芯片大牛 Gerard Williams III、John Bruno、Ram Srinivasan，这三个人物名字在芯片圈不算陌生。他们参与过苹果从 A7 到 M1 的多代 CPU 核心设计，后来创办 Nuvia，被高通以 14 亿美元收购，做出了 Oryon。今年 1 月他们离开高通，4 月成立了一家新公司 Nuvacore。
先说说这三个人做过什么，Gerard Williams 在苹果待了九年，是平台架构的高级总监，负责所有 CPU 和 SoC 开发。从 2013 年 A7 这颗苹果第一颗 64 位 Arm 处理器开始，到 A14，再到 M1 系列，这些芯片的 CPU 核心都和他有关。Cyclone、Typhoon、Twister、Hurricane、Monsoon、Vortex、Lightning、Firestorm，这些代号对应的是苹果每一代 CPU 核心。M1 Pro、M1 Max、M1 Ultra 这几款 Apple Silicon 平台也在他的职责范围内。
John Bruno 负责系统架构，之前在 Google、Apple、AMD、ATi 都待过。Ram Srinivasan 做的是性能架构，2014 年之前在 Intel，之后在苹果做了五年系统性能架构，然后加入 Nuvia 做性能架构。
2019 年，Williams 和 Bruno、Manu Gulati 一起创办了 Nuvia，目标是做面向服务器的 Arm 架构高性能 CPU 核心。产品还没上市，高通就在 2021 年初以 14 亿美元把 Nuvia 收购了。高通后来推出的 Oryon，就是来自这个团队。
Nuvacore 目前公开的信息不多，它的官网有一句口号，要改写硅的规则，还有一句是 Engineered for Altitude。公司的目标是要开发一款全新的通用 CPU 核心，从零开始设计，不做妥协。团队称将高度聚焦两件事，最大性能和绝对的面积效率。他们认为行业里的老牌公司只是在昨天的架构上迭代，在性能和功耗之间做平衡。Nuvacore 说自己要从底层重新设计，在所有方面都做到出色。
这家公司拿到了红杉资本的投资，还聘请了前苹果 CPU 工程负责人 David Williamson 担任硬件工程高级副总裁。从招聘信息看，他们在招分支预测、指令调度、寄存器重命名、乱序执行、加载存储设计、缓存和内存子系统、一致性、性能建模等方向的工程师，也在招 RTL、验证和物理设计的人，工作内容覆盖流片和芯片后验证。操作系统负责人、固件负责人、遥测和可观测性负责人、软件验证负责人这些岗位也在招。
让 Nuvacore 显得不太一样的，是它的设计方法。公司把方法叫 Core First，翻译过来就是核心优先。传统 CPU 设计流程是先选指令集架构，也就是 x86、Arm 还是 RISC-V，这个选择决定了整个芯片的设计方向。
Nuvacore 的做法是把指令集的选择放到最后。他们先设计 CPU 的基础模块，包括 CPU、NPU、GPU、内存控制器这些，先把核心本身的性能、能效和面积做到最优，然后再决定用哪套指令集。该公司称用这种方法，超过 95% 的处理器核心基础模块可以独立完成。
这个思路的出发点是，现在的 CPU 设计被指令集绑得太紧了。一旦选定 Arm 或 x86，很多微架构上的选择就受限。Nuvacore 想先把硬件本身的潜力挖出来，再考虑软件兼容的问题。
他们也承认，指令集不能简单地在最后阶段加到核心上，解码、特权级别、内存顺序、异常处理、软件兼容性这些仍然对设计构成重大限制。不过在他们看来，性能关键的机制可以在指令集确定之前先开发出来。
Nuvacore 的产品叫 WarpCore，公司目前没有透露它最终会用哪套指令集。招聘材料里提到 RISC-V、Arm64 和 x86 都和工程工作相关，说明底层设计留了灵活性。这里有一个法律问题还没解决，RISC-V 相对简单，不需要 Arm 式的架构许可。基于 Nuvacore 自研微架构的 Arm 实现，需要在某个环节拿到 Arm 的架构授权。
