CoreWeave 提供 NVIDIA Vera CPU：「第一颗为 AI 智能体设计的 CPU」开始进入云上生产

为什么一条硬件新闻谈的是 CPU 而不是 GPU。新闻稿给出的技术解释是：智能体 AI 通过一个持续的 AI 循环运转——运行、观察、整理、改进、评估。GPU 负责模型训练与推理，而 CPU 负责这个循环里每一步周围的活：隔离沙箱、强化学习环境、工具调用、代码执行、数据管道。而数据预处理管道与强化学习训练回合的需求是「突发且难以预测」的：循环里的某一步可能一小时内要几千个环境，下一次运行之前又几乎用不到什么。新闻稿由此推出结论：随着后训练与智能体负载增长，这些 CPU 密集型工作越来越决定这个循环能转多快。

具体的规格数字。新闻稿写明：CoreWeave 上的机架规模 Vera 在单个机架里提供 128 颗 CPU、11,264 个核心，配合 BlueField-4 DPU 与 Spectrum-X 以太网交换，为 Vera 节点之间提供安全、高性能的连接——这意味着可容纳 11,000 个以上的并发环境。运行方式上，新闻稿强调 Vera 在 CoreWeave 上与机队其余部分一致：裸金属（bare metal）、同一平台、同一消费模型与经济性。对运维来说，这句话的信息量其实大于核心数：新硬件没有带来一套新的采购和调度方式。

性能数字与它的口径。新闻稿写明：在测试中，CoreWeave 在 NVIDIA Vera CPU 上取得了 3 倍以上的智能体沙箱启动速度提升（相比 x86 CPU）。CoreWeave 产品与工程执行副总裁 Chen Goldberg 的说法是：通用型基础设施会成为智能体 AI 的瓶颈，Vera 是第一颗明确为此加速而设计的 CPU；他提到 CoreWeave Sandboxes 这类产品可以开箱即用地原生启用 Vera，团队能立刻拉起成千上万个隔离环境，「从第一天起就加速整个 AI 循环」，去掉运营摩擦。这一段的数字是厂商自己给出的测试结果，新闻稿没有附独立基准报告。

新闻稿还引了一位第三方人士，讲的是趋势判断而不是跑分。Signal65 总裁兼总经理 Ryan Shrout 的说法是：关于 AI 基础设施的讨论一直集中在加速器上，而智能体系统正在改变这一点——每一次智能体循环里，CPU 工作所占的比例正在上升，并且随着后训练与智能体部署扩大，这个比例只会继续提高。他还把落点放在了外围平台上：决定团队能否用上这些产能的是平台；而「把它跑在裸金属上、跑在训练机队旁边、跑在已有的编排之下」，正是运营差异体现出来的地方。

把这条新闻放回更长的线里，有两种读法。第一种是硬件侧的：过去两年 AI 基建的关键词是 GPU 与机架级互联，而「智能体循环里 CPU 占比上升」这个判断如果成立，会让 CPU 从配套件变成瓶颈件——CoreWeave 这篇新闻稿本身就是按这个论点写的。第二种是采购侧的：新闻稿同时强调 MLPerf 推理与训练成绩，以及 SemiAnalysis ClusterMAX 评级，这是云厂商在「智能体工作负载」这个新叙事里争抢的位置。需要留意的是，新闻稿里的规格与性能对比来自 CoreWeave 自己的测试与其引述的第三方观点，而不是独立基准评测。

最后说一句该怎么读。目前公开的内容有明确边界：已确认的是 CoreWeave 将提供 NVIDIA Vera CPU、机架规格数字、BlueField-4 与 Spectrum-X 的搭配、11,000 个以上并发环境的目标，以及「沙箱启动快 3 倍以上」这一测试结果；没有确认的是何时全面可用、按什么计费，以及在真实客户工作负载上的表现。判断这类新闻的价值，看的是它有没有改变你算成本的方式——如果一次智能体任务里「起环境」的时间和钱开始和「跑模型」相当，那才是真正的转折点。