NVIDIA Vera CPU 平台进军 HPC
NVIDIA 于 2026 年 11 月 16 日发布了一套配备 192 颗处理器的科学计算机架,将 NVIDIA Vera CPU 平台扩展至仍依赖 CPU 的工作负载领域。这一方案试图在数据移动和能效方面挑战成熟的服务器处理器。其意义取决于这些优势能否经受真实应用、软件迁移以及整个集群运营环境的检验。
主要竞争将在 NVIDIA 的一体化方案与成熟的 x86 系统之间展开,后者是 AMD EPYC 和 Intel Xeon 服务器所采用的处理器架构。NVIDIA 希望研究中心将处理器、内存、网络和散热作为一个整体进行评估。采购方必须判断,该组合是否能在足以证明改变现有计算环境合理的程度上提升科研产出。
气候研究提供了一个具体的采用信号。德国 DKRZ 气候计算中心已为其下一代超级计算机的 CPU 分区选择 Vera。不过,这一未来部署与 NVIDIA 新发布的商用机架采用不同的时间表和配置。两者都不能证明每种科学应用都将获得同等收益。
NVIDIA Vera CPU 平台成为机架产品
此次发布将一项处理器方案转变为面向科学计算的更广泛基础设施选择。
NVIDIA 的 Vera CPU rack 公告介绍,该机架配备 192 颗 CPU、约 300TB 内存和 1PB 存储。系统通过连接计算节点的网络技术 Quantum-X800 InfiniBand 互联。NVIDIA 称,其聚合峰值内存带宽超过每秒 200TB。
最后这项规格需要谨慎解读。内存带宽衡量处理器与内存交换数据的速度。聚合峰值是将整个系统的理论能力相加得出的结果。它并不代表单个应用可访问的内存池,也不能保证软件能够持续达到宣传的速率。
这一差异十分重要,因为该公告瞄准的是信息移动可能限制进展的应用。等待数据的处理器无法有效利用其算术资源。若不解决这种延迟,增加更多处理器可能只是成倍增加闲置资源,而非更快完成科学工作。
因此,该平台提出的问题不同于直接更换处理器。采购方需要评估的是一套由相互连接部件组成的安排。他们的评估必须涵盖应用如何分配工作、数据存放在哪里,以及不同计算之间交换中间结果的频率。
计算节点是参与更大系统的单台服务器。强劲的节点性能固然必要,但当科学应用分布在大量节点上运行时,这一优势可能会流失。通信延迟和工作负载不均衡都会影响最终结果。
NVIDIA 的设计将这些交互置于产品叙事的核心。这是合理的工程关注点,但集成本身并不能证明其优越性。真正有意义的比较,仍应是在可比运行条件下完成一项完整的科学任务。
商用可用性同样需要准确表述。NVIDIA 预计 Dell Technologies、HPE、Lenovo 和 Supermicro 将从 2027 年初开始提供相关机架。11 月的公告描述的是即将推出的产品,并不能证明整套机架现已全面上市。
对研究中心而言,这段时间构成了一个评估窗口。团队可以确定具有代表性的应用、审查软件依赖关系,并在作出基础设施承诺前要求提供可比测量结果。及早规划很有价值,因为技术验收不仅仅是确认程序能够运行。
系统还必须产生可接受的科学结果、可靠运行,并契合中心的支持实践。这些要求使机架公告具有重要意义,但并不意味着它已构成一个完成部署的故事。硬件方案已经明确;更广泛的运营证据仍有待形成。
气候研究使能效成为科学约束
DKRZ 的选择证明了采购方的兴趣,而其规划中的系统也说明,CPU 性能为何仍与 GPU 并行重要。
GPU,即图形处理器,可并行执行大量计算。DKRZ 的 HLRE-5 supercomputer 将结合 Grace Blackwell GPU 分区和 Vera CPU 分区。Bull 将建设该系统,预计于 2028 年初投入运行。
该中心的公告早于 NVIDIA 在 11 月发布机架产品。DKRZ 于 2026 年 10 月 21 日披露了这份合同。这一时间线很重要:NVIDIA 指向的是已有客户的选择,而非宣称其新商用机架已投入气候研究服务。
