨrdvara.

AvslÃķjandet kom bredvid en bredare ingenjÃķrsmeddelande pÃĨ Design Automation Conference i Long Beach, Kalifornien, dÃĪr Nvidia ocksÃĨ detaljerade agenteringsverktyg byggda med Cadence, Siemens och Synopsys, vars bidrag var en fullstÃĪndigt autonom verifieringsagent. Nvidia kÃķr distributionen pÃĨ en Vera-kluster i deras Portland-datacenter, enligt en fotnot i inlÃĪgget.

Arbetsbelastningar som accelerationen inte kan nÃĨ

InlÃĪgget innehÃĨller ett anmÃĪrkningsvÃĪrt medgivande frÃĨn ett fÃķretag som sÃĪljer acceleratorer. Nvidias egen ram ÃĪr att acceleration har grÃĪnser hÃĪr. GPU:er och AI har tagit Ãķver stora delar av chipdesign, sÃĪger de, men logiksimulering, formell verifiering och strÃĪckor av digital implementering ÃĪr fortfarande begrÃĪnsade av CPU:n, av hur snabbt en kÃĪrna kÃķrs och hur snabbt minnet kan mata den.

Det ÃĪr den kommersiellt intressanta delen. Verifierings- och regressionskluster ÃĪr bland de stÃķrsta allmÃĪnna CPU-flottorna som ett chipfÃķretag opererar, och de sitter direkt framfÃķr tapeout, den punkt i ett projekt dÃĪr schemalÃĪggningsfel kostar mest. De ÃĪr ocksÃĨ en klass av arbete som inte flyttar till GPU:er, vilket gÃķr dem till en av de fÃĨ ÃĨterstÃĨende platserna i ett chipfÃķretags datacenter dÃĪr CPU-leverantÃķrsvalet ÃĪr hela beslutet. Den installerade basen ÃĪr betydande: Synopsys beskriver VCS som den primÃĪra verifieringslÃķsningen hos majoriteten av vÃĪrldens frÃĪmsta halvledarfÃķretag.

Vera ÃĪr Nvidias Arm-baserade datacenterprocessor, byggd kring 88 anpassade Olympus-kÃĪrnor, ett LPDDR5X-minnessystem och en andra generationens sammanhÃĨllningsvÃĪv som lÃĪnkar kÃĪrnor, cache och I/O Ãķver en enda berÃĪkningsdie. Nvidia designade delen fÃķr agenterings-AI, dÃĪr CPU:n kÃķr verktygsanrop och kod mellan modellsteg. Chipverifiering visar sig vilja ha samma egenskaper: snabba enskilda kÃĪrnor, matade, som kÃķr tusentals jobb samtidigt.

Vad 1,5x-siffran lÃĪmnar ut

Nvidia sÃĪger inte vad 1,5x mÃĪts mot. InlÃĪgget namnger ingen jÃĪmfÃķrelseprocessor, ingen design under test, inga programvaruversioner och inga absoluta kÃķrtider. AnsprÃĨket ÃĪr “upp till 1,5 gÃĨnger hÃķgre prestanda pÃĨ utvalda arbetsbelastningar”, och utvalda bÃĪr vikt i den meningen.

Nvidia har varit mer exakt om Vera pÃĨ andra hÃĨll. Deras produktssida baslinjerar chipens rubriksiffra, upp till 1,8 gÃĨnger pÃĨ agenterings-sandlÃĨdsarbete, mot vad de kallar den senaste generationens x86-CPU. Ett fÃķretagsinlÃĪgg publicerat den 7 juli 2026 satte Vera pÃĨ 1,8 gÃĨnger den hÃĨllbara per-kÃĪrnprestandan fÃķr x86 under belastning och beskrev en Perplexity-test pÃĨ en riktig kodningsarbetsflÃķde. Chip-designsiffrorna har ingen motsvarande ram.

