NVIDIAは2026年7月、データセンター向け新世代CPU「Vera」と、その中核である「Olympus」コアの詳細をDeveloperブログで公開しました。エージェント型AIワークロードを主戦場として設計されたプロセッサで、「x86代替品と比べてエージェンティックワークロードで最大1.8倍の性能」を掲げます。従来のクラウドCPUが重視してきた「コア密度」よりも「シングルスレッド性能」を優先する設計思想の転換が特徴です。88コア／176 SMTスレッド、164MB統合L3キャッシュ、最大1.2TB/sのメモリ帯域といった構成で、AIエージェント運用を意識した設計が明確に示されています。
Vera CPUの位置付け——「エージェント型AI向けに設計された初のクラウドCPU」
NVIDIAはVera CPUを、エージェント型AIワークロード向けにデータセンター用途で設計された最新プロセッサと位置付けています。従来のクラウドCPUがコア密度を最大化することを重視してきたのに対し、Veraは「単一スレッドあたりの性能」を優先する設計に振り切っている点が特徴です。
AIエージェントが業務を進めるうえでは、ツール呼び出し、Python実行、コード生成、環境シミュレーション、強化学習など、直列で処理される単発ロジックの積み重ねが多く発生します。並列にたくさんの軽い処理を捌く従来型のクラウドCPU設計だと、こうしたシリアル処理のレイテンシがボトルネックになりがちでした。Veraはこの構造を見直し、「1コアで速く動く」ことに寄せた設計になっています。
Olympusコアの4要素——分岐予測・アウトオブオーダー実行・スケジューリング・キャッシュ
Vera CPUの中核となるOlympusコアは、主に4つの構成要素で成り立っています。
- フロントエンド：ニューラル予測を含む高度な分岐予測器を搭載し、1サイクルあたり最大2つのtaken branchをサポート
- ミッドコア：深いアウトオブオーダー実行と、大容量の物理レジスタファイルを備える
- 実行エンジン：整数・ベクトル・浮動小数点・暗号処理の各リソースに対する動的スケジューリング
- キャッシュサブシステム：不規則なメモリアクセスに対応するグラフプリフェッチャを持つ深い階層構造
これらは総じて、「予測しづらいパターンで発生するAIエージェントのワークロード」に対応するための設計として整理されています。特に、グラフプリフェッチャや高度な分岐予測は、決められたパターンを繰り返す従来型のHPCワークロードとは異なる、動的で不規則な処理特性を意識した実装です。
具体的なスペック——88コア／164MB L3／1.2TB/sメモリ帯域
Vera CPUの公開スペックは以下のとおりです。
- コア数：88 Olympus コア（176 SMTスレッド）
- キャッシュ：164 MB 統合L3キャッシュ
- メモリ帯域：最大1.2 TB/s（コアあたり14 GB/s）
- ファブリック帯域：オンダイの二分帯域幅 3.4 TB/s
「エージェント型ワークロードで最大1.8倍の性能」を掲げる根拠として、こうしたコアあたりのメモリ帯域と、深いキャッシュ階層による低レイテンシが挙げられます。従来のクラウドCPUがコアを増やして総合性能を稼ぐアプローチだったのに対し、Veraはコアあたりの体力を強化する方向で1.8倍のワークロード性能を実現しに来ている構図です。
なお、記事ではArmアーキテクチャかどうかは明示的に確認できませんが、「Arm CCA/RME」を機密コンピューティング用途で参照する記述があり、Arm系ISAをベースにしている可能性を強く示唆しています。GraceやGrace Hopperといった既存NVIDIA製CPUとの詳細な比較は本ブログ内では扱われていません。
想定ユースケース——エージェント実行・強化学習・Pythonランタイム
Veraが狙うワークロードとして、以下が挙げられています。
- エージェント型AIエージェントの実行
- 強化学習環境（RL）の駆動
- Pythonランタイムおよびコードコンパイル
- グラフ分析・データ処理
- ツール呼び出しとサンドボックス管理
いずれも、生成AIそのものの推論ではなく、その周辺で発生する「AIエージェントが動くための土台」に該当します。GPUで学習・推論を担うのは従来通りで、Veraはその横で「エージェント業務のオーケストレーション」を高効率で担うCPUという役回りです。フロンティアAI活用が本番運用に入ったときに顕在化する、CPU側のボトルネックを解消する狙いが読み取れます。
日本企業への示唆——AI基盤設計は「GPUだけ」ではなくCPUの選定も焦点に
日本企業がフロンティアAI基盤を設計する際、これまでは主にGPU選定（Instinct MI300X、H100、B200など）に議論の中心が置かれてきました。Vera CPUのような、エージェント特化型CPUの登場は、この議論に「CPU側も含めた総合設計」の観点を持ち込みます。
AIエージェントを本番運用する現場では、GPUが推論を回している間に、CPUがツール呼び出しやコード実行、Python実行、監査ログ処理、ガードレール判定などを大量にこなす必要があります。ここが詰まれば、いくらGPUが強くても、実際のスループットは上がりません。VeraのようにAIエージェント向けに設計されたCPUを念頭に置いた場合、「CPUの単位性能」「メモリ帯域」「機密コンピューティング対応（Arm CCA/RME）」といった観点を、AI基盤の調達・評価チェックリストに加える必要が出てきます。特に金融・医療・行政など、機密性要件が強い業界では、TEE（Trusted Execution Environment）対応のCPUを含む構成が要求仕様に入りやすくなる方向性です。
まとめ
NVIDIA Vera CPUとOlympusコアの詳細公開は、データセンター向けCPU設計が「コア密度」から「シングルスレッド性能とエージェント適性」へと軸を移していることを明確にした発表です。88コア／164MB L3／1.2TB/sメモリ帯域という構成と、動的で不規則なワークロードを想定した分岐予測・キャッシュ設計は、フロンティアAI時代のCPUに求められる方向性を象徴しています。
日本企業としては、AI基盤選定の議論に「CPU設計そのもの」を加える段階に入ったといえそうです。GPU一極集中で語られがちだった生成AIインフラの設計が、CPU・DPU・ネットワーク・冷却まで含めた総合設計として捉え直される流れは、今後数年の主要テーマとして定着していきそうです。Veraが実プロダクトとして市場に出てきた後の、既存Grace系との棲み分け、対応プラットフォーム（DGX/HGXなど）、価格・供給体制も含めた続報を継続的にウォッチしておくことが、実務的な備えになります。
