相比Intel藉由Xe显示架构重新打造对应HPC、AI运算加速使用的GPU设计，藉此降低仰赖NVIDIA、AMD在内GPU厂商的情况，NVIDIA稍早也宣布CUDA for Arm设计，让旗下GPU产品能配合Arm架构处理器设计的HPC进行异构运算加速。

而这样的作法，某中程度上似乎也能视为NVIDIA期望减少在超算等级电脑搭配x86硬体架构处理器的设计比例，透过CUDA for Arm设计，使得以Arm架构处理器打造的HPC也能藉由NVIDIA旗下GPU产品加速运算，另外也能藉由CUDA-X设计让Arm架构打造的HPC相容既有软体堆迭，以及人工智慧运算框架，同时也能相容既有开发工具打造内容。
目前包含AtoS、CRAY与HPE均与NVIDIA合作CUDA for Arm设计，配合Arm架构处理器低耗电、执行效率更高特性，搭配NVIDIA旗下GPU进行异构运算，或是平行加速，让HPC能进一步提昇运算效能之外，更可降低能源损耗。
配合此次提出设计，NVIDIA也与Arm、Ampere、CRAY、富士通、HPE与Marvell合作打造HPC参考设计，分别可对应大规模云端到边缘的运算需求，并且能对应人工智慧技术应用模拟，甚至可对应高效率储存需求，或是万亿等级 (Exascale)的超算需求。
目前包含美国橡树岭实验室、桑迪亚国家实验室，以及英国布里斯托大学与日本理研在内超级电脑中心，都已经开始测试NVIDIA此款HPC参考设计。
而针对超算应用需求，NVIDIA也提出名为MAGNUM IO (万用IO)，将可运用GPU加速资料吞吐表现，并且透过高频宽、低延迟，以及更低CPU存取率表现处理大量数据，相比过往在多个运算节点间传输资料的速度约可提昇20倍，藉此推进更大科学运算与超算工作规模。
这样的应用模式，NVIDIA表示未来也有计划进一步扩展至Qualcomm在内厂商打造的Arm架构处理器，同时主要还是先以超算规模应用为考量，诸如边缘运算应用则会结合Tegra处理器产品。
另外，NVIDIA也宣布与微软Azure云端服务合作Azure NDv2平台设计，藉由最高可扩充至800组Tesla V100 GPU的组合，藉此对应複杂的高效能运算或人工智慧技术应用，而各个运算节点则是透过NVIDIA所收购Mellanox旗下InfiniBand技术提昇资料异地存取效率，相比先前未导入GPU加速的HPC设计，约可在低于一半建置成本情况发挥更快运算效率。