Az Nvidai eredetileg a 3D-s videojátékokhoz szánt grafikus processzorokra (GPU) összpontosított, idővel azonban felismerte, hogy e chipek, az architektúrájuknak köszönhetően, ennél jóval többre is alkalmasak. Mivel a GPU-k párhuzamosan tudnak több millió apró, de egyidejű számítást elvégezni, és a mesterséges intelligencia és a mélytanulási (deep learning) modellek tanítása pontosan ilyen típusú, tömeges párhuzamos matematikai műveleteket igényel, máris megvolt az új terület. Az Nvidia GPU-k szinte egyik napról a másikra az AI-fejlesztés elengedhetetlen kellékeivvé váltak. Mindez olyan jól sikerült, hogy az AI-boom az egekbe repítette az Nvidia részvényeit, és a vállalat értéke rekordokat döntött és dönt ma is.
Az adatközpontokban azonban nemcsak GPU-k, hanem processzorok (CPU) is dolgoznak, és az Nvidai most látta elérkezettnek az időt arra, hogy a CPU-fronton is taroljon. Az időzítés nem véletlen, a szerver CPU-piac az elmúlt néhány hónapban robbanásszerűen megnőtt, az ügynöki (vagyis önálló feladatokat végrehajtó) mesterséges intelligencia iránti keresletnek köszönhetően. Az ilyen rendszerek ugyanis folyamatosan váltanak a GPU és a CPU között. A neurális hálók számításait a GPU végzi, míg a CPU adatbázisokat kezel, más rendszerekkel kommunikál, adatokat kér le, programkódot futtat és ellátja a háttérben zajló rendszerfeladatokat. Ha lassú, akkor az akár több milliárd dolláros GPU-rendszer egyszerűen tétlenkedik.
És itt kerül a képbe az Nvidia Rubin platformjának részeként érkező Vera processzor, a vállalat első valóban saját fejlesztésű adatközponti CPU-ja. A chip mögött egyedi filozófia áll: ne a magszám legyen a fő szempont, hanem az, hogy milyen gyorsan szolgálja ki a CPU a mesterséges intelligenciát.
A Vera processzort eddig elég nagy titkolózás övezte, azonban a napokban az Nvidia feloldotta e tilalmat, és rengeteg részlet került napvilágra a chipről (amely állítólag az év második felében jelenik majd meg). Azt persze a Tom’s Hardware is megjegyzi, hogy a Verát egészen másképp tervezték, mint az x86-os versenytársakat, sőt néhány egyedi építészeti tervezési pontja is van az ARM-alapú tervekhez képest.
A Vera legfontosabb újdonsága az Olympus adatközponti processzormag. A korábbi Grace processzor még ARM Neoverse V2 magokat használt (licenc alapján), most azonban az Nvidia teljesen saját mikroarchitektúrát tervezett. Az Olympus tíz utasítás szélességű dekóderrel dolgozik, agresszív végrehajtási sorrend-átrendezést, valamint intelligens előbetöltő rendszert használ, amely képes felismerni például a gráfstruktúrákat vagy az ismétlődő memóriaelérési mintákat. Ezek éppen azok a feladatok, amelyek egy modern AI-rendszer működésében folyamatosan előfordulnak – magyarázza a TechSpot.
A Vera 88 Olympus magot tartalmaz, amelyek összesen 176 programszálat kezelnek. Ez a magszám jóval kevesebb, mint amit az AMD tesz a következő generációs, akár 256 magos EPYC Venice processzoraira, de az Nvidia szerint ez tudatos döntés. A vállalat ugyanis nem a maximális párhuzamos feldolgozást tartja elsődleges célnak, hanem azt, hogy minden egyes mag a lehető leggyorsabban dolgozzon.
Eltérően az AMD és az Intel évek óta alkalmazott chipletes megoldásától (amikor egy processzor több kisebb lapkából áll, amelyeket nagy sebességű összeköttetések kapcsolnak össze), a 88 mag egyetlen szilíciumlapkán kapott helyet, amelyet azért gyors összeköttetés kapcsol a memória- és I/O-chipletekhez (ezeknél ugyanis maradt ennél a megoldásnál a vállalat). Az Nvidia azt állítja, hogy ennek köszönhetően akár 3,4 TB/s belső adatforgalom, háromszoros magok közötti sávszélesség, valamint akár 40 százalékkal kisebb memória-késleltetés érhető el nagy terhelés alatt. A vállalat szerint pedig ezek sokkal fontosabbak az AI-feladatok során, mint a puszta magszám.
A Vera egyik legszokatlanabb megoldása, hogy hagyományos DDR helyett LPDDR5X memóriát használ. Ez elsőre furcsának tűnhet szerverprocesszorban, a gyártó szerint azonban komoly előnyei lehetnek, többek között gyorsabb memóriaátvitel és jelentősen jobb energiahatékonyság.
https://hvg.hu/tudomany/20260204_intel-grafikus-processzor-gpu-fejlesztes-nvidia
Az Nvidia már közzétette első SPEC CPU 2026 eredményeit, amelyek szerint az Olympus mag közel kétszer gyorsabb lehet elődjénél, sőt különböző AI-közeli munkaterhelésekben jelentős előnyt mutatott be a jelenlegi processzorokkal szemben. Ugyanakkor ezeket az eredményeket egyelőre érdemes fenntartásokkal kezelni. A mérések jelentős része ugyanis az Nvidia által kiválasztott feladatokon készült, és a független laborok még nem publikáltak átfogó összehasonlításokat. Az AMD már reagált is saját Zen 6-os EPYC Venice processzorait gyorsabbnak nevezve, így a valódi teljesítményértékelésekre még várni kell.
Azt azért a Tom’s Hardware is megjegyzi, hogy az Nvidia nem annyira az AMD és az Intel meglévő piaci részesedésének ellopására törekszik, mint inkább egy bővülő piacon próbál részesedést szerezni, mielőtt az AMD és az Intel ezt megtehetné. Egyes pénzügyi intézmények (köztük a Morgan Stanley és a Bank of America) szerint a szerver CPU-piac mérete megduplázódhat (vagy akár nagyobb is lehet) 2030-ra. Ez a kontextus azért fontos, mert folyamatosan lesz kereslet az olyan CPU-kra, amelyek képesek kezelni azokat a munkaterheléseket, amelyekre a Vera esetleg nincs optimalizálva. Így érdekes lesz látni, hogyan kezeli az AMD és az Intel mindezt a jövőbeli termékekkel, megpróbálva megtartani a régi ügyfélkört, egyúttal előrenyomulni a kibővült piacon.
Mindez persze semmit sem von le az Nvidia előrelátó stratégiájából, amelyben már nem csupán GPU-gyártóként gondolkodik, hanem saját CPU-val, hálózati infrastruktúrával és komplett AI-rendszerekkel olyan ökoszisztémát épít, amelyben minden komponens a mesterséges intelligencia kiszolgálását szolgálja. Egyúttal egy teljesen új szemléletet próbál meghonosítani: a processzor feladata a jövőben az legyen, hogy egyetlen pillanatra se hagyja tétlenül a mesterséges intelligencia számára dolgozó szorgalmas GPU-kat.
Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.
