NVIDIA 在 2026 年 5 月 18 日表示，首批 Vera CPU 系統已由 NVIDIA 團隊交付到 Anthropic、OpenAI、SpaceXAI 和 Oracle Cloud Infrastructure。這條新聞值得留意，因為它把 agentic AI 的基建問題由 GPU 延伸到 CPU、記憶體和 orchestrated workload。
過去談 AI 基建，大部分焦點都在 GPU。NVIDIA 今次的說法是 agentic AI 並不只靠 GPU：每一個 agent sandbox、tool call、orchestration layer、long-context retrieval 和資料分析，都會消耗大量 CPU 工作。當模型由「回答」走向「行動」，後端系統要承受的並行任務會變得更複雜。
Vera 被定位為 NVIDIA 第一款 custom CPU，專為 agentic AI 設計。NVIDIA 表示 Vera 擁有 88 個自家設計的 Olympus cores、1.2TB/s memory bandwidth，以及在 full load 下 50% 更快的 per-core performance。OCI 亦表示計劃自 2026 年起部署數十萬顆 Vera CPU，以支援大規模企業 AI。
這個方向有一個很實際的含義：AI agent 的成本和可靠性不只由模型決定。當 agent 要寫 Python、跑測試、查資料、管理 long-context state、執行沙盒、調用多個工具和同步多個任務，CPU 和系統架構會直接影響延遲、吞吐量和成本。
對企業來說，這提示 AI agent 導入不能只問「用哪個模型」。生產級 agent 需要可管理的執行環境、資料流、沙盒、觀察性和資源隔離。硬件層正在因為 agentic workload 改變，軟件架構亦需要同步改變，否則 agent 數量一多就容易遇到成本和可靠性問題。
對中小企而言，未必需要直接採購這種基建，但仍值得理解背後趨勢。未來 AI workflow 報價、速度和穩定性，很大程度會受「agent 背後如何執行」影響。選擇雲端平台、agent 供應商或自建系統時，執行層設計會愈來愈重要。
NVIDIA Vera 的訊號是，agentic AI 已不再只是模型產品，而是一整套 compute architecture。當 OpenAI、Anthropic 和 OCI 這類玩家開始測試專用 CPU，市場其實已經承認：能否高效承載 agent 工作流，會成為下一階段 AI 基建競爭的核心。
