2026 年 6 月 22 日，Nvidia 在汉堡 ISC High Performance 大会上公布欧洲 35 台超算项目及 Vera Rubin 科学计算系统的进展。结合此前发布的 Vera CPU，可以看到它如何为模型之外的代码执行、工具调用和任务调度配置更多 CPU 资源。
Vera CPU 面向代码执行、工具调用和任务调度
Vera 延续了 Grace 的 Arm 服务器路线。Nvidia 将其定位为「全球首款专为 Agentic AI 和强化学习时代打造的处理器」。它既可作为 GPU 系统的主机 CPU，也可组成独立服务器。Vera CPU 已在 3 月发布，6 月的公告继续介绍其在科学计算中的应用。
Vera 基于 88 颗 Nvidia 自研 Olympus 核心，完整兼容 Armv9.2 指令集，配备 176 线程。芯片采用第二代 SCF（Scalable Coherent Fabric）互联，提供 3.4 TB/s 的二分带宽和统一缓存架构。NVLink-C2C 芯片间接口吞吐量达到 1.8 TB/s——是前代 Grace 的两倍。Vera 也支持 Confidential Computing，可用于保护数据与代码的执行环境。
Nvidia 在 5 月的介绍中称，Vera 的任务完成性能可达到 x86 处理器的 1.8 倍；具体增益取决于所测任务和配置，不能套用于所有工作负载。它还支持机架级部署。
单机架支持逾 22,500 个 CPU 环境，供工具调用与代码执行
Vera CPU Rack 在一台液冷机架内集成 256 颗 Vera CPU。据 Tom’s Hardware 对该机架配置的报道，它还搭配 74 颗 BlueField-4 DPU 和 ConnectX SuperNIC 网络芯片。整机架提供高达 400 TB 的 LPDDR5X 内存和 300 TB/s 的聚合内存带宽。
这台机架可以同时维持 22,500 个以上的独立 CPU 环境，每个环境以全性能独立运行。这些环境可用于工具调用、代码执行、强化学习评估和数据流编排。它们不是对完整 Agent 数量或复杂度的统一度量：一个 Agent 可能使用多个环境，也可能还要调用外部模型和服务。
这类部署补充了 GPU 计算之外的资源需求。模型训练和推理依然需要加速器，而 Agent 运行代码、验证结果和调用工具时，也会消耗 CPU、内存和存储。Vera CPU Rack 主要面向其中需要大量并发执行的环节。
「OCI 计划从 2026 年开始部署数十万颗 NVIDIA Vera CPU，因为 Agentic AI 需要大规模持续性能，」Oracle Cloud Infrastructure 高级副总裁 Batta 表示。在此之前，Anthropic 和 OpenAI 已率先收到首批 Vera CPU。
欧洲 23 国开发 35 台超算，主要采用 Hopper 与 Blackwell
此次欧洲公告涉及 23 个国家正在开发的 35 台 AI 超算，覆盖国家级超算中心、AI 工厂和学术研究机构。官方另称，自去年以来已部署或宣布的相关 AI 算力为 800 exaflops。这一口径还包括此前公布的项目，其中部分尚未投运。
具体项目包括：巴塞罗那超级计算中心的 EuroHPC AI Factory、德国巴伐利亚州的 Blue Swan（提供高达 11 exaflops 的 AI 训练性能和 22 exaflops 的 AI 推理性能）、意大利的 IT4LIA、斯图加特 HLRS 的 HammerHAI、瑞典 NAISS 的 Mimer EuroHPC AI Factory 等。这些系统将为超过 300 万名研究人员提供下一代 AI 和 HPC 基础设施。
WCCFTech 指出，这些部署主要基于 Hopper 和 Blackwell 平台，同时 Nvidia 透露 Vera Rubin 平台也已获得「强烈兴趣」。Nvidia 同时宣布，包括 Bull、Dell Technologies、GIGABYTE、HPE 和 Supermicro 在内的全球系统制造商将提供定制化高密度 Vera Rubin 超算系统，单机架可容纳最多 144 颗 GPU。