考虑到 Arm 过去和高通、Nuvia 之间的法律纠纷，这件事可能比较棘手。x86 的门槛更高，实现权受到严格控制。所以还有一种可能，WarpCore 会成为可复用的 CPU IP，供拥有相应架构许可的合作伙伴去适配。
该公司的长期商业模式也还没完全明确。它可能做完整的 CPU，可能做可授权的核心 IP，可能做半定制芯片，也可能是这三者的组合。
此外，工艺节点、缓存层次结构、流水线配置、向量功能、流片计划这些关键细节都还没公布。它刻意保持指令集决策开放，这让它成为目前在研的 CPU 项目里比较特别的一个。
为什么现在要做这件事，其实这和智能体 AI 的兴起有关。Nuvacore 表示，他们的目标工作负载不只是标准的数据中心任务，而是为高级 AI 系统和智能体计算的高强度、持续性需求专门设计的。
智能体系统和传统数据中心工作负载不太一样。它不会处理一批任务就结束，它会持续运行。它要在跨越数小时甚至数天的对话里保持上下文，不断从内存里提取推理轨迹，刷新向量存储，在决定下一步之前检查已有知识。这些内存访问不规则、不可预测，和 CPU 缓存架构师过去三十年优化的那些清晰、可重复的模式不太一样。
智能体还要调用多个工具，启动子智能体，等待响应，把结果反馈到下一个决策里。同时它还要和旁边的 GPU、底层存储架构、连接其他系统的网络共享资源。这个循环里任何一点效率损失都会累积。在生产规模下，数百万个智能体交互同时运行，对延迟和一致性的要求超出了现在服务器 CPU 的设计能力范围。
当前的服务器 CPU 针对可预测的企业级工作负载做吞吐量优化，客户端 CPU 针对突发性能和激进的电源管理做优化。这两种设计都很难完美匹配需要持续、高效、低延迟地协调数百万次智能体交互的处理器。Nuvacore 的判断是，市场上还没有人真正从根本上构建适合智能体 AI 的处理器。
这个判断能不能成立，要看几个问题能否处理好。Nuvacore 团队的过往业绩主要在客户端，不在数据中心。他们的声誉是在苹果建立的，苹果为封闭生态设计芯片，散热、工作负载、软件栈都是已知的，客户也只有苹果自己。
Nuvia 当初立志进军数据中心，在产品推出前就被收购了。高通实际推出的是 Oryon，一款优秀的笔记本芯片，仍然属于客户端。
另一个问题是，数据中心准备好迎接下一代芯片了吗？数据中心架构师并不闲着，首席信息官们已经疲于应对现有系统的管理和新一代 AI 基础设施的融合。一款新设计的 CPU 要进入数据中心，通常依靠超大规模数据中心把它作为定制芯片采用，依靠成熟的 OEM 厂商承诺围绕它构建平台，或者依靠性能和效率差异足够大迫使成本压力促使厂商重新评估。Nuvacore 要走上这条路，需要在交付量产芯片之前就赢得超大规模数据中心的设计订单或OEM 合作，而这款产品至少还要两到三年才能流片。
在数据中心领域，从引人注目的架构概念到合格且可部署的 CPU 之间，有一段大多数雄心勃勃的芯片公司都保持沉默的距离。Nuvacore 的 Core First 方法和 WarpCore 核心，目前给出的是一套思路和一个方向。它能不能把纸面上的架构自由度，变成真实数据中心里稳定运行的芯片，还要等它拿出流片和客户之后才有答案。
参考资料：
https://www.bloomberg.com/news/articles/2026-04-15/sequoia-backed-chip-startup-nuvacore-looks-to-overhaul-cpus-for-ai-era
https://www.tomshardware.com/pc-components/cpus/legendary-qualcomm-apple-and-nuvia-alumni-form-new-cpu-startup-nuvacore-promises-to-rewrite-the-rules-of-silicon
注：封面/首图由 AI 辅助生成
热门跟贴