发生了什么
7 月 22 日至 23 日，英伟达通过官方技术博客正式发布 Rubin GPU 的完整架构白皮书，首次系统披露这款下一代 AI 计算旗舰的内部设计。Rubin GPU 是 Vera Rubin 平台的核心计算单元，该平台已于今年 3 月 GTC 2026 大会上宣布，目前全面投产并将于下半年发货。
技术亮点
- 芯片规模：采用台积电 3nm N3P 制程，两颗光罩极限尺寸的计算芯粒通过 NV-HBI 高速互联封装，整芯片集成 3360 亿个晶体管，拥有 224 个 SM 流处理器和 896 个 Tensor Core
- 推理性能：NVFP4 精度下最高 50 PFLOPS，配备第三代 Transformer 引擎；单位能耗下 Agentic AI 推理吞吐量较 Blackwell NVL72 提升最高 10 倍
- 显存系统：最高 288GB HBM4，8 组 12-Hi 堆叠，峰值带宽 22 TB/s，较 Blackwell HBM3e 提升 2.8 倍
- 互联架构：第六代 NVLink 提供 3600 GB/s GPU 间带宽，NVLink-C2C 提供 1800 GB/s CPU-GPU 一致性带宽，PCIe Gen6 x16 提供 256 GB/s 主机连接
- MoE 优化：增强 Tensor Memory Accelerator（TMA），优化混合专家模型的描述符管理，减少专家权重调度中的数据搬运开销
- 能效管理：Vera Rubin NVL72 集成储能模块吸收 GPU 瞬时功率波动，平均功耗降低约 10%，50ms 峰值功耗降低约 20%
为什么重要
Rubin GPU 架构的正式公开，意味着 AI 算力基础设施的核心关注点已从大模型训练转向智能体推理。MoE 模型专家调度优化、长上下文注意力稀疏化、瓦片级内核依赖触发等设计，均直指大规模 Agent 部署中延迟、带宽和能效的痛点。
值得关注的是，英伟达同时披露了 DSX OS 统一管理操作系统，可在相同功率预算下多部署最多 40% 的 GPU。这一软硬协同策略表明，AI 算力竞争已从单芯片性能比拼演变为机架级、数据中心级的全栈系统优化。
企业视角
对于正在规划 AI 推理基础设施的企业而言，Vera Rubin 平台的能效比和 Agentic AI 专项优化是关键决策变量。10 倍的能效提升意味着同等电力预算下可支撑的智能体并发量将实现数量级增长，直接影响企业自建或租赁 AI 算力的 TCO 模型。