两者的配置也不同。DKRZ 为 HLRE-5 指定了 Quantum-2 InfiniBand,而 NVIDIA 的新机架公告采用 Quantum-X800。读者不应将该气候系统视为商用平台所描述的每个组件的完全相同部署。
DKRZ 预计其新系统可同时以 5 公里分辨率运行两项全球气候模拟。它预计每个模拟年消耗的能源将比当前的 Levante 系统低约 75%。这一预测针对的是完整安装,包括其 GPU 能力,而非仅针对 Vera CPU。
这种区别强化了对该项目的务实解读。气候中心需要的是一个支持其整体研究计划的系统。其选择不能被简化为处理器基准测试,或某个单一组件的能效比。
考虑更精细气候模型的规划影响。研究人员既需要足够的计算能力来运行模型,也需要重复开展实验。结果通过比较、验证以及对不同假设的探索而获得科学价值。
如果拟议系统能降低每次获采纳模拟的能耗,中心便会获得更多选择。它可以在既有能源配额内开展更多实验,或将容量留给其他研究。这些都是潜在的运营收益,前提是预测的效率能够在生产环境中实现。
CPU 容量仍是这一计算的一部分,因为研究流程包含分配给两类处理器的工作。DKRZ 明确指出,Vera 的作用在于支持无法在 GPU 上运行的应用。关键问题在于,这些分区对该中心实际工作负载组合的支持效果如何。
这同时给现有供应商和 NVIDIA 带来压力。AMD 与 Intel 必须以具有代表性的科学成果来捍卫其系统。NVIDIA 则必须证明,其替代方案能够支持所需软件,并在部署后产生持久收益。
因此,这一采用信号具有意义,但也有边界。DKRZ 作出的是一项具有未来启用日期的架构选择。成功调试并持续用于研究,将比单纯的选择更能提供有力证据。
内存数据移动是竞争机制
NVIDIA 对成熟 CPU 的挑战,核心在于持续向应用提供数据,而非将核心数量视为完整的性能叙事。
CPU 核心是处理器内部的执行单元。线程是可独立调度的程序指令流。更多核心和线程能够提升有效吞吐量,但前提是应用和周边系统能够让它们保持高效工作。
NVIDIA 指定每颗 Vera 处理器配备 88 个 Olympus 核心和 176 个线程。其搭配采用低功耗内存技术 LPDDR5X 的可维护 SOCAMM2 模块。该公司列出的每颗 CPU 内存带宽最高为每秒 1.2TB。
这些规格描述了预期的实现机制。科学软件通常会在大量数值集合上反复计算。当获取这些数值所花时间超过处理它们的时间时,单纯增加算术能力所能带来的缓解有限。
不同应用的平衡也不同。有些程序大部分时间都在对已靠近处理器的数据进行计算;另一些则反复从内存检索信息。适合第二种模式的处理器,并不会自动在第一种模式中占优。
独立研究为 NVIDIA Vera 与 x86 的比较提供了有用背景。Joseph Moore、Thomas Green 和 Simon McIntosh-Smith 发布了一项 Vera architecture comparison,涵盖 Grace、AMD Turin 和 Intel Granite Rapids。
研究人员报告称,Vera 在他们测试的大多数科学代码中领先。他们主要将其优势归因于内存行为以及对并发线程的处理。不过,在部分由浮点计算主导的工作负载中,Vera 落后于 AMD 和 Intel;浮点计算指对数值进行的算术运算。
这一发现支持的结论比通用处理器排名更为有限。Vera 具有可识别的架构优势,而测试应用的响应并不一致。该研究评估的是单插槽性能,即单个处理器封装上的工作表现,而非验证新发布的完整机架。
对采购方而言,这意味着在比较产品前应先区分工作负载特性。以内存流量为主的中心,与以算术计算为主的中心面临不同的评估问题。将两者合并为一个标题式平均值,可能掩盖真正重要的决策。
成熟的 x86 系统同样值得采用反映其目标配置的比较方式。内存配置、软件调优和处理器选择都会影响结果。配置欠佳的替代方案,几乎无法告诉采购方其工作负载可获得的最强实际选择。
NVIDIA Vera CPU 平台使这种更广泛的评估不可避免。其方案结合了处理器设计、内存和系统集成。现有产品仍可能凭借应用性能、熟悉的运维方式,或对现有软件更好的适配而保持吸引力。
