NVIDIA Vera CPUの設計思想が示すAI工場向けプロセッサ競争の新段階

この記事の要約

NVIDIAは汎用CPU市場には参入せず、GPUとの垂直統合でAI工場の設計支配を狙っている。

Veraの登場は、CPUとGPUを別々に選定する従来の調達慣行を根本から変える可能性がある。

ArmアーキテクチャがAI基盤の中核に浸透すれば、ソフトウェア資産と産業構造に波及が及ぶ。

独立系ハードウェア検証メディアPhoronixが4月9日に公表した初期的ベンチマークによると、NVIDIAの新型サーバーCPU「Vera」は全コア稼働時の性能維持とメモリ帯域幅において、x86陣営の最新製品を凌駕する結果を示した。これは単なる性能競争の一コマではなく、エージェント型AIの本格展開に必要なデータセンター基盤の設計思想が根本から変わりつつある兆候である。

背景

AIワークロードは生成から実行へと重心を移しつつある。大規模言語モデルがテキストを生成する段階ではGPUの演算密度が最重要だったが、複数のAIエージェントが相互に通信し、実世界のAPIを連続的に呼び出しながら意思決定を行う「エージェント型AI」では、CPU側の要件が劇的に変化する。高速なシングルスレッド性能、全コア同時稼働時のスループット維持、そしてGPUとメモリを共有する際の転送速度が律速要因となるからだ。

NVIDIAが2025年後半の出荷を予定するVeraは、こうした需要を先取りした設計をとる。Armベースの独自コア「Olympus」を88個搭載し、NVLink-C2C相互接続でGrace CPUの後継にあたる。PhoronixのMichael Larabel氏が実施した限定的なベンチマークでは、全コアを飽和させる圧縮・暗号化処理において、AMDのEPYC GenoaやIntelのXeon Granite Rapidsを有意に上回るスコアを記録した。

構造

このCPUの真価は単体性能ではなく、NVIDIAが「AIファクトリー」と呼ぶ垂直統合アーキテクチャの中核部品として機能する点にある。Veraは次世代GPU「Rubin」と同一基板上で結合され、CPUとGPUが単一のメモリ空間を共有する設計を採用する。従来のPCIe接続ではGPUがCPUのメモリ領域にアクセスする際に生じていた遅延と帯域制限が、NVLink-C2Cによって大幅に緩和される見込みだ。

業界構造の観点では、NVIDIAはすでにGPU単体の販売からDGXシリーズのような統合システムへと収益モデルを移行させており、Veraの投入はその延長線上にある。特筆すべきは、このCPUが汎用サーバー市場を狙っていないことだ。x86サーバーと直接競合するのではなく、NVIDIAのGPUエコシステムに最適化された専用プロセッサとして位置づけられる。半導体製造はTSMCの3nmプロセスが採用され、2025年の製造能力確保が供給制約の焦点となる。

メモリ帯域幅をめぐる競争構造も見逃せない。ハイパースケーラー各社は独自のAIインフラを開発しており、GoogleのTPU、AmazonのTrainium、MicrosoftのMaiaはいずれもCPUとアクセラレータの密結合を指向する。しかし、これらは自社クラウド向けの内製チップであり、外部販売されるNVIDIAのソリューションとは市場レイヤーが異なる。Veraはむしろ、x86サーバーCPUにNVIDIA GPUを搭載する既存のディスクリート構成を陳腐化させる効果を持つ。

影響

AIインフラ市場における調達判断の基準が変わる可能性がある。従来、データセンター事業者はCPU（IntelまたはAMD）とGPU（NVIDIA）を別々に選定できた。しかし、VeraとRubinの組み合わせが示す性能優位が確定的になれば、NVIDIAのプラットフォーム全体を採用するか、競合のフルスタックを選ぶかという二者択一に近づく。Dell、HPE、SupermicroといったサーバーOEM各社は、NVIDIAのリファレンスデザインに依存する度合いを強めることになる。

一方、Armアーキテクチャのデータセンター浸透という点でもVeraの成功は分水嶺となる。AWSのGravitonはArmサーバーの商用化を切り開いたが、あくまで汎用クラウドワークロード向けだった。VeraがAI工場の中核CPUとして広く採用されれば、Armエコシステム全体の信頼性とソフトウェア資産に波及効果が及ぶ。日本のクラウド事業者やデータセンター運営企業にとっては、NVIDIAの垂直統合モデルがもたらす電力効率と冷却設計の変化が、導入判断の重要な変数となる。

今後の論点

第一の注目点は、2025年後半に予定される量産開始時の歩留まりと供給量である。3nmプロセスはTSMCの最先端ラインに依存し、AppleやQualcommとの製造枠競争が生じる。NVIDIAがどの程度の割り当てを確保できるかは未公表だ。

第二に、ソフトウェアの成熟度が問われる。ArmベースのCPUでCUDAエコシステムとエージェント型AIフレームワークがどこまで最適化されるか。特にx86向けに構築された既存のエンタープライズAIツールとの互換性が、エンタープライズ採用の障壁になりうる。

第三に、AMDとIntelの応答戦略である。両社はそれぞれInstinct MI400シリーズとFalcon ShoresでCPU-GPU統合に踏み込むが、開発ロードマップの遅延が報じられている。この空白期間にNVIDIAがどれだけ市場シェアを固定化できるかが、今後3年間のAIインフラ勢力図を決定的に左右する。