Şirketin yeni işlemcisi, önceki nesil Grace platformundan önemli bir noktada ayrılıyor. Vera'da NVIDIA'nın kendi mühendislik ekibi tarafından geliştirilen özel Olympus CPU çekirdekleri kullanılıyor. Şirket, bu tasarımla özellikle yapay zekâ ajanları ve yüksek yoğunluklu veri merkezi iş yüklerinde çekirdek başına performansı artırmayı hedefliyor.
NVIDIA'nın yaklaşımı, yalnızca daha fazla çekirdek sunmak yerine, her bir çekirdeğin karmaşık ve gecikmeye duyarlı görevleri daha hızlı tamamlayabilmesi üzerine kuruluyor.
Vera, NVIDIA'nın kendi CPU çekirdek tasarımına dayanan ilk önemli sunucu işlemcisi olarak dikkat çekiyor. Önceki Grace işlemcilerinde Arm'ın Neoverse tabanlı çekirdeklerinden yararlanan şirket, Olympus mimarisiyle birlikte daha özelleştirilmiş bir yol izliyor.
Yeni işlemci, Armv9.2 komut setiyle uyumlu bir yapı sunarken çekirdek tasarımı NVIDIA tarafından şirket içinde geliştirildi. Bu durum, NVIDIA'nın CPU mimarisi üzerinde daha fazla kontrol sahibi olmasını sağlıyor.
Vera'nın temel hedefi ise klasik sunucu iş yüklerinden ziyade yapay zekâ altyapılarının giderek karmaşıklaşan ihtiyaçlarını karşılamak.
NVIDIA Vera CPU'nun öne çıkan özelliklerinden biri, tek bir işlemci üzerinde 88 Olympus çekirdeğine sahip olması. İşlemci toplamda 176 iş parçacığı çalıştırabiliyor.
NVIDIA'nın burada tercih ettiği strateji, rakip bazı sunucu işlemcilerinde görülen çok yüksek çekirdek sayılarına ulaşmak yerine çekirdek başına daha yüksek işlem kapasitesi elde etmek.
Bu yaklaşım özellikle yapay zekâ ajanlarının çalıştırdığı karmaşık görevlerde önem kazanıyor. Bir yapay zekâ ajanı yalnızca bir modelden yanıt üretmekle kalmıyor; aynı zamanda veritabanlarına erişebiliyor, harici araçları çalıştırabiliyor, kod yürütebiliyor ve farklı işlemler arasında sürekli koordinasyon sağlayabiliyor.
Bu süreçlerin önemli bir bölümü CPU üzerinde gerçekleştiği için işlemcinin gecikme süresi ve tek çekirdek performansı, toplam sistem verimliliğini doğrudan etkileyebiliyor.
NVIDIA'nın Olympus çekirdek tasarımında özellikle yüksek IPC yani saat başına komut yürütme kapasitesine odaklandığı belirtiliyor.
Mimari tarafta geniş bir komut çözümleme altyapısı, gelişmiş dallanma tahmini ve karmaşık veri erişim modellerini hızlandırmaya yönelik önbellek ve bellek optimizasyonları dikkat çekiyor.
Bunun temel nedeni, yapay zekâ ajanlarının geleneksel sunucu uygulamalarından farklı bir çalışma karakterine sahip olması.
Örneğin klasik bir yapay zekâ çıkarım işleminde GPU büyük miktarda paralel hesaplama gerçekleştirirken CPU daha çok sistemin kontrol ve koordinasyon görevlerini üstleniyor. Ancak birden fazla yapay zekâ ajanının aynı anda çalıştığı sistemlerde CPU üzerindeki iş yükü ciddi şekilde artabiliyor.
NVIDIA, Vera'nın bu noktada devreye girerek GPU'ların daha verimli kullanılmasına yardımcı olabileceğini düşünüyor.
Sunucu işlemcileri pazarında son yıllarda çekirdek sayılarının hızla yükseldiğini görüyoruz. Özellikle AMD'nin yüksek çekirdek sayısına sahip EPYC ailesi, büyük ölçekli veri merkezi sistemlerinde önemli bir rekabet avantajı sunuyor.
NVIDIA ise Vera'da farklı bir strateji izliyor.
Şirketin yaklaşımına göre yapay zekâ ajanlarının oluşturduğu iş yüklerinde her işlem paralel olarak çalışmıyor. Bazı görevlerin tamamlanması, sonraki işlemlerin başlayabilmesi için beklenmesini gerektiriyor. Bu nedenle yüksek çekirdek sayısından ziyade tek çekirdek performansı ve düşük gecikme daha önemli hale gelebiliyor.
Vera'nın tasarım felsefesi de büyük ölçüde bu noktaya dayanıyor.
NVIDIA'nın yayımladığı kendi test sonuçlarında Vera'nın belirli sunucu işlemcilerine karşı çekirdek başına önemli performans avantajları sunduğu öne sürülüyor. Ancak bu sonuçların NVIDIA tarafından hazırlanan testlere dayandığını ve bağımsız testlerle daha geniş ölçekte doğrulanması gerektiğini de belirtmek gerekiyor.
Vera'nın bir diğer önemli özelliği ise monolitik işlemci tasarımına sahip olması.
Günümüzde yüksek çekirdek sayılarına ulaşmak için chiplet tabanlı tasarımlar yaygın olarak kullanılıyor. Bu yöntem üretim maliyetleri ve ölçeklenebilirlik açısından avantaj sağlarken, farklı işlemci parçaları arasındaki iletişim bazı iş yüklerinde ek gecikmelere neden olabiliyor.
