AMD 的测试显示 Venice 击败 Vera，AMD 与 Nvidia 的 CPU 之争出现逆转

AMD 凭借新的 Zen 6 Venice 测试结果扭转了 AMD 与 Nvidia 的 CPU 竞争，称其单核性能比 Nvidia Vera 高出 20%。这一对比发布于 Nvidia 公布 Vera 首批 SPEC CPU 2026 数据数日后。这样的时间点让 AMD 得以使用相同的基准测试套件和编译器回应竞争对手。

AMD 计算与企业解决方案公司副总裁 Ravi Kuppuswamy 表示，Nvidia 披露数据时，他“非常高兴”。AMD 原本预计领先幅度会更小。他说，工程师此前预计至少领先 10%，随后测试得出了所称的 20% 优势。

这一结果挑战了 Nvidia 对 Vera 的主打叙事，但并未终结这场竞争。AMD 和 Nvidia 优化的工作负载存在重叠，但并不完全相同。两家的基准测试披露对性能的呈现方式也不同。买家在选定胜者前，必须区分原始吞吐量、单核速度、功耗，以及真实 agent 工作负载性能。

AMD 以两项 Venice 对比回应 Vera

AMD 表示，Venice 无论在总整数吞吐量还是单核吞吐量上都胜过 Vera，但这些说法来自两种不同的 Venice 配置。

Nvidia 于 2026 年 7 月 21 日发布了 Vera 的内部 SPEC CPU 2026 测试结果。AMD 则在其 Advancing AI 活动中公布了自己的 Zen 6 结果。这场迅速交锋将一次产品发布转变为直接的服务器 CPU 对决。

SPEC CPU 2026 是一套由计算密集型应用构成的处理器基准测试套件。此处使用的 SPECrate integer 测试衡量满载系统在一段时间内完成多少整数运算工作。每个硬件线程都会运行一份工作负载，因此核心数量更多的系统通常具备吞吐量优势。

AMD 表示，其采用 GNU 15.2 编译器，以匹配 Nvidia 的软件设置。Kuppuswamy 将其称为“苹果对苹果的比较”。统一编译器消除了一个重要的变量来源，因为编译器优化会显著改变 SPEC 测试结果。

硬件对比则需要更谨慎地解读。就总吞吐量而言，AMD 将一颗 256 核 EPYC 9996 与 Nvidia 的 88 核 Vera 对比。两者均采用双路配置。AMD 表示，这套高密度 Zen 6c 系统实现了 Vera SPECrate integer 吞吐量的 2.2 倍。

这是一个醒目的结果，尽管核心数量解释了其中很大一部分。EPYC 9996 每路提供的核心数几乎是 Vera 的三倍。其标称 600 瓦热设计功耗也高于 Vera 所报告的 450 瓦水平。

AMD 的第二项对比更具分量，因为它聚焦单核性能。公司使用了一种 96 核高频 Venice 配置，并将总 SPECrate 分数除以核心数。AMD 表示，这一计算使 Venice 领先 Vera 20%。

这一发现引发了 Kuppuswamy 异常坦率的反应。他告诉记者，AMD 原本预计仅有 10% 的优势，而且尚未对 Venice 完成全面调优。这位高管的意外反应，为这一发布带来了最鲜明的竞争信号。

按照 SPEC 的规则，所报告的数字仍属估算。根据两家公司的披露，AMD 和 Nvidia 都进行了真实测试，但两项对比均不属于正式提交的结果。参考硬件、未完成产品和未提交的测试结果都需要谨慎呈现。

这一区别很重要，因为正式 SPEC 成绩包含详细的配置信息，并须通过该组织的报告流程。AMD 目前的数据代表一项基于其测试结果和 Nvidia 已披露数据得出的厂商声明。它是证据，而非最终的独立裁决。

不过，这一披露改变了讨论方向。Nvidia 曾将 Vera 的定制 Olympus 核心定位为超越既有 x86 设计的重要进步。AMD 现在则主张，一款高频 Zen 6 产品无需放弃 x86 平台，也能在 Nvidia 选择的基准测试中取胜。

AMD 与 Nvidia 的竞争为何如今聚焦 CPU

竞争不再只关乎 GPU，因为 agent 系统越来越多地将对延迟敏感的工作放在主机 CPU 上。

现代 AI 基础设施将工作分配给加速器和通用处理器。GPU 负责模型计算，CPU 则负责代码执行、工具调用、数据处理、检索、数据库和系统协调。这些 CPU 任务可能拖慢整个 agent 循环。

agent 循环是生成动作、执行动作、收集结果并决定下一步的重复过程。许多步骤是串行的。当系统在等待 Python 代码、编译器、数据库查询或外部工具时，更快的 GPU 无法掩盖每一次延迟。

