NVIDIA Vera Rubin GPU 宣称比 Blackwell 提高 30 倍效率

NVIDIA 公布了其 Vera Rubin NVL72 GPU 的新性能结果，声称在代理型 AI 工作负载下，每兆瓦吞吐量比上一代 Blackwell GB300 NVL72 提高了 30 倍。这些结果基于 AgentX 基准测试，突显了公司在当前大规模推理需求激增的情况下，推动节能、高吞吐量 AI 基础设施的努力。

Vera Rubin 平台专为代理型 AI 而设计——这些工作负载需要系统在长时间会话中处理多轮推理、工具调用和不断增长的上下文。这些用例在 AI 工厂中日益占据主导地位，而 NVIDIA 将 Vera Rubin 定位为降低每个 token 成本和提高运营效率的关键升级。据 NVIDIA 称，Rubin GPU 配备了 3360 亿个晶体管、896 个 Tensor Core 和 288 GB 的 HBM4 内存，拥有惊人的 22 TB/s 内存带宽——这是处理现代 AI 系统复杂性所必需的。

AgentX 基准测试结果

AgentX 基准测试由 SemiAnalysis 开发，衡量 AI 硬件在实际条件下（如上下文积累、工具调用中断和高并发性）处理代理型工作负载的效率。在此基准测试中，Vera Rubin NVL72 比 Blackwell GB300 NVL72 展现出高达 30 倍的 AI 工厂每兆瓦吞吐量提升。这一飞跃得益于 NVIDIA 的架构转向极端协同设计原则，集成 GPU、CPU 和网络组件以优化能效并减少延迟。

作为背景信息，GB300 NVL72 自身已经相较于较早的 Hopper 系统实现了显著改进，其每兆瓦吞吐量是 H200 NVL8 的 15 倍。然而，Rubin 的结果表明了一个新的性能门槛，特别是在涉及数万亿参数模型的推理任务中。

经济影响

效率提升不仅是技术里程碑，也具有直接的经济意义。NVIDIA 声称，Vera Rubin NVL72 的 token 生成成本相较于之前的平台降低了一个数量级。这对于像 Google Cloud、Microsoft Azure 和 CoreWeave 等运营 AI 工厂的公司尤为关键，因为它们面临着不断攀升的能源成本和基础设施需求。

此外，有传闻称 NVIDIA 计划对其 AI 服务器硬件（包括 Rubin 系统）涨价 15%，这些效率提升可以帮助客户抵消不断增加的资本支出。对于运营商而言，能够在相同的电力和成本预算内支持更多推理容量，将是选择 Rubin 而非 Blackwell 的决定性因素。

对 AI 市场的重要意义

AI 硬件市场已经成为 NVIDIA 主导地位的基石，其数据中心业务推动了创纪录的收入。截至 2026 年 8 月 24 日，NVIDIA 的市值达到 5.137 万亿美元，尽管其股票在过去 24 小时内略微下跌了 1.91%，交易价格为 210.61 美元。Vera Rubin 的推出正值行业面临更高要求的 AI 应用的时刻，其中每瓦性能和每 token 成本的指标将决定竞争优势。

Vera Rubin 对代理型 AI 的专注也可能为 NVIDIA 在新兴领域（如自主代理和实时决策系统）中赢得领先地位。随着 Google Cloud 和 Microsoft 等主要合作伙伴已经部署基于 Rubin 的基础设施，NVIDIA 似乎在与 AMD、Intel 和定制 AI 硬件初创公司竞争中保持了优势。

展望未来

随着 NVIDIA 在 2024-2025 年从 Blackwell 过渡到 Rubin，下一代 AI 系统的广泛采用将取决于这些性能声明在现实中的表现。AgentX 基准测试结果提供了一个有希望的开端，但采用情况将取决于总体拥有成本、与现有工作流的集成以及扩展效率等因素。

对于专注于 AI 的投资者来说，Vera Rubin 的推出标志着 NVIDIA 在 AI 基础设施市场持续占据主导地位的潜在催化剂。而运营商则需要权衡 Rubin 系统的前期成本与能源和运营支出的长期节省。无论如何，NVIDIA 对效率的重视突显了在平衡 AI 性能与可持续性方面日益重要的需求。