В эпоху AI битва за CPU: Nvidia делает ставку на «более быстрые ядра», AMD – на «больше параллелизма»

NVIDIA и AMD спорят не только о том, чей CPU быстрее, а о том, кто определит стандарт оценки процессоров в эпоху AI.

В последние дни NVIDIA раскрыла самые подробные технические детали архитектуры CPU Vera. Этот процессор оснащён 88 ядрами собственной архитектуры Olympus ARM, пропускная способность памяти — 1,2 ТБ/с, внутренняя связность на кристалле — 3,4 ТБ/с. Ключевой тезис NVIDIA: рабочий процесс AI Agent строится на постоянном взаимодействии между CPU и GPU — вызовы инструментов, выполнение кода, извлечение данных, оркестрация задач — и каждый этап зависит от завершения предыдущего. Поэтому скорость одного ядра и задержка CPU напрямую определяют общую эффективность отклика Agent.

23 июля, согласно данным платформы для торговли ветром, аналитик Bank of America Vivek Arya отметил в свежем отчёте, что релиз Vera выводит для отрасли новую рамку оценки: «Максимальная однопоточная производительность при масштабировании». Это прямо противопоставляется давней ставке AMD на мульти-ядерные стеки chiplet. Компания рассматривает спор как: «AI-агент ограничен временем выполнения одной задачи или количеством параллельных задач в одном стоечном сервере?» В этот четверг AMD проведёт AI 2026 Technology Day, где впервые официально ответит на новую оценочную рамку.

Фон этой дискуссии: рынок серверных CPU радикально перекраивается потребностями AI, ожидается, что к 2030 году его объём вырастет примерно в 4 раза с текущих уровней и достигнет 170 миллиардов долларов. Это не борьба за долю, а формирование множественно растущего рынка — тот, кто первым установит признанные отраслевые стандарты производительности, получит право диктовать ценовую политику и контроль за нарративом.

Логика NVIDIA: Быстрота ответа Agent важнее, чем количество одновременно работающих

Описание рабочей цепочки Agent от NVIDIA весьма конкретно: при выполнении задач между CPU и GPU происходит множество последовательных взаимодействий — каждый вызов ждёт окончания предыдущего. Это значит, что задержка на каждом этапе накапливается, в итоге замедляя производительность всей AI-фабрики.

В такой логике однопоточная производительность не просто цифра в таблице характеристик, а ключевой фактор, влияющий на загрузку GPU — чем быстрее CPU, тем меньше простаивает GPU, выше эффективность использования всех системных ресурсов. Чем выше производительность на ядро, тем выше скорость отклика всей цепочки.

Ещё одно важное проектное решение Vera: NVIDIA использует монолитный кристалл (monolithic die), а не раздельную chiplet-архитектуру, аргументируя это лучшей «масштабируемой когерентностью». Это ставит в противовес многолетнюю ставку AMD на chiplet-архитектуру и подчеркивает глубину расхождений в философии архитектуры обеих компаний.

Кроме того, Vera — не изолированный продукт, а часть всей экосистемы AI-инфраструктуры NVIDIA, созданной по принципу совместного проектирования, с кооперацией с Rubin GPU, Groq LPX, коммутаторами Spectrum, BlueField хранилищем/сетевыми карточками и так далее. Такой системный уровень интеграции — настоящая защитная крепость NVIDIA, выходящая за рамки единственного аппаратного сравнения.

Опровержение AMD: В реальной AI-производственной среде важнее параллельная нагрузка

Позиция AMD основана на ином определении «реальной производственной среды».

C точки зрения AMD, производственные AI-системы — это не единичный Agent, работающий последовательно, а скорее распределённая программная платформа из баз данных, API, векторных хранилищ, оркестраторов, кэшей и middleware. В этих условиях основной узкий момент — не скорость выполнения одной задачи, а сколько рабочих потоков можно одновременно выдерживать в рамках заданного энергопотребления.

AMD приводит конкретные расчёты: в симулируемом 100-киловаттном стоечном развертывании стойка на EPYC 9965 (Turin) обеспечивает приблизительно в 2,4 раза выше пропускную способность, чем эталон на NVIDIA Vera; следующее поколение EPYC 6 (Venice) должно дать 3,3-кратное преимущество.

Главное в логике AMD: чем выше плотность пропускной способности, тем при том же энергопотреблении система обслужит больше пользователей и запросов — и именно это является реальной функцией издержек при внедрении AI в облаке.

AMD x86 или NVIDIA ARM: программная экосистема — это невидимое поле битвы

Спор об архитектуре CPU выходит и на уровень командных наборов.

NVIDIA делает выбор в пользу ARM-архитектуры, исходя из посыла: если микросхема достаточно хороша, совместимость командных наборов становится вторичной. Однако AMD и Intel, вероятно, будут после четверга акцентировать другой аспект — AI выходит за рамки одной лишь инференции моделей и проникает в корпоративные рабочие потоки, где программный стек — базы данных, middleware, платформы безопасности, бизнес-приложения — десятилетиями оптимизировались и проверялись на x86-экосистеме.

Это не просто техническая дискуссия. По мере всё большего внедрения AI-нагрузок в существующие IT-системы компаний, исторически сложившаяся програмная экосистема может оказаться куда важнее, чем пиковая производительность железа. Пробьётся ли NVIDIA с Vera на эти рынки, во многом определит скорость зрелости ARM-софта.

Две разные рамки, разные KPI — по сути спор компаний за контроль над отраслевым нарративом.

Аргументация NVIDIA строится вокруг задержек, однопоточного прогресса, загрузки GPU. AMD делает ставку на параллельность, throughput, плотность обслуживания.

А ключевой вопрос — по какому критерию рынок в итоге станет закупать серверные CPU?

По мнению Bank of America, центральное на мероприятии AMD в этот четверг — не номерные преимущества в бенчмарках, а убеждение отрасли принять именно свою оценочную рамку. Чей подход будет поддержан клиентами дата-центров, тот и получит право диктовать цену на этом 170-миллиардном рынке.

NVIDIA по NVDA сохраняет рейтинг «покупать», целевая цена — 350 долларов (текущая цена — 207,29 долларов).