NVIDIA redet bei Vera erstaunlich viel über CPUs. Das wäre vor ein paar Jahren noch fast komisch gewesen, inzwischen ist es konsequent. Wer AI-Racks kontrollieren will, kann nicht nur GPUs verkaufen und hoffen, dass der Rest schon irgendwie mithält. Mit Vera stellt NVIDIA die CPU-Seite seiner nächsten Plattform deutlich stärker heraus: 88 eigene Olympus-Kerne, 176 Threads per Spatial Multithreading und bis zu 1,2 TB/s LPDDR5X-Speicherbandbreite. VideoCardz griff die neuen technischen Details auf, NVIDIA selbst beschreibt Vera inzwischen ebenfalls ausführlicher auf Produkt- und Entwicklerseiten. Damit ist Vera kein bloßer Leak mehr, sondern ein offiziell positionierter CPU-Baustein für agentische KI, Reinforcement Learning, Inferenz und skalierte AI-Fabriken. Interessant ist weniger die reine Kernzahl, sondern die Frage, warum NVIDIA ausgerechnet jetzt so offensiv über CPU-Design spricht.

Vera nutzt laut NVIDIA 88 eigene Olympus-Kerne. Jeder Kern kann über Spatial Multithreading zwei Threads ausführen, womit die CPU auf 176 Threads kommt. NVIDIA betont dabei nicht maximale Parallelität um jeden Preis, sondern hohe Single-Thread-Leistung, planbare Latenzen und genug Speicherbandbreite pro Kern. Genau das soll bei agentischen Workloads helfen, in denen viele Tool-Aufrufe, Sandbox-Ausführungen, Evaluierungen, Codepfade und Datenzugriffe parallel laufen. Die CPU ist monolithisch aufgebaut und wird über NVIDIAs Scalable Coherency Fabric angebunden. Tom’s Hardware verweist auf 3,4 TB/s On-Die-Bandbreite innerhalb der CPU. Für den externen Speicher nennt NVIDIA bis zu 1,2 TB/s über LPDDR5X, also deutlich mehr Bandbreite, als man von klassischen Server-CPU-Speicherkanälen in dieser Leistungs- und Effizienzlogik erwarten würde.

LPDDR5X klingt im Serverumfeld zunächst nach Notebook- oder Mobile-Technik. NVIDIA nutzt den Speicher aber nicht, weil es niedlich klein bauen möchte, sondern wegen Bandbreite pro Watt. Für Vera spricht NVIDIA von hoher Bandbreite bei deutlich niedrigerem Energiebedarf gegenüber traditionellem CPU-Speicher. Genau das passt zu AI-Racks, in denen jede Wattreserve für GPU, Netzwerk, Speicher und Kühlung zählt. Der Nachteil liegt auf der Hand: LPDDR5X ist weniger flexibel als klassische DIMM-Konfigurationen. Wer maximale Aufrüstbarkeit oder sehr große Speicherkapazitäten pro Sockel sucht, denkt normalerweise an DDR5- oder MRDIMM-Umgebungen. NVIDIA priorisiert hier aber offenbar ein eng kontrolliertes Rack-Design, nicht die freie Serverkonfiguration.

Vera soll nicht gegen normale Xeon- oder EPYC-Server im Vakuum antreten. Die CPU ist Teil einer Plattform, die GPU-, Netzwerk-, Speicher- und Softwarepfade gemeinsam optimiert. Genau darin liegt die eigentliche Gefahr für Intel und AMD. NVIDIA verkauft nicht mehr nur Beschleuniger, sondern zunehmend ein komplettes System, in dem die CPU die Steuerarbeit für GPU-lastige Agenten- und Inferenz-Workloads übernimmt. Das ist ein anderer Wettbewerb als klassische SPEC-Benchmarks. Bei Agentic AI zählt, wie schnell Code ausgeführt, Werkzeuge aufgerufen, Daten vorbereitet, Modelle orchestriert und Ergebnisse bewertet werden. NVIDIA argumentiert, dass Vera genau diese „Kontrolllast“ besser bedienen soll.

Man sollte Vera trotzdem nicht als universelle Server-CPU für alles lesen. NVIDIA beschreibt die CPU sehr klar für AI-Fabriken und agentische Workloads. Für klassische Unternehmensserver, Datenbanken oder Virtualisierungsumgebungen bleiben AMD EPYC und Intel Xeon weiterhin naheliegender, allein schon wegen Ökosystem, Plattformvielfalt und Softwarevalidierung. Vera ist also kein neutraler Allrounder, sondern ein Baustein für NVIDIAs eigene AI-Infrastrukturstrategie. Genau das macht sie spannend: Die CPU muss nicht jeden Markt gewinnen. Sie muss in NVIDIAs Rack möglichst gut funktionieren.

Für mich ist Vera vor allem ein Signal, dass NVIDIA die CPU nicht länger als notwendiges Anhängsel betrachtet. 88 Olympus-Kerne, 176 Threads und 1,2 TB/s LPDDR5X sind beeindruckend, aber entscheidend ist die Plattformlogik dahinter. NVIDIA baut CPUs nicht, um in jeder Serverausschreibung hübsch neben EPYC und Xeon zu stehen. NVIDIA baut sie, um AI-Racks enger zu kontrollieren. Und genau das dürfte Intel und AMD langfristig mehr stören als jede einzelne Benchmarkzahl.