" 黄仁勋的终局：卖工厂，不卖零件。"

作者｜家昌

出品｜极新

英伟达 Vera CPU 正式量产交付，标志着这家 AI 算力巨头完成了从 "GPU 供应商 " 到 " 全栈算力工厂定义者 " 的身份跃迁。CPU+GPU+ 网络的三位一体垂直整合，不仅是对英特尔、AMD 老牌 x86 阵营的直接宣战，更是在为下一代 AI 数据中心确立一套全新的技术标准。当英伟达开始控制从芯片设计到系统架构的每一个环节，全球算力格局的底层逻辑正在被改写——从开放生态下的水平分工，走向一家公司定义一切的垂直闭环。这场变革的影响力将以十年为单位计算。

1

从买铲子到建整座大山

要理解 Vera CPU 的战略分量，需要先看清英伟达过去十年的进化轨迹。

十年前，英伟达还是一家专注于图形渲染和游戏显卡的公司，在 PC 产业链上扮演着一个零部件供应商的角色。2016 年，随着 CUDA 生态在深度学习领域的爆发，它开始从 " 游戏显卡公司 " 蜕变为 "AI 加速器公司 "。2020 年收购 Mellanox 之后，它补上了高速网络互联这一块关键拼图。2023 年推出 Grace 系列 CPU，第一次正式涉足中央处理器领域。而现在，Vera 的量产交付，意味着 CPU、GPU、网络——数据中心最核心的三大计算组件——全部被英伟达收入囊中。

这不是一次简单的产品线扩充。它的本质，是英伟达不再满足于当 AI 时代的 " 铲子制造商 "，而是要亲自经营整座矿山。过去，一家云厂商要搭建 AI 集群，需要从英伟达买 GPU、从英特尔或 AMD 买 CPU、从博通或其他厂商买交换机芯片，然后自己完成系统集成和调优。现在，英伟达提供的是一套开箱即用的完整方案：你只需要接入电力和冷却系统，AI 工厂就可以开始运转。

这种模式切换，对英特尔和 AMD 的威胁是致命的。x86 架构在过去四十年里统治了全球数据中心，靠的就是 "Intel Inside" 式的生态绑定——所有服务器厂商、所有操作系统、所有企业软件，都围绕 x86 指令集构建。但 AI 工作负载的爆发，正在从根基上动摇这座大厦。大模型训练和推理的计算特征——海量矩阵运算、超高内存带宽、超大规模集群并行——与传统企业计算截然不同。当数据中心的主要任务从 " 跑数据库 " 变成 " 跑神经网络 "，x86 指令集的生态护城河就失去了大半意义。

2

发布时机的刀锋

Vera 量产消息的发布时间，被刻意选在了 AMD 年度 AI 大会的前一天。

这已经是黄仁勋的标志性战术动作了。在商业史上，很少有企业领导人像他这样，对竞争对手的时间表保持着近乎偏执的关注，并乐于用精确到小时的产品发布来打乱对手的节奏。效果立竿见影：当 AMD 的高管们站在台上展示 MI 系列加速器的最新进展时，台下投资者和客户脑子里盘旋的，已经是英伟达那个 CPU+GPU 全栈方案到底能不能更快交付的问题。

更让 AMD 和英特尔感到窒息的，是英伟达已经为 Vera 找到了第一批顶级客户。OpenAI 和 Anthropic ——全球最领先的两大模型公司——被证实已经率先部署了基于 Vera 的算力集群。这两家公司的选择，在 AI 产业中具有风向标意义。它们代表着最前沿的算力需求方，当它们开始用脚投票，从 x86 生态转向英伟达全栈方案时，给整个产业链传递的信号是明确的：AI 时代的计算标准，正在由英伟达一家公司来书写。

这不是一场公平的竞争。英伟达拥有 GPU 这一 AI 时代最稀缺的计算资源，它可以把 Vera CPU 和自家 GPU 进行深度耦合设计——从内存一致性协议到互联带宽，从功耗配比到散热方案，每一个细节都在系统层面做了最优解。这种耦合深度，是英特尔和 AMD 永远无法企及的，因为它们不控制 GPU。反过来，AMD 虽然同时拥有 CPU 和 GPU 产品线，但它的 GPU 在 AI 训练领域的市场份额与英伟达相去甚远，无法形成同样的捆绑效应。