Nvidia 围绕这一痛点打造 Vera。其 Vera CPU design 采用 88 个定制 Olympus 核心，内存带宽最高可达每秒 1.2 TB。Nvidia 表示，该处理器优先保障重负载插槽下持续的单核速度。

Olympus 是 Nvidia 首个完全自主设计的数据中心 CPU 核心。它实现了 Arm v9.2 指令集，并配备 10 宽指令前端。神经分支预测器试图让工作持续流经不规则、分支密集的程序。

这一架构支撑了 Nvidia 的观点：agent 基础设施需要更少但更快的核心，以及充足的内存带宽。据 Nvidia 称，每个 Vera 核心可获得最高每秒 14 GB 的带宽。该处理器还通过公司的平台技术直接连接 Nvidia 加速器。

AMD 的回应则施加了另一种压力。Venice 提供的是一个广泛的产品家族，而非单一固定 CPU 设计。AMD 可以利用相关的 Zen 6 产品，面向高密度吞吐量、高频性能、常规企业部署和专用 AI 主机系统进行布局。

旗舰 EPYC 9996 配备 256 个 Zen 6c 核心和 512 个线程。AMD 表示，借助 MRDIMM——一种复用式服务器内存模块——它可提供最高每秒 1.6 TB 的内存带宽。它还支持单路系统中的 128 条 PCIe 6 通道。

标准 Zen 6 Venice 处理器最高可扩展至 128 核，高频型号则最高为 96 核。这种细分让 AMD 能为每种工作负载选择有利的配置。高密度核心瞄准总吞吐量，而更少、更快的核心则挑战 Vera 的单核定位。

这对云运营商很重要，因为 CPU 采购并非孤立的决策。软件兼容性、内存容量、虚拟化、供电、机架密度和加速器连接性都会影响部署。只有获胜配置契合买家的实际系统，基准测试领先才有意义。

AMD 还受益于 x86 的延续性。许多企业应用已可在 EPYC 上运行，无需架构迁移。Vera 支持成熟的 Arm 软件，但迁移仍可能需要验证二进制文件、库、监控工具和运维流程。

Nvidia 则拥有不同的优势。它可以将 CPU、GPU、互连、网络和软件作为一个整体来设计。Vera 并不只是试图在传统服务器中替换一个 EPYC 插槽；它旨在提升以 Nvidia 为中心的 AI 工厂产出。

由此形成的 AMD 与 Nvidia 竞争给双方都带来了压力。Nvidia 必须证明其专用 CPU 能创造可量化的系统级收益。AMD 则必须证明，灵活的 x86 产品组合既能匹配专用性能，也能支持更广泛的工作负载。

Venice 的吞吐量优势迫使 Nvidia 为其更聚焦的设计辩护

AMD 的高密度核心优势迫使 Nvidia 解释，为何面对不断扩展的 AI 工作负载，88 核处理器是合适的比较对象。

AMD 所称的 2.2 倍吞吐量是最容易理解、也最容易被误用的数字。在奖励并行吞吐量的基准测试中，256 核 EPYC 9996 理应击败 88 核 Vera。若做不到，将会引发对 Venice 的严重担忧。

这并不意味着该对比毫无意义。Nvidia 提供的是固定的 88 核 Vera 设计，而 AMD 销售的处理器具有多种核心和频率配置。购买现有产品的买家无法忽略会影响服务器数量、软件许可或机架容量的差异。

一台高密度 Venice 服务器可以整合许多独立任务，其中包括构建任务、数据库操作、Web 服务、分析和沙盒化的 agent 执行。更高的整合度可减少完成固定 CPU 工作量所需的节点数量。

AMD 还宣传过更大的机架级领先优势。6 月，该公司宣称，在模拟的 100 千瓦机架功耗预算内，256 核 Venice 系统可提供 Vera 性能的 3.3 倍。这项 rack comparison 在很大程度上依赖估算和扩展假设。

6 月的模型并未使用量产 Vera 系统。AMD 根据 Grace 测量数据，以及基于早期测试的 1.63 倍扩展系数估算 Vera。它还根据上一代 EPYC 和内部结果估算 Venice 性能。

较新的 SPEC CPU 2026 对比提供了更多信息，因为 Nvidia 已公布 Vera 分数。AMD 可以采用这一披露的配置，而不必推断竞争对手系统的每一部分。不过，该测试仍未重现量产产品之间的中立实验室对比。

