但 N1 能解决 DGX Spark 没解决的问题吗？现在市场上的 AI PC 已经不少了，Windows 阵营有高通的 Snapdragon X Elite、英特尔的 Core Ultra，Mac 这边有 M 系列芯片。从硬件规格看，大家的差异并不大。真正的问题在软件层面：这些 AI 能力到底怎么用起来？目前 AI PC 的使用场景，大多还停留在演示阶段。AI 和 PC 的交互方式还没有找到合适的形态。
N1 的真正价值，可能不在于它的硬件规格有多强，而在于它能不能推动整个生态往前走一步。英伟达有完整的 CUDA 生态，如果能把这些资源和 Windows 生态结合起来，让开发者更容易在 PC 上部署 AI 应用，那才是真正的突破。
但这只是英伟达 CPU 战略的一部分。在数据中心市场，英伟达还有另一颗更重要的 CPU：Vera。而下周的 Computex，重点也不在消费级产品，而在数据中心的系统级变革。
从 GPU 机架到 AI 工厂
下周的 Computex 2026，AI 基础设施的叙事正在发生重大转变。
过去两年，投资者和行业分析师关注的焦点是：GPU、HBM 内存、CoWoS 产能、Blackwell 机架出货量。但今年，重心正在变得更加广泛。英伟达预计将强调的不仅是 Rubin GPU，还包括 Vera CPU、Spectrum-X 网络、CMX 上下文内存、CPO、液冷、高压供电架构。
核心信息是：AI 基础设施不再只是 GPU 集群，而是完整的 AI 工厂。
英伟达在今年 3 月的 GTC 大会上，定义了好几种不同类型的机架：GPU 机架、Vera CPU 机架、LPU 机架、CMX 上下文内存机架、Spectrum 网络机架、电源机架、冷却/液体分配基础设施。这不再是传统的服务器部署模型，而是一个可组合的 AI 工厂模型。
Vera CPU
Vera CPU 可能是 Computex 2026 最重要的主题之一。
英伟达设计 Vera 的思路，和英特尔、AMD 做服务器 CPU 的思路不太一样。传统的服务器 CPU 追求的是通用性，要能跑数据库、跑 Web 服务、跑虚拟化。但 Vera 的定位更专注，它针对的是 AI 数据中心的编排层。
这个定位反映了一个正在发生的深刻变化：AI 应用正在从训练转向推理，而推理场景对 CPU 的需求和传统的训练场景完全不同。
在 Agentic AI 中，CPU 的工作不只是喂数据给 GPU。它要做请求调度、Agent 工作流控制、工具调用协调、内存索引、检索管理、模拟、网络控制、系统遥测。CPU 成为 AI 工厂的“交通控制器”。
随着 AI 推理工作负载变得更长、更持久，CPU 端的内存带宽和容量也变得更加重要。Vera 采用了 SOCAMM 内存设计，这是一种更密集、更低功耗、更高带宽的内存架构，比传统的 DIMM 插槽式内存更适合 AI 场景。
英伟达 CEO 黄仁勋在最近的财报会上提到，他们认为 CPU 市场的规模大约是 2000 亿美元。根据业内预测，英伟达今年会为 Vera CPU 准备约 200 万台的产能。
英特尔 CEO 陈立武最近也表示，过去 AI 服务器的 CPU 和 GPU 配比大约是 1:8，但未来可能会走向 1:1，甚至 CPU 的占比会更高。从供应链的反馈看，海外两大 CPU 厂商（英特尔和 AMD）的交期已经从原来的 3-4 周延长到了 8-10 周。
CPO
网络将是 Computex 的另一个主要焦点。随着 AI 系统从单个机架扩展到 Pod，瓶颈正在从芯片计算转移到数据搬运。
英伟达的 Spectrum-X 路线图指向以太网成为专门的 AI 网络结构，而不是通用数据中心网络。而 CPO可能是 Computex 最受争议的话题之一。