NVIDIA Vera CPU 平台拓展至高效能運算
NVIDIA 於 2026 年 11 月 16 日宣布推出配備 192 顆處理器的科學運算機櫃,將 NVIDIA Vera CPU 平台拓展至仍依賴 CPU 的工作負載。其主張是在資料傳輸與能源效率方面挑戰既有伺服器處理器。這些優勢能否在真實應用程式、軟件遷移,以及整個叢集的運作中維持,將決定其意義。
主要競爭在於 NVIDIA 的整合式方案與既有 x86 系統之間;後者是 AMD EPYC 與 Intel Xeon 伺服器所採用的處理器架構。NVIDIA 希望研究中心將處理器、記憶體、網絡及散熱視為一體評估。買家必須判斷,這個套裝方案能否充分提升科學產出,以證明更改運算環境是合理的。
氣候研究提供了具體的採用訊號。德國 DKRZ 氣候運算中心已為其下一代超級電腦的 CPU 分區選定 Vera。然而,這項未來安裝計劃與 NVIDIA 新公布的商用機櫃,在時間表及配置上均不相同。兩者都不足以證明每一種科學應用程式都會獲得同等效益。
NVIDIA Vera CPU 平台成為機櫃方案
這項公布將處理器主張轉化為科學運算更廣泛的基礎設施選擇。
NVIDIA 的 Vera CPU rack 公告描述一套包含 192 顆 CPU、約 300TB 記憶體及 1PB 儲存空間的系統。系統透過連接運算節點的網絡技術 Quantum-X800 InfiniBand 相連。NVIDIA 指出,整體峰值記憶體頻寬超過每秒 200TB。
最後一項規格需要審慎解讀。記憶體頻寬衡量處理器與記憶體交換資料的速度。整體峰值是把系統內的理論能力加總,並不代表單一應用程式可存取的記憶體池,也不保證軟件可持續達到所宣稱的速率。
這個分別相當重要,因為公告瞄準的是資料傳輸可能限制進展的應用程式。等待資料的處理器無法有效運用其運算資源。若未解決這類延遲便增加更多處理器,可能只會增加閒置資源,而非更快完成科學工作。
因此,這個平台帶來的採購問題,與直接更換處理器不同。買家需要評估由互連部件組成的整體配置,包括應用程式如何分配工作、資料存放位置,以及不同運算需要多頻繁交換中間結果。
運算節點是參與大型系統的個別伺服器。強勁的節點效能固然必要,但科學應用程式在分佈至多個節點時,可能失去這項優勢。通訊延遲及工作負載不均,都會影響最終結果。
NVIDIA 的設計令這些互動成為產品敘事的核心。這是合理的工程取向,但整合本身並不能證明優越性。有意義的比較仍然是:在可比的運作條件下,完成一項完整科學任務的表現。
商業供應情況同樣需要精確措辭。NVIDIA 預期 Dell Technologies、HPE、Lenovo 及 Supermicro 將於 2027 年初開始提供相關機櫃。11 月的公告描述的是即將推出的產品,並不代表整套機櫃已全面即時供應。
對研究中心而言,這段時間構成評估窗口。團隊可找出具代表性的應用程式、審視軟件依賴關係,並在作出基礎設施承諾前要求可比的量測數據。及早規劃很有用,因為技術驗收不只在於確認程式能否執行。
系統亦必須產生可接受的科學結果、可靠運作,並配合中心的支援實務。這些要求令機櫃公告具有重要性,但不代表它已是一個完成部署的故事。硬件主張已界定;更廣泛的營運證據仍有待累積。
氣候研究令效率成為科學限制條件
DKRZ 的選擇反映買家興趣,而其規劃中的系統亦說明,CPU 效能為何在 GPU 以外仍然重要。
GPU 即圖像處理器,能夠並行執行大量運算。DKRZ 的 HLRE-5 supercomputer 將結合 Grace Blackwell GPU 分區與 Vera CPU 分區。Bull 將負責建造該系統,預計於 2028 年初投入服務。
該中心的公告早於 NVIDIA 11 月的機櫃公告。DKRZ 於 2026 年 10 月 21 日披露該合約。這個時間順序很重要:NVIDIA 所指向的是既有客戶的選擇,而非宣稱其新商用機櫃已經投入氣候研究服務。
