NVIDIA Vera CPU 是什麼？SpaceXAI 為何把 AI Agent 運算帶進太空
SpaceXAI 將部署 NVIDIA Vera CPU，並規劃把 Vera Rubin NVL72 帶進 Starmind 衛星。本文拆解 Agent 運算、30 倍效能條件與軌道 AI 限制。
NVIDIA 在 2026 年 8 月 24 日宣布，SpaceXAI 將部署 Vera CPU，用來支撐下一代 AI Agent，同時以 Vera Rubin 平台擴建 Grok 的 AI 基礎設施。更吸睛的計畫是，SpaceXAI 準備把經過太空環境最佳化的 Vera Rubin NVL72，放進第一代 Starmind AI 衛星。
這則消息容易被簡化成「NVIDIA 把 GPU 送上太空」，但真正值得注意的是 CPU 的角色正在改變。AI Agent 不只回答問題，還會反覆規劃、搜尋資料、執行程式與呼叫工具。GPU 負責模型推論，CPU 則要處理前後大量的控制與資料工作。任何一邊卡住，都會讓昂貴的 GPU 等待。
我的判斷是中性偏多。Vera 把 NVIDIA 從 GPU 與網路設備延伸到 Agent 執行所需的 CPU，SpaceXAI 也提供了一個具規模的採用案例。不過，官方宣稱的最高 30 倍每兆瓦吞吐量仍是特定模型與測試條件下的早期結果，而且尚待 SemiAnalysis 完成審查；Starmind 也還是開發計畫，不能寫成軌道 AI 資料中心已經商轉。
NVIDIA 與 SpaceXAI 這次宣布了什麼？
這次合作可以分成三層，成熟度並不相同。
| 項目 | 官方公布的內容 | 目前應如何理解 |
|---|---|---|
| Vera CPU | SpaceXAI 將部署 Vera，處理 Agent 的工具編排、程式執行、資料處理與模擬 | 已宣布採用，但公開資料沒有揭露數量、價格與上線時程 |
| 地面 Vera Rubin | SpaceXAI 將用 Vera Rubin 擴建 Grok 基礎設施，朝吉瓦級運算容量發展 | 是地面 AI 工廠的擴建方向，不等於已完成全部容量 |
| Starmind 衛星 | 第一代 Starmind 規劃採用最佳化的 Vera Rubin NVL72 | 仍是開發中的軌道運算計畫，實際發射、規模與效能仍可能改變 |
NVIDIA 在新聞稿中表示，SpaceXAI 的 Agent 會把 Vera 用在工具呼叫、程式執行、資料處理、任務編排與模擬。這些工作不一定需要 GPU 的大量平行運算，卻會直接影響整個任務何時能進入下一步。
對 NVIDIA 而言，這比賣出一顆新 CPU 更重要。它希望客戶購買的不只是 GPU，而是一整套由 CPU、GPU、網路、儲存與軟體組成的 AI 工廠。SpaceXAI 從地面 Grok 基礎設施延伸到 Starmind，正好展示這套架構能橫跨不同環境，但目前沒有足夠資料證明軌道部署會成為 NVIDIA 的實質營收來源。
NVIDIA Vera CPU 是什麼？為何 AI Agent 特別需要 CPU？
AI Agent 是能把目標拆成多個步驟，主動呼叫工具並根據結果繼續行動的 AI 系統。一般聊天可能只需要「輸入問題、模型回答」一次往返，Agent 卻可能在同一個任務裡查資料、開子任務、執行 Python、讀取檔案，再把新結果送回模型推理。
這種流程會讓 CPU 承擔大量零碎但延遲敏感的工作。CPU 可以理解為系統的通用控制與資料處理核心，適合執行程式邏輯、管理工具與協調任務；GPU 擅長同時進行大量矩陣運算，主要負責模型訓練與推論。Agent 若在執行程式或搬資料時卡住，GPU 就算運算再快，也只能等待下一批工作。
Vera 採用 88 個 NVIDIA 自行設計的 Olympus 核心，支援 176 個執行緒，並提供最高 1.2 TB/s 的 LPDDR5X 記憶體頻寬。記憶體頻寬代表處理器每秒能搬動多少資料；對同時執行大量工具、查詢與沙盒程式的 Agent 平台來說，資料是否能及時送到 CPU，往往比單看核心數更重要。
Vera 也能透過第二代 NVLink-C2C，以最高 1.8 TB/s 的一致性頻寬連接 Rubin GPU。白話來說，CPU 與 GPU 可以更快共享資料，不必頻繁經過較慢的傳輸路徑。這讓 Vera 不只是伺服器裡的配角，而是 NVIDIA 用來提高整套 GPU 利用率的一環。
NVIDIA 官方介紹 Vera 如何處理 AI Agent 周邊的 CPU 工作，並與 Vera Rubin 等平台配合。 影片來源：官方頁面。
Vera Rubin NVL72 與單獨一顆 Vera 有什麼不同？
