В эру Agent спор о путях развития CPU: Nvidia делает ставку на «более быстрые ядра», а AMD – на «большее одновременное выполнение».

В споре между Nvidia и AMD на кону не только скорость процессоров, но и то, кто определит стандарт оценки CPU в эру искусственного интеллекта.

На днях Nvidia раскрыла самые подробные технические детали архитектуры процессора Vera. Этот чип оснащён 88 собственными ядрами архитектуры Olympus ARM, пропускная способность памяти составляет 1,2 ТБ/с, скорость межчипового взаимодействия — 3,4 ТБ/с. Ключевой аргумент Nvidia: рабочий процесс AI-агента основан на множественном взаимодействии между CPU и GPU — вызов инструментов, исполнение кода, получение данных, организация задач — и каждый следующий шаг зависит от завершения предыдущего, поэтому скорость и задержка работы одного ядра напрямую определяют общую эффективность ответа агента.

23 июля, согласно данным ZhuiFeng Trading Desk, аналитик Bank of America Securities Vivek Arya в последнем отчёте отметил, что запуск Vera вводит в отрасль новый оценочный подход: «максимальная однопоточная производительность в условиях масштабирования». Это противопоставляется стратегии AMD, уже долгое время придерживающейся многоядерной модульной архитектуры chiplet. В результате спор определяется как: «ограничена ли работа AI-агента временем выполнения одной задачи или количеством одновременных задач на одной стойке?» В этот четверг AMD проведёт AI 2026 Tech Day, где впервые официально ответит на предложенную Nvidia концепцию.

Контекст спора: рынок серверных CPU радикально трансформируется под влиянием AI, и к 2030 году его объём, предположительно, вырастет почти в 4 раза — до 170 млрд долларов. Это не передел текущего пирога, а формирование нового рынка, и тот, кто первым утвердит признанный отраслевой стандарт оценки производительности, получит право устанавливать цены и диктовать нарратив.

Логика Nvidia: скорость агента важнее, чем количество одновременно работающих

Описание рабочего процесса агента у Nvidia крайне детализировано: при выполнении задачи между CPU и GPU происходит множество последовательных операций, где каждая новая операция начинается только после завершения предыдущей. Любая задержка на одном из этапов накапливается и замедляет итоговую производительность AI-системы.

С этой точки зрения производительность одного ядра — не просто цифра в спецификациях, а критически важная переменная, напрямую влияющая на загрузку GPU: чем быстрее CPU, тем меньше времени GPU простаивает и выше эффективность всего комплекса. Чем выше однопоточная производительность, тем быстрее реагирует вся система.

Ещё один важный нюанс в Vera: Nvidia сделала ставку на монолитный кристалл (monolithic die), а не на модульную chiplet-архитектуру. Аргумент — более качественная «масштабируемая согласованность». Тем самым подчеркивается глубокое концептуальное расхождение с многолетней ставкой AMD на chiplet.

Кроме того, Vera не является изолированным продуктом, а интегрирована в координированную AI-экосистему Nvidia: Rubin GPU, Groq LPX, коммутатор Spectrum, BlueField хранилище/сетевые карты работают согласованно. Такой системный подход и составляет настоящую защиту Nvidia, превосходящую сравнения отдельных устройств.

Возражение AMD: в реальном AI-производстве важна способность к параллельной обработке

Позиция AMD базируется на ином определении “реальной производственной среды”.

C точки зрения AMD, промышленная AI-система — это не серийно выполняющий задачи агент, а распределённая программная платформа, объединяющая базы данных, API, векторные хранилища, оркестраторы, кэши и middleware. В таких сценариях главный лимит задает не скорость отдельной задачи, а количество одновременно обрабатываемых рабочих потоков в рамках одного и того же энергопотребления.

AMD приводит конкретные расчёты: в смоделированной стойке из 100 кВт пропускная способность EPYC 9965 (Turin) составляет примерно 2,4 раза больше, чем у Vera от Nvidia; ожидается, что следующий EPYC 6 (Venice) увеличит это преимущество до 3,3 раз.

Логика AMD: большая плотность пропускной способности означает, что при тех же энергозатратах система обслужит больше пользователей и обработает больше запросов — именно это определяет реальные издержки облачных AI-развёртываний.

AMD x86 или Nvidia ARM: софтверная экосистема — невидимая битва

Архитектурный спор затрагивает и область наборов инструкций.

Выбор архитектуры ARM Nvidia означает стратегию: если микроархитектура достаточно продвинута, то совместимость по инструкциям может уступать по значимости. AMD и Intel, вероятнее всего, наоборот, будут акцентировать, что AI расширяет зону применения с инференса на корпоративные программные рабочие потоки, где на протяжении десятилетий x86-экосистема накапливала оптимизации, проверки и совместимость — в базах данных, middleware, платформах безопасности и бизнес-приложениях.

Это не только технический спор. По мере интеграции AI-нагрузок в корпоративные IT-системы, историческая софтверная база становится труднее заменимой, чем аппаратный максимум. Удастся ли Vera заявить права на эти сценарии — во многом зависит от темпа развития ARM-экосистемы ПО.

Два подхода, два KPI — по сути, борьба компаний за право формировать отраслевую повестку.

Модель Nvidia строится вокруг задержек, однопоточной скорости, эффективности GPU. Модель AMD — на массовой параллельности, пропускной способности и плотности обслуживания.

Вопрос: какими метриками в итоге будет руководствоваться рынок при покупке серверных CPU?

Согласно Bank of America, главная задача AMD на мероприятии в четверг — не обыграть конкурента в тестах, а убедить индустрию принять свой формат оценки. Кто убедит центры обработки данных, тот получит влияние на 170-миллиардный рынок.

Nvidia по-прежнему получает рекомендацию “покупать” по акциям NVDA, целевая цена — 350 долларов (нынешняя — 207,29 долларов).