NVIDIA

黃仁勳說這是全新 2000 億市場：Vera CPU 要讓 NVIDIA 掌控整座 AI 工廠

NVIDIA 執行長黃仁勳宣布 Vera CPU 為公司打開全新 2,000 億美元市場。這款專為 agentic AI 打造的 CPU，不只是協調 GPU 的工具，而是 NVIDIA 試圖掌控整座 AI 工廠的關鍵一步——從算力、記憶體到工作流調度，全部納入自家平台版圖。

NVIDIA 的 AI 晶片故事正在從 GPU 擴大到 CPU。根據 TechCrunch 2026 年 5 月 20 日報導，NVIDIA 執行長黃仁勳在財報電話會議上表示，Vera CPU 為 NVIDIA 打開一個全新的 2,000 億美元潛在市場；而 ETDatacenters 2026 年 5 月 25 日整理也指出，NVIDIA 仍把 AI 晶片需求視為兆美元級成長機會。

這件事的重要性不只在於 NVIDIA 又推出一顆新處理器，而是它正在重新定義 AI 資料中心的控制權：未來的 AI 工廠不只需要更多 GPU，也需要能協調資料、工具、記憶體與 agent 工作流的 CPU。換句話說，NVIDIA 想把自己從「GPU 霸主」推進到「AI compute 平台」的位置。

NVIDIA Vera CPU 把戰場從 GPU 推向 CPU

NVIDIA Vera CPU 是 NVIDIA 試圖切入資料中心 CPU 市場的關鍵產品。過去 AI 基礎設施的討論幾乎都圍繞 GPU，因為大型模型訓練與推論最吃平行運算能力；但當 AI agent 開始執行更複雜的任務，CPU 的角色也跟著變重。

在 NVIDIA 官方 Vera CPU 發布資料中，NVIDIA 把 Vera 定位為「專為 agentic AI 與強化學習打造」的 CPU。它不只是餵資料給 GPU，而是負責管理資料移動、記憶體、工具調度、程式執行環境與系統控制。

這個定位很關鍵。過去 CPU 比較像資料中心裡的協調者，GPU 才是 AI 運算主角；但在 agentic AI 場景裡，模型會呼叫工具、讀寫資料、執行程式、驗證結果，整個系統的瓶頸不一定只在 GPU 算力，也可能出現在 CPU 調度、記憶體頻寬與系統延遲。

NVIDIA 在官方資料中表示，Vera 可讓軟體環境在傳統 CPU 基礎設施上達到最高 50% 更快、兩倍效率，並提供最高 1.2 TB/s 記憶體頻寬。這些數字的意思是：NVIDIA 不只想賣更快的加速器，也想掌握 AI agent 真正運作時需要的整套系統底層。

NVIDIA Vera CPU Rack — Image Credits: NVIDIA Newsroom

為什麼 2000 億美元市場值得關注

2,000 億美元潛在市場代表 NVIDIA 正在進攻原本不完全屬於自己的地盤。CPU 市場長期由 Intel 與 AMD 主導，雲端巨頭也開始推自研晶片，例如 AWS、Google、Microsoft 都希望用自己的 silicon 降低成本與供應風險。

黃仁勳在財報會議上把 Vera 稱為 NVIDIA 從未真正切入過的新市場，這句話背後有兩層意思。第一，NVIDIA 認為 AI agent 會改變資料中心 CPU 的需求結構；第二，NVIDIA 不想只守住 GPU，而是要把 CPU、GPU、網路、DPU、軟體堆疊綁成一個完整平台。

這也延續了 Vera Rubin 算力升級所代表的趨勢：AI 基礎設施競爭已經不是單一晶片規格戰，而是整個 rack、網路、記憶體、軟體與開發生態的總體戰。

更直接地說，誰能控制 CPU 與 GPU 之間的資料流，誰就能影響 AI 工廠的成本結構。當模型越來越像一群能規劃、執行、修正任務的 agent，資料中心就不只是「把 prompt 丟進模型再拿回答案」；它會變成大量小任務、高頻資料搬移、多環境併發、工具呼叫與安全隔離共同運作的系統。

Vera 與 NVIDIA 既有 GPU 業務差在哪裡

Vera 的重點不是取代 GPU，而是讓 NVIDIA 的平台控制力更完整。GPU 仍然負責大規模矩陣運算與模型推論核心，但 Vera 讓 NVIDIA 有機會吃下原本由通用 CPU、雲端自研晶片與系統廠分食的價值。

