NVIDIAが、AIエージェントの実行基盤に特化した新種のCPU「Vera」の採用拡大を明らかにした。AI検索エンジンのPerplexityなどが導入を進める背景には、従来のクラウド向けCPUが「多数の要求を安価に処理する」ことに最適化されてきた一方で、自律的に思考と実行を繰り返すエージェントAIのパフォーマンスを最大化できないという構造的課題がある。

エージェントAIが要求する「クリティカルパス」上のCPU

AIエージェントは一度の応答で動作を終えない。モデルが推論し、次の行動を決定すると、CPUはその指示に従って外部ツールの呼び出し、コード実行、データ処理、結果の分析といった実務を担う。この一連のループにおいてCPUの処理速度は、エージェント全体の応答時間と推論の質を直接左右するクリティカルパスに位置する。生成AIが自律的な行動主体へと進化するにつれて、GPUだけでなく、この「モデルの手足」を動かすCPUの単一スレッド性能が、システム全体のボトルネックとして浮上し始めている。

クラウド時代が生んだ「マルチコア偏重」の代償

過去十数年にわたるクラウドコンピューティングの拡大は、CPU設計を「1コアあたりの賃貸コスト」の最小化へと向かわせた。チップメーカーはシリコン領域の多くをコア数の増加に割き、各コアの実行速度やメモリアクセス性能といった単一スレッド性能の強化は後回しにされてきた。さらにチップレットアーキテクチャの採用は製造コストを下げた一方で、個々のコアがチップ全体のメモリ帯域をフル活用できない「チップレット税」とも呼ぶべき制約を生んでいる。この設計思想は、多数の独立した軽量タスクを並列処理するには効率的だが、単一タスクの高速完了を要求するエージェントの連続的な処理ループとは根本的に相性が悪い。

Veraが設計段階で選んだ「速度と予測可能性」の両立

NVIDIAがVeraで標榜する「Max Single-Threaded CPU at Scale」は、全コアが高負荷状態でも性能が低下しないことを設計の要としている。具体的には、アクティブな全コアに十分なメモリ帯域を供給できるアーキテクチャ、データ供給を待たせない予測可能なレイテンシ、そして他のコアの動作に左右されずに各タスクが確定的かつ最速で完了する実行効率を備える。これにより、AIファクトリーの事業者はGPUの稼働率を最大化し、待ち時間による収益損失を抑えられる。PerplexityのようなAIネイティブ企業によるVera採用は、次世代のデータセンター設計において「速度の品質」が経済性の変数として再評価され始めたことを示す一例である。

エージェントの台頭が再定義するデータセンターの経済性

AIエージェントの本格的な事業導入は、データセンターの投資対効果を測る指標を変えつつある。GPUの計算時間は最も高価なリソースであり、CPU側での処理待ちがそのアイドルタイムを生むことは、AIサービスの売上機会の損失に直結する。この構図は、クラウドネイティブなアプリケーションがサーバーの稼働率を主な指標としていた時代とは決定的に異なる。NVIDIAがVeraの後継としてロードマップに示す「Rosa」CPUと「Rigel」コアの計画は、AIインフラにおけるCPUの役割が、単なる汎用プロセッサからエージェントの応答速度とAI工場の収益性を支える戦略部品へと移行する流れを裏付けている。