3

谁在被颠覆？

Vera 的量产，将重新划分半导体产业的权力版图。首当其冲的是英特尔。这家曾经定义了 " 数据中心 " 标准的公司，在 AI 时代陷入了战略迷失。它的至强处理器仍然是全球服务器出货量最大的 CPU，但在 AI 训练和推理领域，至强越来越像一个配角——负责数据预处理和任务调度，核心计算全部交给 GPU。Vera 的出现，意味着英伟达连这个配角的位置也要拿走。如果 AI 数据中心的 CPU 插槽从至强换成 Vera，英特尔失去的将不仅是收入，更是与前沿计算场景的关联度。

AMD 的处境稍好，但同样危险。它同时拥有 EPYC 服务器 CPU 和 Instinct 系列 AI 加速器，理论上具备和英伟达对标全栈方案的能力。但现实是，英伟达的 GPU 生态壁垒太高了。CUDA 积累近二十年的开发者工具链、模型优化库和社区惯性，不是靠几款硬件产品就能撼动的。AMD 的策略一直是 " 性价比替代 " ——用更低的价格提供相近的性能。但当英伟达开始用 CPU+GPU 的捆绑方案来锁定客户时，单纯的价格优势就变得苍白无力了。客户切换的不只是一块芯片，而是整套基础设施架构，迁移成本足以让大部分企业打消念头。

传统服务器厂商——戴尔、惠普、联想——同样面临着被边缘化的风险。当英伟达直接向云厂商和企业客户交付 " 整机柜 " 级别的 AI 工厂方案时，这些 OEM 厂商在价值链中的位置被大幅压缩。过去，它们从英特尔采购 CPU、从英伟达采购 GPU，通过系统设计和集成服务来创造附加值。现在，英伟达把这一切都做完了，留给它们的只剩下组装外壳和提供售后。

4

闭环的诱惑与风险

英伟达的全栈垂直整合，在商业逻辑上几乎无懈可击，但它也引发了整个产业最深层的忧虑：一家公司掌控所有关键环节，对于整个 AI 生态的健康来说，到底是好是坏？

从短期看，垂直整合带来了显著的效率提升。Vera 与英伟达 GPU 之间的 NVLink-C2C 互连，提供了远超市面上任何标准总线协议的带宽和延迟表现。在千卡乃至万卡级别的集群训练中，这种耦合深度直接转化为更短的训练时间和更低的能耗。对于 OpenAI 和 Anthropic 这样追求极致效率的客户来说，选择英伟达全栈方案不是政治决策，而是技术决策。

但从长期看，闭环生态的风险同样不容忽视。当一家公司控制了从芯片架构到互联协议到软件工具链的全部环节，整个产业的创新节奏就被绑在了这一家公司的产品路线上。客户失去了议价能力，竞争对手失去了赶超的窗口，最终整个生态可能会走向僵化。这并非杞人忧天——在移动互联网时代，苹果用 iOS 的闭环生态证明了垂直整合的商业威力，但同时也让整个移动应用产业对一家公司的政策变化高度敏感。英伟达在 AI 时代的野心，与苹果在移动时代的路径如出一辙。

对于中国芯片厂商而言，英伟达的全栈战略既是压力，也是启示。压力在于，Vera+GPU 的捆绑方案进一步拉高了技术追赶的难度——追赶一款产品已经很难，追赶一套体系难上加难。但启示同样清晰：在外部技术封锁的背景下，中国厂商天然不具备参与全球水平分工的条件，被迫走全栈自主的道路，反而可能与英伟达的垂直整合逻辑形成某种战略上的殊途同归。华为昇腾系列从芯片到框架到应用的全栈布局，寒武纪、燧原科技在推理芯片与软件生态上的持续投入，都可以在 Vera 的战略逻辑中找到参照。

Vera CPU 的量产交付，不是英伟达产品线的又一次扩充，而是一次对自身定位的重新定义。黄仁勋正在终结那个 " 各司其职 " 的 PC 时代遗产—— CPU 归英特尔、GPU 归英伟达、网络归博通——这种延续了四十年的水平分工格局，在 AI 计算的巨大引力下正在瓦解。取而代之的，是一个由英伟达定义全部规则的垂直帝国。

这场变革的赢家和输家，不会在几个季度内见分晓，而是需要五到十年来验证。但有一件事已经在今天变得清晰：AI 时代的计算标准之争，已经从 " 谁的 GPU 更强 " 升级为 " 谁的体系更完整 "。而英伟达刚刚用 Vera 向全世界宣告，它要做的不是体系中最强的一环，而是整个体系本身。

更多干货分享敬请注我们的公众号与视频号 ~ 超多精彩对话内容等待您的解锁！