Nvidia 自己公布的 SPEC 成绩也需要结合背景来看。其双路 Vera 系统实现了预计为 925 的 SPECrate 2026 integer base 分数。作为对比的双路 EPYC 9755 得分为 898，尽管硬件线程较少，Vera 仍大约领先 3%。

Nvidia 在展示中强调按核心标准化后的性能。这种呈现方式产生的领先幅度看起来远大于总分。按核心报告结果强化了 Vera 的架构叙事，但这并非 SPECrate 总分的标准呈现方式。

随后，AMD 也采用了类似的标准化策略来对比 Nvidia。它将系统吞吐量除以核心数，从而宣称 Venice 领先 20%。这一计算将关注点从 EPYC 9996 压倒性的核心数量优势，转向速度更快的 96 核配置。

因此，两家公司都在选择最能支持自身设计的视角。AMD 强调其广泛的产品组合既能在吞吐量对比中取胜，也能在单核对比中取胜。Nvidia 则突出在重载插槽下、面向串行 agent 任务的持续性能。

实际问题在于工作负载能否扩展到更多核心。运行数千个独立沙盒的集群可从高密度吞吐量中受益。等待一次串行工具执行的单个 agent，则更能从单线程更快完成中获益。

许多生产系统两者都需要。它们会同时运行许多 agent，但每个 agent 都包含无法自由分散到各核心上的串行步骤。更好的 CPU 是能在单 agent 响应速度与总完成工作量之间取得平衡的那一款。

当并发任务填满一个机架时，Nvidia 不能忽视核心密度。当长尾延迟拖慢训练或推理循环时，AMD 也不能只依赖密度。这场竞争如今迫使两家公司公布覆盖完整工作负载的结果，而非只展示一个偏好的维度。

20% 的单核性能宣称才是真正的逆转

AMD 最重要的主张并非 256 核击败 88 核，而是高频 Zen 6 在 Nvidia 选择的单核赛场上击败了 Vera。

Nvidia 将 Vera 设计为在大规模环境下最大化持续单线程性能。该公司表示，智能体运行时、解释器、编译器和图应用包含不规则控制流，可受益于其宽核心设计。Vera 的架构为每个 Olympus 核心提供了大量内存带宽。

这使 AMD 宣称的 20% 领先构成直接挑战。若这一结果能够经受独立测试，Nvidia 便无法声称 x86 核心密度只能依靠堆砌性能取胜。AMD 将同时拥有一款高密度吞吐产品，以及一款可在单核输出上与 Olympus 竞争的高频产品。

不过，“每核心”这一说法需要附带警示。即使将 SPECrate 分数除以核心数，它仍然是一个吞吐量基准测试。它会在满载系统中运行许多工作负载副本。由此得出的结果并不等同于真正的单线程延迟测试。

SPECspeed 衡量单个副本完成任务的速度，因此能更直接地代表某些串行任务。AMD 并未以 SPECspeed 为其 20% 的宣传重点。采购方不应将所报告的单核领先解读为智能体响应时间普遍缩短 20%。

该比较还采用了一款高频 96 核 Venice 产品，其标称设计功耗为 600 瓦。Vera 报告的处理器功耗更低。以更高的插槽功耗获得速度优势仍可能具有价值，但这会带来不同的机架级权衡。

编译器一致性有所帮助，但无法消除平台差异。内存配置、固件、操作系统设置、热特性和基准测试调优都可能影响结果。量产芯片的表现也可能与早期参考系统不同。

AMD 表示调优尚未完成，这一点有两面性。进一步优化或许能改善 Venice 的结果；同时，它也确认所披露的数字反映的是不断变化的预量产目标，而非稳定的上市配置。

Vera 面临同样的不确定性。Nvidia 表示，来自 Cisco、Dell、HPE、Lenovo 和 Supermicro 的系统预计将在 2026 年下半年推出。广泛的商业测试将揭示其在更多软件和系统配置下的性能。

早期第三方访问同样受到限制。Phoronix 在 Nvidia 的设施中测试了 Vera，所用工作负载围绕预期部署领域选择。这些结果显示出强劲的 Arm 性能，但这种访问模式并未提供普通独立评测所具备的自由度。

两家公司对相关市场的定义也存在另一处错位。Nvidia 将 Vera 定位为面向智能体 AI 和强化学习的专用主机。AMD 则在企业数据库、Web 服务、缓存、科学计算和智能体工作负载中测试 Venice。