配置亦有所不同。DKRZ 為 HLRE-5 指定 Quantum-2 InfiniBand,而 NVIDIA 的新機櫃公告則採用 Quantum-X800。讀者不應將該氣候系統視為與商用平台所述每一個組件完全相同的部署。
DKRZ 預期新系統可同時以 5 公里解析度執行兩個全球氣候模擬。該中心預測,每個模擬年份的能源消耗將較現有 Levante 系統減少約 75%。這項預測涉及完整安裝,包括其 GPU 能力,而非僅指 Vera CPU。
這個分別令項目的實際解讀更有說服力。氣候中心需要一個支援整體研究計劃的系統,其選擇不能簡化為處理器基準測試或單一組件的效率比率。
不妨考慮更詳細氣候模型對規劃的影響。研究人員需要足夠的運算能力來運行模型,同時亦需要重複進行實驗。研究結果透過比較、驗證及探索不同假設,才能取得科學價值。
若建議中的系統可降低每次獲接納模擬的能源消耗,中心便可獲得更多選擇。它可以在既有能源配額內進行更多實驗,或為其他研究保留容量。這些都是潛在營運效益,前提是預期效率能在生產環境中實現。
CPU 容量仍是這項計算的一部分,因為研究工作流程包含分配予兩類處理器的工作。DKRZ 明確指出,Vera 用於不在 GPU 上運行的應用程式。真正相關的問題,是這些分區如何支援中心實際的工作負載組合。
這同時向既有供應商及 NVIDIA 施壓。AMD 與 Intel 必須以具代表性的科學成果捍衛其系統。NVIDIA 則必須證明其替代方案支援所需軟件,並能在部署後帶來持久效益。
因此,採用訊號雖有意義,卻有其界限。DKRZ 作出的是一項服務日期尚未到來的架構選擇。成功啟用及持續用於研究,將比單憑選擇本身提供更強的證據。
記憶體資料傳輸是競爭機制
NVIDIA 對既有 CPU 的挑戰,核心在於持續為應用程式供應資料,而非將核心數量視為效能故事的全部。
CPU 核心是處理器內的執行單元。執行緒則是可獨立排程的程式指令流。更多核心及執行緒可以提高有效吞吐量,但前提是應用程式及周邊系統能讓它們保持有效運作。
NVIDIA 指出,每顆 Vera 處理器配備 88 個 Olympus 核心及 176 條執行緒,並採用可維修的 SOCAMM2 模組搭配低功耗記憶體技術 LPDDR5X。公司列出的記憶體頻寬最高為每顆 CPU 每秒 1.2TB。
這些規格說明其預期的運作機制。科學軟件經常對大量數值集合反覆進行運算。若擷取這些數值所需時間長於處理時間,單靠增加運算能力的幫助便有限。
平衡會隨應用程式而變化。有些程式大部分時間都在處理已接近處理器的資料;另一些則會反覆從記憶體擷取資訊。適合後者模式的處理器,並不會自動在前者中佔優。
獨立研究為 NVIDIA Vera 與 x86 的比較提供有用背景。Joseph Moore、Thomas Green 及 Simon McIntosh-Smith 發表了一項涵蓋 Grace、AMD Turin 及 Intel Granite Rapids 的 Vera architecture comparison。
研究人員報告指出,Vera 在他們測試的大多數科學程式碼中領先。他們主要將其優勢歸因於記憶體行為及對並行執行緒的處理方式。然而,在部分以浮點運算為主的工作負載中,即對數值進行算術運算,Vera 落後於 AMD 及 Intel。
這項發現支持的結論,比普遍性的處理器排名更為狹窄。Vera 具有可辨識的架構優勢,但受測應用程式的反應並不一致。研究評估的是單插槽效能,即單一處理器封裝上的工作,而非驗證新公布的完整機櫃。
對買家而言,含意是在比較產品前先區分工作負載特性。以記憶體流量為主的中心,與以算術運算為主的中心,面對的是不同的評估問題。將兩者合併成一個標題式平均數,可能掩蓋真正重要的決策。
既有 x86 系統同樣值得按其預期配置作比較。記憶體配置、軟件調校及處理器選擇都會影響結果。配置不佳的替代方案,幾乎無法告訴買家其工作負載可取得的最佳實際選項。
NVIDIA Vera CPU 平台令這種更廣泛的評估不可避免。它的方案結合處理器設計、記憶體及系統整合。既有方案仍可能憑藉應用程式效能、熟悉的營運方式,或更適合現有軟件而保持吸引力。