NVIDIA, Vera'da daha bütünleşik bir tasarım kullanarak özellikle karmaşık veri erişimleri ve düzensiz bellek işlemleri gibi yapay zekâ ajanlarının yoğun olarak gerçekleştirebileceği görevlerde gecikmeyi azaltmayı hedefliyor.
Bu tercih, çekirdek yoğunluğundan ziyade veri akışının hızlı ve tutarlı olmasına önem veren bir mimari anlayışı ortaya koyuyor.
Özellikle Vera Rubin platformunda CPU ve GPU'nun yüksek hızlı bağlantılar üzerinden birlikte çalışması hedefleniyor. Bu yapı sayesinde işlemci ve grafik işlemcinin aynı sistem içerisinde daha hızlı veri paylaşabilmesi ve yapay zekâ iş yüklerinin farklı işlem birimleri arasında daha verimli dağıtılması amaçlanıyor.
Buradaki temel fikir oldukça basit:
GPU, yapay zekânın ağır matematiksel hesaplamalarını gerçekleştirirken CPU; ajanların planlama, araç kullanımı, veri erişimi ve sistem koordinasyonu gibi görevlerini üstleniyor.
NVIDIA'ya göre bu iki işlem biriminin daha sıkı şekilde entegre edilmesi, gelecekteki yapay zekâ veri merkezlerinde önemli bir avantaj sağlayabilir.
Vera'nın piyasaya çıkması, NVIDIA'nın AMD ve Intel ile yalnızca GPU alanında değil, CPU tarafında da daha doğrudan rekabet etmesi anlamına geliyor.
AMD, yüksek çekirdek sayılarına sahip EPYC işlemcileriyle veri merkezi pazarında güçlü bir konuma sahipken Intel de Xeon ailesiyle bu alandaki hakimiyetini korumaya çalışıyor.
NVIDIA'nın farkı ise CPU'yu tek başına değerlendirmek yerine, işlemciyi GPU, NVLink ve diğer veri merkezi bileşenleriyle birlikte çalışan daha geniş bir yapay zekâ platformunun parçası olarak sunması.
Bu nedenle Vera'nın başarısı yalnızca klasik CPU benchmark sonuçlarıyla ölçülmeyebilir. Asıl önemli soru, Vera'nın gerçek dünyadaki yapay zekâ ajanı iş yüklerinde GPU kullanımını ne kadar artırabileceği ve veri merkezi başına ne kadar daha fazla işlem yapılmasını sağlayabileceği olacak.
NVIDIA, Vera için oldukça iddialı performans sonuçları paylaşıyor. Ancak bu rakamların önemli bir bölümünün şirketin kendi testlerine ve belirli iş yüklerine dayandığını unutmamak gerekiyor.
Yeni bir işlemcinin gerçek performansını değerlendirmek için bağımsız testler, farklı işletim sistemleri, çeşitli yazılımlar ve çok sayıda kullanım senaryosu gerekiyor.
Dolayısıyla Vera'nın özellikle yapay zekâ ajanları için ciddi bir performans artışı sunma potansiyeli bulunurken, bu sonuçların tüm sunucu uygulamalarına doğrudan yansıyacağını söylemek için henüz erken.
Burada NVIDIA'nın asıl iddiası, "en fazla çekirdeğe sahip işlemci" olmak değil; belirli yapay zekâ iş yüklerinde daha hızlı ve daha verimli çalışan bir CPU geliştirmek.
NVIDIA'nın Vera platformunu 2026'nın ikinci yarısında daha geniş ölçekte kullanıma sunması bekleniyor. Ticari erişilebilirlik süreciyle birlikte bağımsız performans testlerinin ve gerçek veri merkezi uygulamalarından elde edilen sonuçların da ortaya çıkması beklenebilir.
Bu noktada Vera'nın başarısı, NVIDIA'nın CPU pazarında ne kadar pay alacağından çok daha büyük bir anlam taşıyabilir. Çünkü yapay zekâ sistemleri geliştikçe, veri merkezlerindeki darboğazların yalnızca GPU hesaplama gücünden kaynaklanmadığı görülüyor.
Yapay zekâ ajanlarının sayısı arttıkça CPU'ların veri işleme, görev planlama ve sistem koordinasyonu konusundaki rolü de büyüyor.
NVIDIA, Vera ile tam olarak bu değişimi hedefliyor.
NVIDIA Vera, şirketin CPU pazarına yönelik en ciddi adımlarından biri olarak öne çıkıyor. 88 Olympus çekirdeği, özel tasarım mimarisi ve yapay zekâ odaklı çalışma yaklaşımıyla Vera, klasik sunucu işlemcilerinden farklı bir strateji izliyor.
Ancak işlemcinin gerçek başarısını belirleyecek olan, laboratuvar sonuçlarından çok gerçek dünyadaki kullanım senaryoları olacak.
Eğer NVIDIA'nın iddiaları bağımsız testlerle doğrulanır ve Vera, yapay zekâ ajanlarının oluşturduğu yoğun CPU iş yüklerinde beklenen avantajı sağlayabilirse, veri merkezi işlemcileri pazarında yeni bir rekabet dönemi başlayabilir.
Önümüzdeki dönemde NVIDIA, AMD ve Intel arasındaki rekabetin yalnızca "kim daha fazla çekirdeğe sahip?" sorusuyla değil, "yapay zekâ altyapısını kim daha verimli çalıştırıyor?" sorusuyla şekillenmesi oldukça muhtemel görünüyor.
