- خانه
- سختافزار و تراشههای هوش مصنوعی
- CPU NVIDIA Vera بالاترین توان عملیاتی و سریعترین عامل ها را ارائه می دهد
CPU NVIDIA Vera بالاترین توان عملیاتی و سریعترین عامل ها را ارائه می دهد
انویدیا CPU Vera را معرفی کرد و ادعا کرد که بالاترین توان عملیاتی و سریعترین اجرا را ارائه میکند در حالی که 1.6× انرژی کمتری نسبت به CPUهای برتر x86 مصرف میکند و ارائهدهندگان زیرساخت هوش مصنوعی را هدف قرار میدهد.

ترجمه خودکار. خواندن متن اصلی (English)
در این مقاله
NVIDIA CPU Vera را در 5 نوامبر 2026 رونمایی کرد که نوید بالاترین توان عامل و سریعترین اجرا را برای بارهای کاری هوش مصنوعی می دهد. این اعلامیه ارائه دهندگان زیرساخت هوش مصنوعی را هدف قرار می دهد که نیاز به اجرای کارآمد بسیاری از عوامل دارند.
نکات کلیدی
- Vera سرعت عامل بالاتر را با بهره وری انرژی در یک CPU واحد ترکیب می کند.
- در آزمایش مرکز داده 100 مگاواتی، Vera از سریعترین و کارآمدترین پردازندههای x86 بهتر عمل کرد.
- استفاده کنندگان اولیه مانند Perplexity و DeepInfra افزایش سرعت 1.5-2.2× را گزارش کردند.
آنچه NVIDIA اعلام کرد
در 5 نوامبر 2026، NVIDIA CPU Vera را معرفی کرد، پردازنده ای که برای "کارخانه های AI" طراحی شده است که تعداد زیادی عامل هوش مصنوعی را اجرا می کند. این شرکت میگوید این تراشه بالاترین توان عملیاتی در هر وات را در بین CPUها و سریعترین اجرای عامل را ارائه میکند و آن را به عنوان یک راهحل تکبخشی برای بارهای کاری مختلف عامل قرار میدهد.
به گفته انویدیا ورا چگونه کار می کند
CPU Vera برای مدیریت مراحل وابسته به CPU عوامل هوش مصنوعی-جستجو، پرس و جوهای پایگاه داده، تولید کد، آزمایش و اجرای اقدام ساخته شده است. NVIDIA مشکل را به عنوان تعادل بین استدلال GPU و اجرای CPU قاب بندی می کند و خاطرنشان می کند که عوامل دائماً بین این دو جابجا می شوند. با بهینه سازی سمت CPU برای سرعت و قدرت، Vera می تواند عوامل بیشتری را به طور همزمان بدون افزایش تاخیر اجرا کند.
تصویر بزرگ: ادعای Vera مبنی بر 1.6× عامل بیشتر در هر وات، به جای اختلاط قطعات x86 سریع و متراکم، تغییر به سمت یکپارچگی بارهای کاری روی یک CPU واحد و با راندمان بالا نشان می دهد.
آنچه واقعاً جدید است
بیانیه مطبوعاتی دو پیشرفت ملموس را نسبت به ارائههای موجود x86 نشان میدهد. اولاً، ظاهراً Vera 1.6 برابر بیشتر از سریعترین CPU x86 در هر وات عامل ارائه میکند و دوم، سرعت عامل را در مقایسه با با صرفهترین CPU x86، 2× سریعتر ارائه میدهد. این شرکت این ارقام را با مقایسه مرکز داده 100 مگاواتی که یک تراشه Vera را در مقابل رهبران x86 متمرکز بر سرعت و بازده متمرکز قرار می دهد، پشتیبانی می کند.
چرا برای ارائه دهندگان زیرساخت هوش مصنوعی مهم است
مطالعه ما: اگر اعداد عملکرد و کارایی پابرجا باشند، ارائهدهندگان میتوانند پشتههای سختافزاری خود را سادهتر کنند و به جای استفاده از چندین بخش x86، یک نوع CPU را خریداری کنند. این ممکن است پیچیدگی تدارکات و کاهش هزینه های کلی انرژی را کاهش دهد، که محدودیت های حیاتی در استقرار هوش مصنوعی در مقیاس بزرگ است.
محدودیت ها و مجهولات
پست وبلاگ نتایج معیار مستقل شخص ثالث را ارائه نمی کند، همچنین مشخصات دقیق سیلیکون، قیمت، یا جدول زمانی در دسترس بودن را فاش نمی کند. همچنین اطلاعاتی در مورد پشتیبانی اکوسیستم نرم افزاری فراتر از حکایات اولیه پذیرش ندارد.
غذای آماده عملی
برای پیگیری مطالعات موردی مرکز داده و هرگونه قیمت گذاری یا تاریخ در دسترس بودن اعلام شده از NVIDIA مراقب باشید. ارائهدهندگان باید معیارهای ادعا شده Vera را با نمایههای حجم کاری خودشان قبل از تعهد به خرید سختافزار مقایسه کنند.
منبع: وبلاگ NVIDIA. این مقاله گزارش آنها را خلاصه و توضیح می دهد.
CPU Vera: سوالاتی که خوانندگان می پرسند
CPU Vera چه دستاوردهایی نسبت به CPUهای x86 دارد؟
انویدیا میگوید که Vera 1.6 برابر بیشتر در هر وات را در مقابل سریعترین پردازنده x86 فعال میکند و سرعت عامل را در مقایسه با بازدهترین CPU x86 2× سریعتر ارائه میکند، با حجم کاری خاص که تا 2.2× سرعت بهبود یافته است.
کدام شرکا نتایج اولیه را با Vera گزارش کرده اند؟
پذیرندگان اولیه ذکر شده عبارتند از Perplexity، DeepInfra، ClickHouse، DuckLabs، Daytona، Modal، و The Wizard of Open Weights، همه سرعت گزارش یا افزایش مقیاس در تستهای سبک تولید.
منابع و جزئیات مقاله
- گزارش اصلی: وبلاگ NVIDIA (5 نوامبر 2026)
- نوشته شده توسط: مدیران · منتشر شده: 5 نوامبر 2026
- نحوه کار ما: این توضیح دهنده با هوش مصنوعی از منبع بالا تهیه شده است و هر ادعا قبل از انتشار در برابر آن بررسی می شود. تجزیه و تحلیل برچسب گذاری شده است.
- اصلاحات: خطایی پیدا کردید؟ ایمیل [email protected] و ما آن را تعمیر خواهیم کرد.