NVIDIAが新型「Vera CPU」を発表、エージェント型AIや強化学習の処理を大幅に高速化
要点
- 米NVIDIAは、エージェント型AIのワークフローや強化学習の処理を加速する新型プロセッサ「NVIDIA Vera CPU」を発表した。
- 本CPUは、分岐処理の多い計算に適した88個の「Olympus」コアを搭載し、従来のx86データセンター向けCPUに比べ、フル負荷時のコアあたりパフォーマンスが1.8倍に向上している。
- ピーク負荷時の遅延（レイテンシ）を40%削減し、コアあたりのメモリ帯域幅を3倍以上に高めつつ、消費電力を従来の半分以下に抑えた。
- 強化学習における環境シミュレーションの評価完了率を従来の45%から85%に高め、GPUの待機時間を最小限に抑えることで、学習にかかる時間を短縮する。
- CPU側の遅延による一時データ（KVキャッシュ）の破棄と再構築を減らすことで、エージェント型AIシステム全体の稼働効率とサービスレベル合意（SLA）の順守率を向上させる。
リード文
米NVIDIAは2026年7月7日、AIファクトリー（AIの大規模開発・運用拠点）の処理能力を向上させ、エージェント型AIの実行を加速させる新型CPU「NVIDIA Vera CPU」の詳細を技術ブログで公開した。エージェント型AIは、自律的に判断して各種ツールやプログラムを実行するシステムであり、その動作にはGPUだけでなくCPUの高速処理が不可欠となる。Vera CPUは、このCPU側で発生する処理のボトルネックを解消するために設計されたデータセンター向けプロセッサである。
本文
エージェント型AIの普及で重要性を増すCPUの役割
エージェント型AIシステムは、AIモデルによる推論結果を行動へと変換するために、推論、外部ツールの利用、プログラムコードの実行、情報の検索（リトリーバル）、それらの制御（オーケストレーション）、および最終的な結果処理といった複数のステップを組み合わせた複雑なワークフローを構築する。
AIファクトリーの規模が拡大するにつれて、システム全体のパフォーマンスはGPUによる演算加速だけでなく、各モデルステップの合間に発生するCPUの処理速度に大きく依存するようになる。CPUは、安全なプログラム実行環境（サンドボックス）での評価や、ツールおよびコードの実行、データの処理、データの記憶領域である「KVキャッシュ」の調整などを担当しており、推論の応答時間や学習効率における重要な経路（クリティカルパス）となっている。
CPUでの実行速度が低下すると、GPU側に以下の3つの悪影響が及ぶという。
- 強化学習において、1サイクルあたりに得られる有用なシミュレーション評価の数が減少し、結果として学習にかかる時間が大幅に増加する。
- 個々のユーザーに対する応答サービスを提供するまでに時間がかかるようになる。
- 処理待ちが発生することでKVキャッシュから一時データが消去（エビクション）され、再度データを構築し直すための無駄な再計算が発生してGPUの計算節約効果が失われてしまう。
NVIDIA Vera CPUが実現するアーキテクチャと圧倒的な性能
これらの課題に対処するため、NVIDIA Vera CPUは、大規模な環境におけるフル負荷時でも、コアあたりの持続的な処理パフォーマンスを最大化するように設計された。
Vera CPUは、88個の「Olympus」コアを搭載した単一のモノリシックコンピュートダイ（1つの半導体チップ）で構成されている。これに統合された共有キャッシュ（Unified Cache）とスケーラブルなコヒーレンシ・ファブリック（Scalable Coherency Fabric）を組み合わせることで、従来のx86データセンター向けCPUと比較して極めて高い処理効率を実現した。
具体的には、ピーク負荷時のレイテンシ（遅延）を40%低減し、コアあたりのメモリ帯域幅は3倍以上に拡張されている。さらに、これらの性能向上を従来のx86データセンター向けCPUの半分以下の電力消費で実現しており、電力効率を大幅に高めながらエージェント型推論や双方向展開時の応答性を最適化している。
強化学習の効率を飛躍的に高める「1.8倍」のコア性能
強化学習は、データをただGPUに流し込むだけの従来のAI学習とは異なり、GPUとCPUの間で継続的かつ双方向のフィードバックループを回す必要がある。この中で、シミュレーション環境での行動データの生成（環境ロールアウト）は、逐次的で複雑な条件分岐を含む論理的な処理が中心となるため、CPUの処理能力に依存する。
従来のCPUでは、処理が遅いためにシミュレーション環境が目標とする時間内に計算を完了できず、結果として全体のシミュレーション評価のうち約45%しか完了できなかった。このため、GPUは次の指示を与えるための「勾配（Gradient：学習シグナル）」の算出を待つ必要があり、学習効率が低下していた。
Vera CPUは、コア単体の実行速度を従来比で1.8倍に引き上げることでこの問題を解決する。同じ制限時間内において、評価の完了率を最大85%まで向上させることができるという。これにより、より多くの強化学習フィードバックをGPUに返すことが可能となり、より高精度な勾配情報の算出が行えるようになる。結果として、学習モデルの収束にかかる時間が短縮され、より賢いAIエージェントを効率的に育てることが可能となる。
補足
本CPUに採用された「Olympus」コアは、強化学習やエージェント実行の大部分を占める、分岐が多く予測が困難な逐次処理を高速化するために特別に設計されている。このコアには「ニューラル分岐予測器（Neural branch predictor）」などの機能が搭載されており、パイプラインの処理を滞りなく動かし続ける役割を果たす。