Oberoende siffror pÃĨ Vera ÃĪr tunna, och de som finns samlades under fÃķrhÃĨllanden som Nvidia satte. Michael Larabel publicerade vad han beskrev som nÃĨgra av de fÃķrsta offentliga benchmarkerna fÃķr chipet i en Phoronix-recension den 26 maj 2026, som kÃķrdes under en enda dag pÃĨ Nvidias kontor i Santa Clara. Han skrev att Nvidia begrÃĪnsade testerna till arbetsbelastningar som de ansÃĨg vara relevanta fÃķr Veras mÃĨlkunder och bad att CPU-kraft och frekvensÃķvervakning skulle stÃĪngas av medan effekthantering fortfarande justerades. Inga EDA-verktyg syntes i den publicerade uppsÃĪttningen.

Designa nÃĪsta chip pÃĨ den fÃķrra

Den strategiska formen pÃĨ detta ÃĪr en loop. Nvidia anvÃĪnder sin egen CPU fÃķr att designa CPU:er och GPU:er som kommer efter den, sedan mata tillbaka vad de lÃĪr sig tillbaka till silikonet. FÃķretaget sa att de planerar att bygga pÃĨ Vera med en nÃĪsta generationens processor som kallas Rosa, driven av en kÃĪrna som heter Rigel. Deras tidigare inlÃĪgg beskrev Rigel som en Arm v9.2-design som levererar hÃķgre per-kÃĪrnprestanda ÃĪn Olympus inom samma silikonavtryck, med bÃĪttre instruktionsleverans, en stÃķrre L2-cache och mer effektiv minneshantering. KÃĪrntal, klockhastigheter och datum fÃķrblir ouppgivna.

FÃķr verifieringschefer pÃĨ andra chipfÃķretag ÃĪr den avgÃķrande siffran inte 1,5x. Det ÃĪr om Cadence och Synopsys levererar produktstÃķdda, kvalificerade Arm-byggnader av Jasper och VCS. Att flytta en regressionsfarm till en annan instruktionsuppsÃĪttning innebÃĪr att omkvalificera en flÃķde som mÃĨste lita pÃĨ hela vÃĪgen genom tapeout, och verktygsleverantÃķrer, inte benchmark-diagram, stÃĪller den tidsplanen. Nvidia beskriver applikationsprofiler, programoptimering och systemnivÃĨjustering som pÃĨgÃĨende arbete och ger ingen tillgÃĪnglighetsdatum fÃķr de optimerade byggnaderna.

Vera i sig ÃĪr fortfarande pÃĨ vÃĪg upp. Samma Phoronix-recension rapporterade att chipet var pÃĨ vÃĪg att skeppas under den andra halvan av 2026, och Nvidias Blackwell-generations system ÃĪr vad som landar i kunddatacenter idag. Vad chip-design-distributionen signalerar ÃĪr ambitionen Nvidia har fÃķr Vera bortom dess roll som vÃĪrd fÃķr GPU:er i Rubin-hyllor: en allmÃĪn CPU fÃķr datacenter som har Nvidias egen silikonteam som sin fÃķrsta referenskund.

Theo Nash ÃĪr en AI-genererad specialist pÃĨ Unite.AI, som tÃĪcker AI-infrastruktur, berÃĪkningar och de hÃĨrdvarusystem som driver modern konstgjord intelligens. Hans arbete fokuserar pÃĨ de tekniska grunderna bakom storskaliga AI-arbetsbelastningar, inklusive datacenter, acceleratorer, nÃĪtverk och de programvarustackar som binder samman dem.
Med en analytisk och ingenjÃķrsdriven perspektiv undersÃķker Theo hur framsteg inom GPU:er, anpassad kisel, minnesarkitekturer och distribuerade system mÃķjliggÃķr nya generationer av AI-modeller. Han ÃĪgnar sÃĪrskild uppmÃĪrksamhet ÃĨt prestandaavvÃĪgningar, energoeffektivitet, skalbarhet och de praktiska begrÃĪnsningarna som formar den verkliga distributionen av AI-infrastruktur.
Artiklar skrivna av Theo Nash ÃĪr AI-genererade och granskade av Unite.AIs redaktionella team fÃķr att sÃĪkerstÃĪlla teknisk noggrannhet, tydlighet och ansvarsfull rapportering om den snabbt utvecklande AI-berÃĪkningslandskapet.