Vera 適合某一項應用程式,而 AMD 或 Intel 系統適合另一項應用程式,兩者並不矛盾。科學運算採購服務的是一組程式。採購決定取決於這些程式如何配合機構的研究優次。
因此,最有力的競爭論據會指出哪些工作有所改善,以及原因何在。這比未指明應用程式、運作條件或量度範圍便宣稱某個架構勝出,更具參考價值。
基準測試標題背後的證據各不相同
NVIDIA 的氣流量測、天氣預測及叢集比較,應維持為獨立主張。
對於用於模擬流體行為的軟件 OpenFOAM,NVIDIA 報告其效能為所比較 x86 系統的 1.9 倍。它亦報告在 motorBike Large 氣流測試中,每瓦效能為 2.4 倍。這些是 NVIDIA 針對指定工作負載的量測結果。
至於天氣研究與預測模型 WRF,公告採用不同措辭。NVIDIA 預測,相比 x86,其效能為 1.6 倍,能源效率則為兩倍。報道時,這些數字應保留其預測性質。
差異對採購決策有實質影響。實測結果描述的是特定條件下觀察到的結果。預測則加入對預期結果的假設。兩者均可為評估提供參考,但其證據力度不同。
NVIDIA 的 HPC 效能簡報 提供了配置詳情及更多限制說明。其中將 AMD EPYC 9755 系統列為比較配置之一。其叢集評估將 Vera 與上一代平台比較,並指出未能取得競爭對手的叢集系統。
這限制了叢集結果所能證明的範圍。它們為已測試的比較提供證據,而非與現行替代方案進行完整的機架級競爭。讀者不應把某項應用程式結果延伸為涵蓋所有科學工作負載的說法。
每瓦效能回答的問題亦不同於經過時間。經過時間衡量工作完成所需的時間。每瓦效能則把有效工作量與耗電量聯繫起來。機構可按其營運限制,優先考慮其中任何一項指標。
例如,天氣預報服務必須考慮結果能否在截止時間前送達。規劃進行大量實驗的研究中心亦需要足夠的總吞吐量。在其中一項指標表現優秀的系統,仍須按另一項指標接受評估。
量度邊界同樣重要。處理器功耗、伺服器功耗及設施能源代表不同範圍。某一邊界下的有利比率,不應變成對整體營運能源毫無根據的聲稱。
科學等效性是另一項關鍵條件。比較應保留所解決的問題及答案所需的品質。改變數值設定或停止條件,可能改變運行時間,卻不代表有等效的改善。
這些是評估原則,並非證明 NVIDIA 的量度有誤。該公司提出了買家可測試的具體聲稱。下一步是確立這些聲稱在多大程度上反映每位買家的應用程式及營運條件。
若獨立測試以透明設定檢驗相同任務,便可增加信心。當測試納入為該工作負載挑選的競爭系統時,其價值尤其顯著。若能在這些條件下重現有利結果,將加強 NVIDIA 的論據。
相反,若優勢在等效調校後縮小,便會改變採購盤算。重要的是更清楚說明 Vera 在何處帶來幫助。只要限制清晰可見,具條件的優勢仍然有用。
軟件成熟度決定硬件增益能否真正發揮
架構轉變只有在科學團隊能於新系統上建置、驗證及維護其應用程式時,才能創造價值。
Vera 採用 Arm 指令集,即其處理器所理解的機器層級指令。因此,從 x86 遷移需要相容的軟件建置。取得原始碼固然有幫助,但無法解決所有相依性或效能問題。
NVIDIA 與機架平台一同公布 HPC SDK 26.11。SDK,即軟件開發套件,整合用於建置應用程式的工具。公司亦推出下一代 Fortran 編譯器的公開測試版,將科學程式轉譯為可執行程式碼。
HPC 開發工具 涵蓋編譯、程式庫、效能分析及除錯。這些能力十分重要,因為應用程式成熟度包括在首次成功建置後找出錯誤及效能限制。編譯器可用只是評估的起點。
測試版標示值得留意,但不代表軟件無法使用。它反映產品所處階段,買家應按自身支援要求評估。團隊需要了解哪些編譯器版本及功能將支撐其生產環境。
Fortran 是科學運算廣泛使用的程式語言,因此這對既有研究程式碼尤其重要。現有程式承載科學假設及驗證工作。除了提升執行速度,保留這些結果同樣重要。