认为 Vera 更适合某个应用、而 AMD 或 Intel 系统更适合另一个应用,并不矛盾。科学计算采购服务于一组程序。采购决策取决于这些程序如何服务于机构的研究优先事项。
因此,最有力的竞争论据将说明哪些任务得到了改善,以及原因何在。这比在未明确应用、运行条件或测量边界的情况下宣称某种架构获胜更有用。
基准测试标题背后的证据并不相同
NVIDIA 的气流测量、天气预测和集群比较应被视为彼此独立的主张。
对于用于模拟流体行为的软件 OpenFOAM,NVIDIA 报告其性能为所比较 x86 系统的 1.9 倍。它还报告,在 motorBike Large 气流测试中,每瓦性能为 2.4 倍。这些是 NVIDIA 针对特定工作负载得出的测量结果。
对于天气研究与预报模型 WRF,该公告采用了不同表述。NVIDIA 预计,与 x86 相比,其性能可达 1.6 倍、能效可达两倍。报道这些数字时,应保留其预测性质。
这一差异会直接影响采购决策。测得结果描述的是特定条件下观察到的结果。预测则加入了对预期结果的假设。两者都能为评估提供参考,但其证据权重并不相同。
NVIDIA 的 HPC 性能简报提供了配置细节和更多限制说明。其中将 AMD EPYC 9755 系统列为对比配置之一。其集群评估将 Vera 与上一代平台进行比较,并称无法获得竞争产品的集群。
这限制了集群结果所能证明的范围。它们为已测试的对比提供了证据,而非与当前替代方案进行完整的机架级较量。读者不应将某项应用结果延伸为对所有科学工作负载的断言。
每瓦性能回答的问题也不同于耗时。耗时衡量一项任务需要多长时间完成。每瓦性能则将有效工作量与功耗联系起来。机构可能会根据自身运营约束优先考虑其中任一指标。
例如,天气预报服务必须考虑结果能否在截止时间前交付。计划开展大量实验的研究中心也需要足够的总体吞吐量。在某一指标上表现出色的系统,仍需按照另一指标进行评估。
测量边界同样至关重要。处理器功耗、服务器功耗和设施能耗代表不同的范围。在某一边界上表现优异的比率,不应被扩大为关于总运营能耗的无依据断言。
科学等价性是另一项必要条件。比较应保持所解决的问题以及答案所需的质量不变。改变数值设置或终止条件,可能改变运行时间,却并不代表等价的改进。
这些是评估原则,而非证明 NVIDIA 的测量结果不正确。该公司已提供了买方可以测试的具体主张。下一步是确定这些主张在多大程度上能够描述每位买方的应用和运行条件。
当独立测试以透明的设置检查同一任务时,会增加可信度。当测试纳入为该工作负载选定的竞争系统时,其价值尤为突出。在这些条件下复现有利结果,将增强 NVIDIA 的论据。
相反,若某项优势在等效调优后缩小,采购计算就会改变。重要的结果是更清楚地说明 Vera 在何处能够带来帮助。当其限制条件可见时,经过限定的优势依然有用。
软件就绪度决定硬件收益能否真正落地
只有当科研团队能够在新系统上构建、验证和维护其应用程序时,架构变更才能创造价值。
Vera 使用 Arm 指令集,即其处理器能够理解的机器级命令。因此,从 x86 迁移需要兼容的软件构建版本。获得源代码会有所帮助,但并不能解决所有依赖关系或性能问题。
NVIDIA 在推出机架平台的同时发布了 HPC SDK 26.11。SDK 即软件开发工具包,集成了构建应用程序所需的工具。该公司还推出了下一代 Fortran 编译器的公开测试版,该编译器可将科学程序转换为可执行代码。
HPC 开发工具涵盖编译、库、性能分析和调试。这些能力之所以重要,是因为应用程序就绪度涉及在首次成功构建后识别错误和性能瓶颈。编译器的可用性只是评估的起点。
测试版这一标识值得关注,但不意味着软件无法使用。它表明产品所处的阶段,买方应根据自身支持要求进行评估。团队需要了解哪些编译器版本和功能将支撑其生产环境。
Fortran 是科学计算中广泛使用的编程语言,这使得该问题与既有科研代码尤其相关。现有程序承载着科学假设和验证工作。在提升执行速度的同时,保留这些结果同样重要。
源代码兼容的构建并不保证数值行为完全一致。团队仍需根据已接受的容差检查结果。他们还需要确认应用程序库、数据格式和辅助工具均按预期运行。
