- หน้าแรก
- ฮาร์ดแวร์และชิป AI
- NVIDIA Vera CPU ให้ปริมาณงานสูงสุดและเอเจนต์ที่เร็วที่สุด
NVIDIA Vera CPU ให้ปริมาณงานสูงสุดและเอเจนต์ที่เร็วที่สุด
NVIDIA ประกาศ Vera CPU โดยอ้างว่าให้ปริมาณงานเอเจนต์สูงสุดและการดำเนินการที่เร็วที่สุด ในขณะที่ใช้พลังงานน้อยกว่าซีพียู x86 ชั้นนำถึง 1.6 เท่า โดยมุ่งเป้าไปที่ผู้ให้บริการโครงสร้างพื้นฐาน AI
แปลอัตโนมัติ อ่านต้นฉบับ (English)
ในบทความนี้
NVIDIA เปิดตัว Vera CPU ในวันที่ 5 พฤศจิกายน 2569 โดยสัญญาว่าจะมีปริมาณงานของเอเจนต์สูงสุดและการดำเนินการที่รวดเร็วที่สุดสำหรับเวิร์กโหลด AI การประกาศดังกล่าวมุ่งเป้าไปที่ผู้ให้บริการโครงสร้างพื้นฐาน AI ที่ต้องการเรียกใช้ตัวแทนจำนวนมากอย่างมีประสิทธิภาพ
ประเด็นสำคัญ
- Vera ผสมผสานความเร็วตัวแทนระดับสูงสุดเข้ากับประสิทธิภาพการใช้พลังงานชั้นนำใน CPU ตัวเดียว
- ในการทดสอบศูนย์ข้อมูลขนาด 100MW Vera มีประสิทธิภาพเหนือกว่า CPU x86 ที่เร็วและมีประสิทธิภาพมากที่สุด
- ผู้ใช้ในช่วงแรกๆ เช่น Perplexity และ DeepInfra รายงานว่ามีความเร็วเพิ่มขึ้น 1.5-2.2 เท่า
สิ่งที่ NVIDIA ประกาศ
เมื่อวันที่ 5 พฤศจิกายน 2569 NVIDIA ได้เปิดตัว Vera CPU ซึ่งเป็นโปรเซสเซอร์ที่ออกแบบมาสำหรับ "โรงงาน AI" ที่ใช้ตัวแทน AI จำนวนมาก บริษัทกล่าวว่าชิปดังกล่าวให้ทรูพุตต่อวัตต์สูงสุดในบรรดา CPU และการดำเนินการของตัวแทนที่เร็วที่สุด โดยวางตำแหน่งให้เป็นโซลูชันแบบชิ้นเดียวสำหรับเวิร์กโหลดของตัวแทนที่แตกต่างกัน
Vera ทำงานอย่างไรตาม NVIDIA
Vera CPU สร้างขึ้นเพื่อจัดการกับขั้นตอนที่เชื่อมโยงกับ CPU ของเอเจนต์ AI ไม่ว่าจะเป็นการค้นหา การสืบค้นฐานข้อมูล การสร้างโค้ด การทดสอบ และการดำเนินการ NVIDIA วางกรอบปัญหาโดยให้สมดุลระหว่างการใช้เหตุผลของ GPU และการทำงานของ CPU โดยสังเกตว่าเอเจนต์จะสลับระหว่างทั้งสองอยู่ตลอดเวลา ด้วยการเพิ่มประสิทธิภาพด้าน CPU ทั้งความเร็วและพลังงาน ทำให้ Vera สามารถเรียกใช้เอเจนต์ได้มากขึ้นพร้อมๆ กันโดยไม่เพิ่มเวลาแฝง
ภาพใหญ่: การที่ Vera เรียกร้องเอเจนต์เพิ่มขึ้น 1.6 เท่าต่อวัตต์ ส่งสัญญาณถึงการเปลี่ยนแปลงไปสู่การรวมเวิร์กโหลดบน CPU ประสิทธิภาพสูงตัวเดียว แทนที่จะผสมผสานชิ้นส่วน x86 ที่รวดเร็วและหนาแน่นเข้าด้วยกัน
มีอะไรใหม่อย่างแท้จริง