與原始碼相容的建置,並不保證數值行為完全一致。團隊仍需按照其認可的容差檢驗結果,亦須確認應用程式程式庫、資料格式及輔助工具能如預期運作。
實際評估應涵蓋整個研究流程。準備輸入資料、執行計算、儲存輸出及分析結果,全都影響周轉時間。若另一階段成為主要延誤,即使加速核心計算,價值亦會減少。
營運支援是另一項考慮。管理員需要可重複執行的安裝程序、監察及故障診斷;研究人員則需要清晰途徑報告軟件問題。當研究中心支援眾多使用不同應用程式的團隊時,這些要求尤其相關。
就 NVIDIA Vera 與 x86 的取捨而言,既有系統保留了熟悉度的價值。這不代表效能更佳,但可減少遷移工作。NVIDIA 的整合方式必須帶來足夠實質效益,才足以抵銷採用所需的投入。
因此,在機架廣泛供應前,軟件證據面對壓力。應用程式建置報告、已記錄的限制及可重現的驗證結果,將有助買家區分成熟度與意向。再吸引的規格也不能取代這些紀錄。
研究團隊亦應保留在評估過程中學到的知識。可搜尋的知識庫 可把編譯器設定、基準測試日誌及驗證決策連繫整個技術團隊。這些紀錄有助日後審閱者理解為何接納某個特定配置。
軟件問題最終仍與科學產出相連。運行較快但需要過多人工介入的應用程式,日常使用時可能令人失望。成功的平台應支援研究人員及管理員能夠持續進行的可重複工作。
三個訊號將顯示 Vera 的 HPC 進展能走多遠
下一批證據應把已公布的硬件、可重現的應用程式結果及實際軟件成熟度聯繫起來。
首先,隨着 2027 年初的供應窗口臨近,留意具體的合作夥伴產品。Dell Technologies、HPE、Lenovo 及 Supermicro 是已點名的供應商。詳細配置及交付資訊將顯示已公布設計如何成為可採購系統。
這項訊號重要,因為參考規格仍留下實施問題。買家需要知道各供應商支援甚麼,以及建議系統如何配合其設施。清晰的產品方案將加強 NVIDIA 機架策略正變得可實際運用的論據。
若產品推出延遲或範圍較窄,將削弱近期採用的預期。這不會決定處理器的技術品質,卻會改變研究中心何時能評估及部署整套方案。
其次,留意應用程式量度是否由獨立處理器延伸至貼近現實的叢集運作。最有用的結果將列明問題規模、軟件設定、比較系統及能源邊界,亦應維持等效的科學要求。
這些結果將測試 NVIDIA Vera CPU 平台背後的機制。若優勢在應用程式擴展至多個節點後仍然存在,整合式方法便會獲得支持。若通訊或其他開銷侵蝕優勢,買家便需要採取較有限的預期。
這項觀察應納入獨立研究,而非完全依賴供應商基準測試。現有架構研究已顯示工作負載差異為何重要。更廣泛的測試可確立這些差異在生產環境下是否仍然相近。
第三,留意公布後數月間的軟件成熟度報告。編譯器更新、應用程式驗證及已記錄的支援經驗,將揭示買家面對多少遷移工作。這些訊號可在完整超級電腦投入服務前出現。
正面證據包括可重複的建置,以及在具代表性的應用程式中獲接納的科學結果。持續出現的相依性問題或支援不清晰,將削弱近期採用的論據。兩種結果均毋須等到 DKRZ 預期於 2028 年初投入服務的日期才可得知。
DKRZ 仍是較長期的參考點,而非即時驗收測試。其混合 CPU 與 GPU 設計反映具有不同需要的研究工作負載。成功運作將為該完整系統提供證據,並應維持適當層級的歸因。
目前,NVIDIA 已提出可信的方案,包括明確的硬件、具名的研究客戶,以及可供檢驗的效能聲稱。公司亦令工作負載配適成為競爭討論的核心。買家應把注意力集中於此。
若你的團隊正評估科學基礎設施,請在比較標題比率前,先找出最能代表實際限制的應用程式。保留其輸入資料、獲接納的輸出容差、編譯器設定及量度邊界。向每個候選系統索取等效結果,包括核心計算前後的各個階段。對 NVIDIA Vera CPU 平台而言,這些證據將顯示以記憶體為重點的整合,是否改善研究人員真正需要完成的工作。請同時追蹤合作夥伴供應情況、獨立叢集測試及軟件驗證;它們各自回答採用問題的不同部分。哪項結果會改變你的基礎設施決策:更短的截止時間、更多獲接納的模擬,還是在相同科學任務下更低的能源消耗?