通用基准测试可以展现架构实力，但未必能完美代表 AI 系统。SPEC 的整数套件包括编译器、Python、SQLite、模拟、压缩及其他程序。其中一些与智能体工作流中的组件相似，但没有任何一项能够复现完整部署的智能体服务。

Nvidia 的 Olympus 架构还包含单一综合结果无法隔离的特性。其一致性互连提供每秒 3.4 TB 的片上双向剖分带宽。该内存系统最高可提供每秒 1.2 TB 带宽，同时目标功耗低于传统 DDR 配置。

AMD 则以内存带宽、更多核心、熟悉的软件和多种 CPU 型号应对。其 256 核设计采用紧凑型 Zen 6c 核心，而 96 核型号优先考虑频率。这些是针对不同瓶颈的不同答案。

因此，这一逆转的范围比标题所暗示的更窄。AMD 已给出证据，表明 Zen 6 挑战了 Vera 的核心性能叙事。但它尚未证明 Venice 在每一种智能体工作负载上都快 20%，或能提供更优的整体 AI 工厂经济性。

下一步可信的验证应是在相同应用、操作环境和服务级别目标下进行直接测试。这类测试应衡量已完成的智能体循环、尾延迟、能耗和加速器利用率。SPEC 仍是有用的基线，而非采购决策本身。

基准测试数字尚未解决的问题

两家供应商均尚未提供足以在智能体 AI 基础设施领域判定胜负的独立、量产级证据。

第一个不确定性是官方状态。Nvidia 的 Vera 分数来自参考系统上的内部测试。AMD 对 Venice 的比较同样仍是预估的、未提交的结果。两者都不具备来自量产服务器、经独立复现的数据同等分量。

第二个不确定性是产品适配性。Nvidia 将 Vera 设计为 Vera Rubin 平台的一部分，在该平台中，CPU 和 GPU 组件构成紧密协同的系统。AMD 的 Venice 产品家族则必须服务于更广泛的传统服务器和加速器配置。

一款处理器可能在 SPEC 吞吐量上落后，却带来更好的应用经济性。更快的 CPU 到 GPU 通信可能让昂贵的加速器保持更高忙碌度。更低的内存功耗可能使固定机架功耗预算内的计算容量更大。

反过来也可能成立。一款专用 CPU 在供应商控制的平台测试中看起来很有吸引力，却可能在常见企业工作中输给高密度 x86 服务器。运行混合服务的采购方，可能比起在单一智能体循环中追求峰值性能，更看重灵活性。

功耗使比较尤其困难。AMD 在其 Vera 比较中披露，两种 Venice 配置的功耗均为 600 瓦。Nvidia 的 Vera 处理器通常与 450 瓦功耗范围相关联，尽管不同比较中的内存和系统统计口径可能有所不同。

完整的效率测试必须纳入 CPU 热设计功耗以外的因素。内存、网络、散热、存储和加速器利用率都会影响设施总功耗。供应商幻灯片往往会将系统边界划在其偏好架构表现最强的位置。

软件是另一项尚未解决的因素。Vera 采用 Arm，而 Venice 使用 x86。容器和开源工具已改善对 Arm 的支持，但企业仍需验证专有智能体、扩展、驱动程序、安全软件和可观测性系统。

对于从源代码编译的云原生服务，迁移可以相对直接。对于较旧的二进制依赖项或严格受控的企业应用，迁移可能较慢。性能收益必须超过验证成本和运营风险。

Nvidia 更强的系统控制能力可简化其技术栈内部的优化。它可以协调 CPU 架构、NVLink、GPU、网络、库和部署设计。这种整合也可能加深对单一供应商硬件路线图的依赖。

AMD 提供更开放的服务器选项组合，但必须证明其系统级表现同样强劲。如果软件或互连让加速器处于等待状态，一颗快速的 EPYC 处理器并不会自动带来更高的智能体吞吐量。

该基准测试同样无法解决供货问题。AMD 表示 EPYC 9996 是广泛 Venice 产品组合的一部分，其他型号将逐步推出。Nvidia 表示，Vera 系统将在 2026 年下半年进入主要制造商的产品线。

交付量、认证平台、固件成熟度和云端可用性对采用的影响，可能与标题性能同样重要。一款在 7 月获胜、却更晚交付或仅提供有限配置的芯片，可能会在实际部署中失利。

Intel 和超大规模云厂商的 Arm 处理器仍是重要背景。Intel 的 Xeon 6 服务于成熟的企业买家，而 AWS、Google 和 Microsoft 继续开发定制芯片。围绕 AI 基础设施的 CPU 市场远不止 AMD 与 Nvidia 的一次比较。