Vera 是 CPU；Vera Rubin 則是一整代 AI 運算平台。單一 Vera Rubin Superchip 由一顆 Vera CPU 搭配兩顆 Rubin GPU，再向上組成機架級的 Vera Rubin NVL72 系統。
NVL72 的「72」代表同一個機架級系統內有 72 顆 Rubin GPU。GPU 之間透過 NVLink 高速連接，讓大型模型可以把運算、專家子網路與長上下文快取分散在整個系統中。這種架構的目標不是讓單次聊天回答快一點，而是在有限電力下，同時服務更多長時間運作的 Agent。
這也解釋了 SpaceXAI 為何同時採用 Vera CPU 與 Vera Rubin。獨立 Vera 伺服器可以處理 CPU 密集的資料與控制工作；Vera Rubin NVL72 則把 CPU、GPU、網路與軟體放進同一套機架級設計。兩者不是互相替代，而是處理 Agent 工作流程的不同瓶頸。
「每兆瓦吞吐量最高 30 倍」代表什麼？
NVIDIA 同一天公布首批基於實際晶片的 Vera Rubin NVL72 測試。官方表示，在 DeepSeek V4 Pro 模型與 SemiAnalysis AgentX 工作負載下，Vera Rubin NVL72 相較上一代 GB300 NVL72，最高可達 30 倍每兆瓦吞吐量，並把每百萬 token 的成本最高降低 35 倍。
Token 是模型處理文字與資料時使用的基本單位。每兆瓦吞吐量則是在固定 1 MW 電力預算下，系統能處理多少 token。資料中心若受限於可取得的電力，這個指標比單看一顆 GPU 每秒生成多少 token 更接近實際商業價值。
AgentX 是 SemiAnalysis 在 2026 年 8 月 24 日發布的開源 Agent Coding 推論測試。它使用真實 Agent Coding 軌跡，保留多輪對話、工具等待、子 Agent 與長上下文變化。這比固定輸入與輸出長度的單輪 benchmark，更能呈現 Agent 長時間執行時的記憶體、快取與排程壓力。
OpenRouter 的平台資料指出，Agent 工作負載每次請求消耗的 token 約為一般人類操作的 15 倍。這不是所有 Agent 都固定增加 15 倍，而是該平台觀察到的平均差異。它反映出一個重要趨勢：模型開始代替人執行更多步驟後，成本問題會從「單次回答多少錢」轉成「一個完整任務需要多少運算與電力」。
為什麼 30 倍不能直接當成所有 Agent 的實際提升？
這個數字有參考價值，但至少有四個限制。
第一，30 倍是「最高」結果，不是整條效能曲線都固定提升 30 倍。NVIDIA 公布的圖表顯示，不同每位使用者 token 速度下，Vera Rubin 相對 GB300 的差距會改變。
第二，測試使用 DeepSeek V4 Pro 與 Agent Coding 軌跡。客服、研究、金融分析或多媒體 Agent 的工具種類、上下文長度與等待時間不同，不能直接套用相同比例。
第三，結果由 NVIDIA 公布，圖表也註明屬非正式結果，仍待 SemiAnalysis 審查。AgentX 本身雖然開源，Vera Rubin 的硬體結果仍需要獨立團隊重現，才適合當成跨供應商的最終比較。
第四，官方說明這批結果還沒有計入 Vera CPU 執行工具呼叫的效能。也就是說，30 倍主要反映 Vera Rubin 平台在模型推論、快取、排程與電力管理上的整體進步，不能把全部差距歸功於 Vera CPU。
因此，我會把這組數字解讀成「Vera Rubin 在長上下文 Agent 推論上展現很強的早期效率」，而不是「所有 AI Agent 都會立刻快 30 倍、便宜 35 倍」。如果後續公開重跑無法重現，或其他模型與工作負載的差距大幅縮小，這個正面判斷就要下修。
SpaceX Starmind 為什麼想把 AI 運算放到太空？
SpaceX 公開的 Starmind 頁面把目標定義為利用太空中的太陽能，為地球提供 AI 運算。第一代 AI1 衛星規劃在太陽同步軌道運行，單顆運算酬載標示為 150 kW 峰值、120 kW 平均值，運算結果再透過雷射鏈路與 Starlink 網路傳回地面。
這個構想瞄準地面 AI 資料中心的三個限制：電網容量、土地與冷卻用水。太陽同步軌道能長時間取得陽光，衛星也不需要地面機房的冷卻塔與風扇。SpaceX 還能用 Starship 運送大型酬載，並以 Starlink 雷射鏈路連接衛星。