面向	傳統 NVIDIA GPU 業務	Vera CPU 新機會
核心任務	模型訓練與推論運算	agent 工作流調度、資料處理、系統控制
主要競爭對手	AMD GPU、Google TPU、AWS Trainium 等加速器	Intel Xeon、AMD EPYC、雲端自研 CPU
商業價值	賣高毛利 AI 加速器與整櫃系統	擴大到 CPU、記憶體、網路與 AI 工廠平台
客戶痛點	算力不足、GPU 供應吃緊、推論成本高	多 agent 併發、資料搬移、延遲、效率與治理
NVIDIA 的策略	用 CUDA 與 GPU 生態建立護城河	用 Vera Rubin 與 NVLink 把 CPU/GPU 綁成完整平台

根據 NVIDIA Vera 產品頁，Vera 可作為 NVIDIA Vera Rubin NVL72 與 HGX Rubin NVL8 平台的 host CPU，負責讓 GPU 保持高利用率。

這正是 NVIDIA 商業模式最熟悉的打法：先用硬體性能建立標準，再用軟體、互連與生態系提高客戶轉換成本。從 CUDA 到 NVLink，再到 Vera CPU，NVIDIA 正在把「AI 晶片」變成「AI 工廠作業系統」。

財報訊號顯示 AI 基礎設施需求仍強

NVIDIA 最新財報讓這個故事更有底氣。根據 NVIDIA 2026 年 5 月 20 日公布的 2027 會計年度第一季財報，公司單季營收達 816 億美元，年增 85%；資料中心營收達 752 億美元，年增 92%。

更值得注意的是，NVIDIA 對下一季營收預估為 910 億美元上下 2%，而且公司明確表示，這個展望沒有假設任何來自中國的 Data Center compute 營收。這代表即使中國市場仍受出口限制與地緣政治干擾，NVIDIA 仍認為其他地區與客戶的 AI 基礎設施需求足以支撐高成長。

財報還提到 NVIDIA 將資料中心業務重新分為 Hyperscale 與 ACIE，其中 ACIE 涵蓋 AI Clouds、Industrial、Enterprise 等更廣泛的 AI 工廠場景。這個分類變動很有意思，因為它透露 NVIDIA 正在把成長敘事從少數雲端巨頭，擴展到各國主權 AI、企業 AI 工廠、工業 AI 與邊緣運算。

如果把這件事和 AI 晶片短缺與供應鏈重組放在一起看，NVIDIA 的下一步就更清楚：它不只要賣最搶手的 GPU，也要把資料中心裡越來越多關鍵零組件納入自己的平台版圖。

競爭風險在於客戶也想降低 NVIDIA 依賴

NVIDIA 的機會很大，但風險也同樣明顯。最大風險不是 AI 需求突然消失，而是大型客戶不想讓整個 AI 基礎設施都被單一供應商綁住。

Amazon、Google、Microsoft、Meta 與 OpenAI 都有不同程度的自研晶片策略。這些公司一方面大量採購 NVIDIA GPU，另一方面也積極發展 TPU、Trainium、Maia 或自訂 ASIC，目標很直接：降低單位推論成本、確保供應、避免被 NVIDIA 定價與交期牽著走。

Vera CPU 的挑戰也在這裡。NVIDIA 必須證明它不只是「GPU 很強，所以 CPU 也值得買」，而是 Vera 在 agentic AI、強化學習、多租戶 AI 工廠與高併發工具調度上，能提供明顯到足以改變採購決策的效率提升。

對企業客戶來說，這會變成一個現實選擇：要採用 NVIDIA 更完整但可能更封閉的平台，還是保留更多雲端自研晶片與 x86 生態彈性？短期內，效能與供應會讓 NVIDIA 仍具優勢；中長期，成本、談判籌碼與供應多元化會讓客戶持續尋找替代方案。

這對 AI 產業代表什麼

Vera CPU 的真正訊號，是 AI 競爭正從模型能力進入基礎設施控制權。當 AI agent 變成企業流程、軟體開發、資料分析、客服、自動化決策的核心，背後需要的不只是更大的模型，也需要能穩定支撐大量 agent 同時運作的資料中心架構。

這會影響三類人。對雲端服務商來說，NVIDIA 平台越完整，短期部署越快，但長期依賴也越深。對企業 CIO 與 CTO 來說，未來採購 AI 能力時，不能只問「模型是哪一家」，還要問「底層算力、資料流、治理與成本模型由誰控制」。對一般使用者來說，這些基礎設施競爭最後會反映在 AI 工具是否更快、更便宜、更穩定，以及是否能支援更長、更複雜的工作流。

所以這則新聞不是單純的晶片規格更新，而是 NVIDIA 對下一階段 AI 商業版圖的宣告：GPU 讓它成為 AI 時代最大贏家之一，Vera CPU 則是它試圖把勝利擴大到整座 AI 工廠的下一步。

想每週掌握最新 AI 工具與趨勢？訂閱 AI 郵報，每週精選重點直送信箱，讓你不錯過任何重要動態。