AMD 自身的数据还在多项测试中将 Venice 与 Intel Xeon 6980P 和 AWS Graviton5 对比。这些数据支持其产品组合叙事，但供应商生成的几何平均值可能掩盖工作负载层面的差异。采购方需要针对其实际运行应用的结果。

最有力的审慎结论很简单：AMD 的回应足够可信，能够挑战 Nvidia 的叙事，但尚不足以盖棺定论。这场基准测试之争已从营销预测迈向可比数据，但独立验证仍然缺失。

三个信号将决定 AMD 与 Nvidia 的 CPU 之争

量产硬件、完整应用测试和机架级效率将决定 AMD 的逆转能否在供应商演示之外成立。

第一个信号是对量产 Vera 和 Venice 系统的独立测试。评测者需要不受限制地访问最终硬件、固件和编译器。官方 SPEC CPU 结果将提供其他实验室可检查和复现的详细配置。

经验证的 Venice 单核 20% 领先将强化 AMD 的论点。这将表明 Zen 6 能够在满载插槽指标上挑战 Nvidia 的专用 Olympus 核心。更小或不一致的差距则会削弱这一逆转。

测试应同时包括 SPECrate 和 SPECspeed。Rate 结果展现大量并发副本下的吞吐量；Speed 结果则更好地代表单个任务的完成时间。两者都报告，可避免任何一家公司只用其偏好的视角定义性能。

第二个信号是完整智能体工作流上的性能。实用测试应包括代码生成后的编译、工具执行、检索、数据库访问和评估。它们应衡量中位延迟、尾延迟、完成的循环数和 GPU 空闲时间。

Nvidia 表示，Vera 可改善模型操作之间受 CPU 限制的工作。其 智能体吞吐量案例依赖于更快的串行步骤来改善整个强化学习或推理管线。该主张需要与 Venice 进行应用级验证。

如果 Vera 尽管在 CPU 基准测试中落后，却能让加速器保持更高忙碌度，Nvidia 更聚焦的设计将显得合理。如果 Venice 在支持更广泛企业工作的同时完成更多智能体循环，AMD 的产品组合战略将更具说服力。

第三个信号是节点和机架规模下的效率。测试应在相同服务级别目标下，考虑处理器、内存、散热、网络和加速器。仅比较处理器功耗或建模节点数量，会为有利假设留下过多空间。

机架效率将决定数据中心在功耗和散热限制内能完成多少有用的智能体任务。它还将揭示 AMD 更高的核心数是否能弥补更高的插槽功耗。对于 Nvidia，它将检验平台整合是否能带来可量化的运营收益。

在关注这些测量结果的同时，也应关注系统可用性。来自主要制造商的 Vera 服务器预计将在 2026 年下半年推出。包括高频型号在内的最终 Venice 配置，也必须在采购方能够复现 AMD 主张之前广泛可得。

AMD 计划进一步专用化。预计于 2027 年下半年推出的 Verano，面向 AI 主机节点，最高配备 72 核和 24 通道 LPDDR5X 内存系统。这一未来设计比高密度 EPYC 9996 更接近 Vera 的优先方向。

Verano 的存在揭示了一个重要细节：AMD 在用 Venice 挑战 Vera 的同时，也看到了 Nvidia 专用主机 CPU 概念的价值。两家公司正趋同于对更快串行执行和更大内存带宽的需求，尽管其平台战略不同。

对开发者而言，眼下的教训是对整个工作流进行基准测试。当代码编译转向检索、数据库、向量处理或高并发时，处理器排名可能发生变化。应追踪延迟用户可见完成时间的真正瓶颈。

企业采购方也应保留每次评估背后的证据。硬件配置、编译器标志、应用版本与测试记录，决定了一项结果日后是否仍有参考价值。一个可搜索的知识库可以让这些决策始终与其技术来源关联起来。

AMD 至少已在一个方面取得成功：它阻止了 Nvidia 最初的 Vera 测试结果毫无争议地定义 CPU 叙事。如今，AMD 与 Nvidia 的竞争中已有可信的 Zen 6 反驳论点、更尖锐的基准测试框架之争，以及一项尚未解决的应用层测试。

下一步要看独立实验室和早期客户的表现。他们的结果必须证明，Venice 宣称的单核性能领先 20% 是否能在最终硬件和真实的智能体工作负载中成立。在此之前，应将这次逆转视为一次严肃挑战，而非已经盖棺定论的结论。