ข่าวประชาสัมพันธ์เน้นย้ำถึงความก้าวหน้าที่เป็นรูปธรรมสองประการเหนือข้อเสนอ x86 ที่มีอยู่ ประการแรก Vera ถูกกล่าวหาว่าส่งสารต่อวัตต์มากกว่า CPU x86 ที่เร็วที่สุดถึง 1.6 เท่า และอย่างที่สอง Vera ให้ความเร็วตัวแทนเร็วกว่า 2 เท่า เมื่อเทียบกับ CPU x86 ที่ประหยัดพลังงานมากที่สุด บริษัทสนับสนุนตัวเลขเหล่านี้ด้วยการเปรียบเทียบศูนย์ข้อมูลขนาด 100 เมกะวัตต์ที่ใช้ชิป Vera ตัวเดียวเทียบกับผู้นำ x86 ที่เน้นความเร็วและเน้นประสิทธิภาพ
เหตุใดจึงสำคัญสำหรับผู้ให้บริการโครงสร้างพื้นฐาน AI
อ่านของเรา: หากตัวเลขประสิทธิภาพและประสิทธิภาพยังคงอยู่ ผู้ให้บริการสามารถลดความซับซ้อนของสแต็กฮาร์ดแวร์ของตน โดยซื้อ CPU ประเภทเดียว แทนที่จะต้องสลับส่วน x86 หลายส่วน ซึ่งอาจลดความซับซ้อนในการจัดซื้อจัดจ้างและลดต้นทุนด้านพลังงานโดยรวม ซึ่งเป็นข้อจำกัดที่สำคัญในการปรับใช้ AI ขนาดใหญ่
ขีดจำกัดและสิ่งที่ไม่รู้
โพสต์ในบล็อกไม่ได้ให้ผลลัพธ์การวัดประสิทธิภาพโดยบุคคลที่สามที่เป็นอิสระ และไม่เปิดเผยรายละเอียดข้อมูลจำเพาะ ราคา หรือไทม์ไลน์การวางจำหน่ายของซิลิคอนโดยละเอียด นอกจากนี้ยังขาดข้อมูลเกี่ยวกับการสนับสนุนระบบนิเวศของซอฟต์แวร์นอกเหนือจากเกร็ดเล็กเกร็ดน้อยของกลุ่มผู้ใช้รุ่นแรกๆ
นำไปใช้ประโยชน์ได้จริง
ติดตามกรณีศึกษาศูนย์ข้อมูลติดตามผล และวันที่ประกาศราคาหรือความพร้อมจำหน่ายจาก NVIDIA ผู้ให้บริการควรเปรียบเทียบตัววัดที่อ้างสิทธิ์ของ Vera กับโปรไฟล์ปริมาณงานของตนเองก่อนที่จะตัดสินใจซื้อฮาร์ดแวร์
แหล่งที่มา: บล็อกของ NVIDIA. บทความนี้จะสรุปและอธิบายการรายงาน
Vera cpu: คำถามที่ผู้อ่านถาม
Vera CPU มีประสิทธิภาพเหนือกว่าซีพียู x86 อย่างไร
NVIDIA กล่าวว่า Vera เปิดใช้งานเอเจนต์ได้มากขึ้น 1.6 เท่าต่อวัตต์ เมื่อเทียบกับซีพียู x86 ที่เร็วที่สุด และมอบความเร็วเอเจนต์ที่เร็วขึ้น 2 เท่า เมื่อเทียบกับซีพียู x86 ที่ประหยัดพลังงานมากที่สุด โดยปริมาณงานเฉพาะแสดงการปรับปรุงความเร็วสูงสุดถึง 2.2 เท่า
พันธมิตรรายใดบ้างที่รายงานผลลัพธ์เบื้องต้นกับ Vera?
ผู้ใช้งานในช่วงแรกๆ ที่กล่าวถึง ได้แก่ Perplexity, DeepInfra, ClickHouse, DuckLabs, Daytona, Modal และ The Wizard of Open Weights ความเร็วในการรายงานทั้งหมดหรือการเพิ่มขนาดในการทดสอบรูปแบบการใช้งานจริง
ที่มาและรายละเอียดบทความ
- การรายงานต้นฉบับ: บล็อกของ NVIDIA (5 พฤศจิกายน 2569)
- เขียนโดย: ผู้ดูแลระบบ · ที่ตีพิมพ์: 5 พฤศจิกายน 2569
- เราทำงานอย่างไร: ผู้อธิบายนี้ร่างขึ้นด้วย AI จากแหล่งที่มาด้านบน และทุกการอ้างสิทธิ์จะได้รับการตรวจสอบก่อนเผยแพร่ การวิเคราะห์มีป้ายกำกับ
- การแก้ไข: พบข้อผิดพลาดใช่ไหม? อีเมล บทความ[email protected] และเราจะแก้ไขมัน