但「太空很冷，所以散熱更容易」是常見誤解。真空中沒有空氣可用對流帶走熱量，設備必須把廢熱傳到大型散熱面板，再以熱輻射排出。NVIDIA 的新聞稿也把電力、熱管理、頻寬、可靠度與物理整合列為軌道運算必須重新解決的限制。
SpaceXAI 表示，第一代 Starmind 會以最佳化的 Vera Rubin NVL72 為基礎；SpaceX 官網則把 AI1 描述成可支援不同晶片供應商的模組化架構。兩者不衝突：首代系統可以選用 NVIDIA，同時保留未來更換或混用供應商的能力。對 NVIDIA 來說，這是一個品牌與技術驗證機會，還不是排他性長約的證據。
對 NVIDIA 投資人來說，這是實質利多還是題材？
短期比較接近技術與生態系利多，還不能直接換算成財務利多。NVIDIA 沒有公布 SpaceXAI 採購 Vera 的數量、合約金額、毛利率或 Starmind 的確定出貨時程，因此不能用這則合作估算新增營收。
長期價值在於 NVIDIA 正把競爭範圍從 GPU 擴大到整座 AI 工廠。若 Agent 成為主要 AI 用量來源，客戶會更在意 CPU 編排、GPU 推論、網路傳輸、快取與電力管理能否一起運作。Vera、Rubin、NVLink、Spectrum-X、BlueField 與軟體堆疊若能綁成同一個採購決策，NVIDIA 的護城河就不再只靠單顆 GPU。
最大反方證據則是客戶仍在降低單一供應商依賴。SpaceX 的 Starmind 架構明確標示為晶片供應商中立，大型 AI 公司也持續開發自研晶片。若後續 Agent 工作負載在自研 ASIC 或其他 GPU 上能以更低成本執行，Vera Rubin 的整套平台優勢就會受到挑戰。
所以，我對 NVIDIA 的平台方向維持中性偏多，對 SpaceX 軌道 AI 的商業化則保持中性。現階段最值得追蹤的不是發射宣傳片，而是 Vera 實際出貨、第三方 AgentX 重現結果、SpaceXAI 地面部署規模，以及 Starmind 是否依計畫完成首批衛星與持續運轉。
NVIDIA Vera、SpaceXAI 與 Starmind FAQ
NVIDIA Vera 是 GPU 嗎？
不是。Vera 是 CPU，主要處理 AI Agent 的工具編排、程式執行、資料處理與控制工作。Rubin 才是負責模型大量平行運算的 GPU，兩者可以透過 NVLink-C2C 高速連接。
Vera Rubin NVL72 的 72 代表什麼？
它代表機架級系統內整合 72 顆 Rubin GPU。這些 GPU 透過 NVLink 組成高速互連的運算區域，適合執行大型模型、長上下文與大量 Agent 推論。
Vera Rubin 真的比 GB300 快 30 倍嗎？
NVIDIA 公布的 DeepSeek V4 Pro AgentX 測試中，Vera Rubin NVL72 在特定互動速度下，最高每兆瓦吞吐量是 GB300 NVL72 的 30 倍。這不是所有模型、任務與速度下都固定提升 30 倍，而且結果仍待 SemiAnalysis 審查。
SpaceX 已經把 NVIDIA AI 伺服器送上太空了嗎？
官方說法是 SpaceXAI 正在開發第一代 Starmind AI 衛星，並計畫以最佳化的 Vera Rubin NVL72 為基礎。這是已公布的開發計畫，不等於系統已在軌道商轉。
太空 AI 資料中心會取代地面資料中心嗎？
短期不會。軌道運算可能避開部分地面電網與土地限制，但會增加發射成本、散熱、維修、輻射、通訊與太空安全問題。較合理的早期情境，是先成為特定工作負載或額外運算容量，而不是全面取代地面機房。
結論：Vera 的重點不是多一顆 CPU，而是 NVIDIA 想控制完整 Agent 運算鏈
SpaceXAI 採用 Vera 的意義，不只是 NVIDIA 多了一位客戶。它顯示 AI 基礎設施的瓶頸正從「GPU 算得夠不夠快」，擴大到「CPU、GPU、網路、快取與電力能不能一起讓 Agent 持續工作」。Vera 正是 NVIDIA 補上的 CPU 拼圖。
最高 30 倍每兆瓦吞吐量，為這套架構提供了很強的早期證據，但仍是限定模型、限定測試與待審查的結果。Starmind 則把故事延伸到軌道運算，技術想像大於現階段可驗證的商業收入。
我的結論維持中性偏多：Vera 擴大了 NVIDIA 在 AI 工廠的控制範圍，SpaceXAI 也證明客戶確實需要為 Agent 重新設計基礎設施。要把這項判斷升級為明確看多，還需要第三方重現 AgentX 效能、具體出貨與營收，以及 Starmind 的實際發射與穩定運轉證據。
免責聲明：本文僅供資訊整理與產業研究，不構成任何個別證券的買賣建議。投資涉及風險，讀者應依自身財務狀況與風險承受能力獨立判斷。