实际评估应涵盖完整的研究流程。准备输入、执行计算、存储输出和分析结果都会影响周转时间。如果另一个阶段成为主要延迟,即使加速核心计算,价值也会降低。
运营支持带来了另一项考量。管理员需要可重复的安装流程、监控和故障诊断能力。研究人员则需要明确的软件问题报告渠道。当研究中心支持使用不同应用程序的众多团队时,这些要求尤为重要。
对于 NVIDIA Vera 与 x86 的决策,成熟系统保留了熟悉度这一价值。这并不证明其性能更好,但可以减少迁移工作。NVIDIA 的集成式方案必须带来足够的实际收益,才能抵消采用所需的投入。
这使得在机架广泛供货之前,软件证据面临压力。应用构建报告、记录在案的限制条件和可复现的验证结果,将有助于买方区分就绪度与意图。再有吸引力的规格也不能替代这些记录。
研究团队还应保留其在评估过程中获得的经验。可搜索的知识库可以将整个技术团队的编译器设置、基准测试日志和验证决策连接起来。这些记录有助于后续审查者理解为何接受某个特定配置。
软件问题最终仍与科学产出相连。运行更快但需要过多人工干预的应用程序,在日常使用中可能令人失望。成功的平台应支持研究人员和管理员能够长期维持的可重复工作。
三项信号将显示 Vera 的 HPC 推进能走多远
接下来的证据应将已公布的硬件、可复现的应用结果和实际的软件就绪度联系起来。
首先,随着 2027 年初的供货窗口临近,应关注具体的合作伙伴产品。Dell Technologies、HPE、Lenovo 和 Supermicro 是已点名的供应商。详细的配置和交付信息将显示这项已公布的设计如何转化为可采购的系统。
这一信号之所以重要,是因为参考规格仍留下了实施层面的疑问。买方需要了解每家供应商支持什么,以及拟议系统如何适配其设施。明确的产品方案将强化 NVIDIA 机架战略正变得可在运营中使用这一判断。
延迟或范围更窄的产品供应将削弱对近期采用的预期。这不会决定处理器的技术质量,却会改变研究中心何时能够评估和部署完整方案。
第二,应关注从孤立处理器扩展至真实集群运行的应用测量结果。最有价值的结果将明确问题规模、软件设置、对比系统和能耗边界。它们还应保持等效的科学要求。
这些结果将检验 NVIDIA Vera CPU 平台背后的机制。如果应用跨节点扩展后优势依然存在,集成式方案便会获得支持。若通信或其他开销侵蚀了这些优势,买方就需要形成更有限的预期。
这一观察应包括独立研究,而非完全依赖供应商基准测试。现有的架构研究已经表明,工作负载差异为何重要。更广泛的测试可以确定这些差异在生产环境下是否仍然相似。
第三,应关注公告发布后数月内的软件就绪度报告。编译器更新、应用验证和有记录的支持经验将揭示买方面临多少迁移工作。这些信号可能在完整超级计算机投入运行前就出现。
积极证据包括在具有代表性的应用程序中可重复的构建和被接受的科学结果。持续的依赖问题或不清晰的支持将削弱近期采用的理由。无论哪种结果,都无需等到 DKRZ 预计于 2028 年初投入运行的日期。
DKRZ 仍是一个长期参考点,而非即时验收测试。其混合 CPU 和 GPU 设计反映了具有独特需求的研究工作负载。成功运行将为该完整系统提供证据,且归因应保持在恰当层级。
目前,NVIDIA 已提出一项可信的方案,包含明确的硬件、一家已具名的研究客户,以及可供检验的性能主张。它还将工作负载适配性置于竞争讨论的核心。这正是买方应持续关注之处。
如果你的团队正在评估科学基础设施,请在比较宣传中的比率之前,先确定最能代表实际约束的应用程序。保留其输入数据、可接受的输出容差、编译器设置和测量边界。向每个候选系统索取等效结果,包括核心计算前后的各个阶段。对于 NVIDIA Vera CPU 平台,这些证据将显示以内存为重点的集成是否改善了研究人员实际需要完成的工作。请同时关注合作伙伴供货情况、独立集群测试和软件验证。它们分别回答采用决策中的不同部分。哪项结果会改变你的基础设施决策:更短的截止时间、更多被接受的模拟结果,还是以相同科学任务实现更低能耗?



