Sedan AI-vågen exploderade har Nvidias grafikprocessor (GPU) varit teknikvärldens största fokus när det gäller AI-infrastruktur.
Nvidias börsvärde, kapitalkostnaden för molntjänstleverantörer eller träningshastigheten hos modellutvecklingsföretag – allt kokar i slutändan ner till en enda ekvation: Den som har fler GPU:er kommer närmare att säkra en plats i nästa omgång av AI-kapplöpningen.
Men på Computex 2026 handlar den nya berättelsen som berättas av Nvidias grundare Jensen Huang inte längre enbart om GPU:er.
CPU:ns återkomst
Nvidia har tillkännagivit sitt inträde på PC-processormarknaden med RTX Spark. Den nya chipserien, som förväntas lanseras i höst, kommer att konkurrera direkt med Intel och AMD.
Det som dock fångade teknikvärldens uppmärksamhet var Vera – Nvidias första serie egenutvecklade datacenter-processorer, som officiellt lanserades. Huang hävdade till och med att detta skulle bli företagets nya stora tillväxtmotor, med sikte på en processormarknad på 200 miljarder dollar .
![]() |
Vera – Nvidias första anpassade processor specifikt utformad för att orkestrera Agentic AI, verktygsanrop och långsiktig kontexthantering. Foto: Nvidia. |
Nvidias VD:s förväntningar är inte ogrundade. Med explosionen av AI-agenter räcker det inte längre att äga många grafikkort.
GPU:n spelar fortfarande en central roll i modellinferensprocessen, men före och efter varje inferens behöver systemet processorn för att hantera schemaläggning, verktygsanrop och dataflöde.
Det är också därför som processorer framstår som den nya fokuspunkten för AI-infrastruktur. I de tidiga stadierna av AI-generativ boom låg branschens fokus nästan uteslutande på modellträning.
Träning kräver bearbetning av en serie massiva parallella matrisberäkningar – vilket är GPU:ernas absoluta styrka. I det här fallet spelar processorn bara en stödjande roll, såsom att initiera systemet, transportera data och hantera uppgifter.
Som ett resultat har det under de senaste åren nästan blivit enighet inom hela teknikbranschen att helt optimera GPU:n och minimera processorn.
Men i takt med att AI övergår från storskalig språkmodellträning till storskalig inferens, och fortsätter in i Agent AI:s era, börjar arbetsbelastningens natur förändras.
AI-agenter är inte linjära fråge- och svarssystem. Istället delar de upp en komplex uppgift i flera steg, inklusive att anropa externa verktyg, läsa och skriva till databaser, utföra sökningar, exekvera kod, hantera autentisering och hantera kontextcachning.
Systemet utvärderar sedan om det aktuella resultatet är giltigt innan nästa åtgärd beslutas. En enskild användarförfrågan kan samtidigt utlösa dussintals, till och med hundratals, underordnade agenter som arbetar parallellt.
![]() |
Vera-processorns arkitektur. Bild: Nvidia. |
Koordineringen, verktygsanropen, minneshanteringen och samarbetet mellan dessa underordnade agenter utförs till stor del inte på GPU:n.
GPU:n kan fortfarande hantera modellinferens – det närmaste man kommer "tänkande". Men mellan inferenserna måste processorn analysera modellens utdata, bestämma vilket verktyg som ska anropas härnäst, hantera exekveringsplanen, hantera filläsningar och -skrivningar, initiera nätverksförfrågningar och slutligen leverera resultaten tillbaka till GPU:n.
Nästa globala mani
Tidigare bestod standardkonfigurationen för AI-servern vanligtvis av en processor i kombination med åtta av de senaste grafikprocessorerna. Men i takt med att AI-arbetsbelastningar skiftar från träning till inferens och sedan till AI-agenter, går CPU-till-GPU-förhållandet från 1:8 ner till 1:4, och i framtiden kan det nå 1:1 eller ännu högre.
Det är också därför AMD:s VD Lisa Su upprepade gånger har betonat att teknikindustrin tidigare underskattat värdet av processorer i AI-eran.
Ur hennes perspektiv skulle datacentermarknaden ensam kunna överstiga 1 biljon dollar inom de närmaste 3–4 åren. Denna enorma marknad kräver samexistens av flera tekniker som processorer, grafikkort och ASIC-kretsar.
För bara 6–12 månader sedan nämndes processorer sällan på marknaden, och ingen trodde att de skulle bli en bristvara. Men med den explosionsartade efterfrågan på datorkraft har processorer officiellt återvänt till centrum.
AMDs VD förutspår att den genomsnittliga årliga tillväxttakten för marknaden för datacenter-CPU:er under de kommande fem åren kommer att överstiga 35 %, vilket vida överstiger tillväxttakten på mindre än 10 % under tidigare år.
Istället för att inleda ett priskrig med Intel eller AMD är Nvidias verkliga strategi att helt eliminera belastningen från eftermarknads-CPU:er, PCIe-bandbredd och låghastighetsnätverk som hämmar GPU-prestanda.
![]() |
Nvidias VD håller i två bärbara datorer drivna av RTX Spark-chip på Computex 2026, vilket markerar företagets återkomst till PC-chipmarknaden. Foto: Nvidia . |
Grafikkortsjätten vill internalisera processorn, vilket gör den till en perfekt passform i sin egenutvecklade AI-plattform för att säkerställa att deras bästa GPU:er inte hindras.
I linje med denna riktning lanserade Nvidia Vera – den första anpassade processorn specifikt utformad för att orkestrera Agentic AI, verktygsanrop och långsiktig kontexthantering.
Verkligheten är dock att den största vinnaren av denna CPU-boom är ingen mindre än den tidigare jätten Intel. Finansiella rapporter visar att Intels intäkter under första kvartalet 2026 nådde 13,6 miljarder dollar , en ökning med 7 % jämfört med föregående år, medan nettovinsten ökade med 156 %.
Intels VD Lip-Bu Tan uppgav att produktlinjerna Xeon 6-serien (baserad på Intel 3-processen) och Core 3-serien (baserad på Intel 18A-processen) båda har gått in i en accelerationsfas för massproduktion.
Han erkände dock också att Intel fortfarande inte helt kan möta marknadens efterfrågan och att denna tillväxttrend förväntas fortsätta fram till 2027.
Källa: https://znews.vn/mo-vang-tiep-theo-cua-nvidia-post1657130.html









