摘要： NVIDIA 於 2026 年 5 月 20 日財報電話會議中，黃仁勳宣稱 Vera CPU 打開 2,000 億美元新市場，今年獨立銷售已達 200 億美元。這顆晶片 3 月在 GTC 亮相，定位是首款為 agentic AI 打造的 CPU，可單獨購買或與 Rubin GPU 綁售。文章認為這代表 NVIDIA 進入原本由 Intel 與 AMD 主導的 CPU 市場，並面對 AWS 自研晶片競爭。
2026 年 5 月 20 日的 NVIDIA 財報電話會議上，黃仁勳報出一個市場沒有預期到的數據：專為 agent AI 設計的 Vera CPU，替 NVIDIA 開出一片 2,000 億美元規模的全新潛在市場。「Vera 為 NVIDIA 打開一個全新的 2,000 億美元 TAM，一個我們從未涉足過的市場。」他還透露，光就今年來看，Vera CPU 的獨立銷售已經累積到 200 億美元——這顆晶片 3 月才在 GTC 亮相，爬坡速度之快，代表客戶拿到手的是實際出貨的產品，而不是簡報頁裡的路線圖。
這番發言的背景，是 AI 晶片大戰的交火點正在位移。模型的「思考」交給 GPU，但 agent 真正動手執行任務時靠的是 CPU——一旦 agent 的數量以數十億為起點，這塊長期由 Intel 與 AMD 分食的市場，一夕之間變成 AI 的最新前線。
財報電話會上的宣示
NVIDIA 對 Vera 的定位是「全球第一款為 agentic AI 而打造的 CPU」，它既能單獨購買，也會跟 Rubin GPU 綁在一起賣。這場電話會本身的數字就很驚人：單季營收 816 億美元，又一次刷新紀錄；下一季的財測則開到 910 億美元。不過黃仁勳有意把焦點從 GPU 挪向 CPU——他說「世界正在為 agentic AI 與機器人實體 AI 重建運算」，還補了一句「我們會需要更多、更多的 CPU」。
他接著把市場規模攤開來算：今日全球約有十億名人類使用者在使用運算資源，未來 agent 的數量會來到數十億之譜，而且每一個 agent 都會擁有一套類似 PC 的專屬運算環境。人類使用者與 agent 之間的數量落差，就是 CPU 需求得以發揮的空間。談到通路，他的講法是「每一家主要 hyperscaler 與系統廠都在與我們合作部署」Vera。
agent 為何需要另一種 CPU
黃仁勳論證的出發點，是兩邊工作負載的不同。傳統雲端 CPU 圍繞「核心數」做設計，把多個應用實例塞進同一台機器，用密度與利用率當賣點；Vera 的設計中心則換成「token 的處理速度」——agent 呼叫一次工具、讀取一段上下文、下達一次決策，背後都是 token 在流動。真正的瓶頸不在能同時跑多少行程，而在 token 吞吐量的高低。
「目的建造」（purpose-built）一詞的實質含義就在這裡：當 agent 的工作單位是 token 而非行程，專為通用運算打造的 CPU 便不再是最好的選擇。這套論述對 NVIDIA 還具備雙重戰略價值：一方面，NVIDIA 的身分從「GPU 供應商」改寫為「AI 運算的整機供應商」，CPU、GPU 加上網路綁成整套出售；另一方面，走單獨銷售的 Vera，讓從未買過 NVIDIA GPU 的客戶頭一次成為 NVIDIA 的直接客戶。
換個角度說，NVIDIA 押注的其實是 agent 的成長曲線：agent 數目每翻一倍，CPU 需求就隨之放大，而 GPU 搭配 CPU 的組合銷售，又讓這兩條曲線互相推高。
CPU 戰場上的競爭者
CPU 向來是 Intel 與 AMD 的固有版圖，但威脅並非只從老對手那裡來。2026 年 4 月，Amazon 與 Meta 完成簽約，Meta 將買進數百萬顆 AWS 自研的 AI CPU——TechCrunch 把這筆交易形容為 AI 晶片領域的「又一次瘋狂轉折」。同一個月裡，Amazon 執行長 Jassy 也透過年度股東信公開點名 NVIDIA，話中暗示 AWS 自研 AI 晶片的實力「不輸、甚至可能超越」NVIDIA。華爾街開始認真推演 NVIDIA 主導地位鬆動的情境。
黃仁勳選擇的回應，是把戰場往外推：與其原地死守 GPU，不如拿 Vera 反攻對手的大本營，讓「AI 的 CPU 該由誰供應」升級成一條新的採購議題。TechCrunch 的評語下得貼切——論造勢，黃仁勳或許是這個產業最高明的 hype 大師，但他「一季又一季地兌現了這些 hype」。2,000 億美元的 TAM 聽來是行銷語言，200 億美元的獨立銷售額卻是實打實的數字。這同時是 NVIDIA 第一次把 CPU 當作一條獨立的營收與市場故事來經營。
開發者與基礎設施團隊該留意什麼
實際層面會有三個變化。其一，agent 的成本結構將被改寫：假如 agent 的執行環境從借用的通用 CPU 換成專用 CPU，單位任務的推理成本與延遲都有機會往下走，開發 agent 產品的團隊應該把 CPU 型號連同計價方式一併放進成本模型，別只盯著 GPU 單價。其二，挑選雲端時多出一個新變數——CPU 採購——當 hyperscaler 既賣自研 CPU、又部署 Vera，規劃跨雲與混合雲的 agent 部署時，得重新衡量供應商鎖定的風險。其三，供應鏈將以「agent 專用運算」為軸心重組：過去三年，整個生態系已經繞著 GPU 重建過一輪，接下來採購週期、機櫃設計，連同 CPU 與記憶體頻寬，都會按 agent 工作負載重新排列。對做硬體規劃的人來說，眼前的問題已經不是「要不要 GPUs」，而是「GPU 和 CPU 的比例該抓多少」。