芯片圈一个多年没人愿意戳破的真相，被英伟达自己说出来了：这些年，数据中心CPU绕了远路。
最近，英伟达Vera CPU团队接受科技媒体WCCFTech采访时罕见承认：全行业大转向的"chiplets"，长期牺牲了单线程性能和IPC（每时钟执行指令数）。知乎
什么是chiplets？就是不把CPU雕在一整块大芯片上，而是拆成几个小芯片，造好后用封装"拼"成一颗。好处直白：良率高、成本低、核心数能像拼乐高一样往上堆。AMD带头，英特尔跟进，全行业转向。
代价也是实打实的。英伟达团队说得很直接：芯片拆成小块后，根本没留出足够空间给每个核心做精细化设计；数据要在小芯片之间来回跑，多一层延迟，内存路径也越来越绕。结果就是：核心数暴涨，单核干活的速度却常年原地踏步。NVIDIA官方博客
单核慢有什么要害？以前真不算大事——云服务、网页，都是并发生意，一个核慢就多上几个核。但智能体AI把规则改了。
AI智能体干活是严格的流水线：执行代码、调用工具、检索信息、分析结果，每一步都得等前一步，根本没有"多核同时开工"的捷径。核心再多，单个任务慢就是慢。更疼的是，CPU磨蹭的时候，旁边的GPU只能干等着空转。堆核心治不了这个病。所以英伟达做了个反行业的决定：新一代数据中心CPU Vera，把88个自研Olympus核心全部塞进一整块单晶粒芯片，不拆。微博知乎
效果呢？按英伟达的说法，持续单核性能是主流x86的1.8倍，智能体编排任务比英特尔Sapphire Rapids快约2.2倍。不拆片，就没有跨片延迟，核心之间数据直通，互联带宽做到3.4 TB/s，约是顶级x86的三倍。说得更技术一点：x86的拆分方案，把一台双路服务器切成最多32个"内存街区"，跨街区调用要绕路；Vera是一整块平原。NVIDIA官方博客知乎微博知乎
故事还没完。英伟达之前的Grace CPU只是GPU的副驾，这次Vera直接以独立CPU机架出售；数据中心里GPU与CPU的配比，正悄悄从8:1滑向4:1，未来甚至可能走向均衡。AI数据中心的账也在换算法——从"每美元买多少核心"，变成"每美元产出多少Token"。CPU从配角，变成了正经赚钱的主角。知乎知乎
平心而论，英伟达没有全盘否定chiplets，合适的场景照样会用。但至少智能体AI这条赛道上，重心已经回到最朴素的问题：单核到底够不够快。
对围观的我们，这是个挺好的启示：技术路线没有高低贵贱，只看谁在为时代买单。堆核心的年代，吞吐量是钱；智能体的年代，速度是钱。而看着英伟达独自走上"复古"路，AMD和英特尔会不会跟？概率不小。