从更大的视角看，Nvidia 在 ISC 2026 上披露，其技术已驱动 TOP500 榜单中超过 400 台、占比 81% 的超级计算机，并支撑了欧洲 90% 以上的 AI 工厂建设。HPCwire 评论称，这是欧洲大陆「历史上最大规模的单年度超算资源扩张」。
洛斯阿拉莫斯实验室三套系统，分别面向国安与开放科学
洛斯阿拉莫斯国家实验室选择由 HPE 建造 Mission、Vision 和 Veritas 三套超算系统，将采用 Vera Rubin、Vera CPU 及相关网络技术。
Mission 面向国家安全级工作负载。Vision 搭载 Vera CPU，定位于开放科学——覆盖基础模型训练、Agentic AI 以及横跨材料科学、核能、聚变能和量子计算的复杂模拟。Veritas 则结合 Rubin GPU 与独立 Vera CPU 分区，用于结合科学仿真、AI 和数据分析。
从性能数据看：单台 Vera Rubin 机架提供超过 7 exaflops 的 AI 性能和 5 petaflops 的原生 FP64 双精度算力。Nvidia 将相关系统的性能与 TOP500 榜单上的超算相比，实际榜单名次仍需经过相应测试。
此外，Nvidia 在 3 月介绍的 Vera Rubin POD 设计，将五种不同用途的机架系统（NVL72 训练推理、Groq 3 LPX 低延迟推理、Vera CPU 大规模沙盒、BlueField-4 STX AI 原生存储、Spectrum-6 SPX 硅光子网络）组合成一个 40 机架、60 exaflops 的统一 AI 工厂。这种架构设计的核心假设是：未来的 AI 工作负载不再是单一的训练或推理流水线，而是混合了 MoE 推理、RL 评估、工具调用、长上下文记忆寻址和 Agent 间通信的多阶段并行任务图。
欧洲扩建 AI 基础设施，为英伟达带来更多需求
这些项目也反映了欧洲扩大本地 AI 基础设施的需求。
过去两年，美国对华 AI 芯片出口管制不断升级，Nvidia 在中国市场的营收受到结构性挤压。与此同时，欧洲正在加速构建「主权 AI」能力——从 EuroHPC 联合计划到各国自建的 AI 工厂，欧洲对自主可控的 AI 基础设施需求快速膨胀。Nvidia 在欧洲的布局既是对市场需求的响应，也是一种地缘对冲。
Jensen Huang 在今年 3 月的 GTC 大会上曾表示：「我看到到 2027 年至少 1 万亿美元的基础设施需求。」Fortune 报道称，这个数字较此前估计翻了一倍，主要驱动力正是 Agentic AI 对推理和并发运算的爆发式需求。欧洲的项目是这一投资需求的一部分，具体收入仍要随着交付逐步实现。
CPU 可独立扩容，还要与 GPU、网络和存储协同
Vera CPU 和欧洲超算项目说明，Nvidia 正在同时提供 CPU、GPU、网络与软件。实际效率要看这些部件如何配合，不能只凭 GPU 峰值性能判断。
模型训练本身也有复杂的通信与调度；Agent 系统则进一步加入了动态的工具使用过程：一个用户请求可能触发数十个 Agent 并行运行，Agent 之间互相调用、验证输出、查询外部工具、访问存储。这要求基础设施不仅能提供峰值算力，还要能在海量并发环境中维持低延迟、高带宽和一致的数据语义。
这也是 Nvidia 扩大 CPU 投入的背景。Vera 可以与 AMD EPYC、Intel Xeon 等服务器 CPU 竞争，也可成为其 AI 基础设施中的一类 CPU 资源：与 Rubin GPU 协同，但可独立扩展，为 Agentic AI 工作负载提供专门的 CPU 容量池。
Dell、HPE、Lenovo 和 Supermicro 已承诺量产独立 Vera CPU 服务器，为客户增加了 x86 之外的选项；市场此前已有其他 Arm 服务器。连同 ASUS、Foxconn、GIGABYTE、Quanta 等代工伙伴，一个围绕 Vera 的制造生态正在成型。
性能、交付和实际利用率，仍要看部署结果
从 256 颗液冷 CPU 的机架，到支持 22,500 个并发环境，再到欧洲 35 台超算项目，Nvidia 正在把产品能力与部署计划联系起来。这些配置能否在实际项目中发挥效用，还取决于交付和运行情况。
后续更值得跟踪的是实际交付、任务完成时间、资源利用率与运行成本。CPU 容量增加能解决多少等待，还要由具体 Agent 工作流和科学计算任务来检验。
