今夜无显卡！老黄引爆Rubin时代，6颗芯狂飙5倍算力

---

  新智元报道  

编辑：编辑部

【新智元导读】刚刚的CES 2026上，老黄带着Vera Rubin超算架构向全世界走来！Rubin的推理性能比Blackwell提升了5倍，训练性能提升3.5倍，成本降低10倍，已经大规模投产，将于2026下半年面世。没有新显卡的昨夜，老黄表示all in AI！

 

天空一声巨响，全新版本的「皮衣老黄」闪亮登场。

在本次CES演讲中最为激动人心的瞬间，就是英伟达全新一代芯片架构——Vera Rubin正式登场！

全球AI算力告急？老黄霸气回应：Vera Rubin已全面投产。

这是新一代的算力怪兽，也是对上一代霸主Blackwell的降维打击——

• 推理Token成本直接暴降10倍，算力性能狂飙5倍。

• 就连训练MoE模型所需的GPU数量，也直接减少了4倍。

   

曾经，Blackwell终结了Hopper；如今，Rubin亲手埋葬了Blackwell。

全程近两小时演讲，老黄提及重点包括——

• 下一代Rubin平台亮相：六颗芯片，推理狂飙十倍

• 自动驾驶端到端模型：AlphaMayo会思考、自主推理，全程0接管上路

• 物理AI全家桶开源：基础模型、框架

 

玩家彻夜难眠：CES 2026，没有显卡

 

至于游戏玩家？

对不起，这次真的没有新显卡。

英伟达在X上的一纸公告，彻底击碎了「攒机党」最后的幻想：CES 2026将没有任何新GPU发布。

这意味着，英伟达自2021年以来连续五年在CES发布新硬件的传统，就此终结。

传闻已久的RTX 50 Super系列，受困于GDDR7显存的「产能地狱」，大概率已经胎死腹中。

Rubin炸裂登场

6颗芯片，10倍推理，AI超算变工厂

去年10月，老黄曾预计：未来五年，将有3到4万亿美元砸向AI基础设施。

Vera Rubin的大规模投产，可谓生逢其时。

如果说Blackwell打破了单卡性能的极限，那么Rubin解决的则是系统规模化的难题。

从此，算力将像电力一样廉价，AI的大爆发已近在咫尺！

2024年，Vera Rubin架构首次亮相。

等了两年，现在它终于正式投产了！

Blackwell架构，从此将退出历史舞台。

演讲现场，老黄告诉大家：AI所需的计算量急剧飙升，怎么办？不用怕，Vera Rubin，将解决我们面临的根本性挑战！

这套为万亿参数模型的海量推理而生的平台，会彻底让算力低成本、规模化、工业化生产。

Rubin架构，以天文学家Vera Florence Cooper Rubin而命名。

可以说，Rubin是英伟达第一次把CPU、GPU、网络、存储、安全，当成一个整体来设计。

核心思路就是：不再「堆卡」，而是把整个数据中心变成一台AI超算。

整个Rubin平台，由这6个关键组件构成。

其中，Rubin GPU是整个平台的核心。它搭载第三代Transformer引擎，为AI推理提供50 PFLOPS的NVFP4算力。

之所以能达到Blackwell GPU性能的5倍，是因为它的NVFP4张量核心，后者能分析Transformer各层的计算特性，动态调整数据精度与计算路径。

另外，该架构还引入一颗全新的Vera CPU，专为智能体推理而设计。

它采用88个英伟达自研Olympus核心，完全兼容Armv9.2，并具备超快的NVLink-C2C 连接，能实现176个线程的全性能执行，I/O带宽和能效比直接翻倍。

当我们在Agentic AI或长期任务中启用全新的工作流时，会对KV cache造成很大压力。

为了解决存储和互联的瓶颈，Rubin架构特别改进了Bluefield和NVLink系统。它通过外部方式和计算设备相连，这样就能更高效地扩展整体存储池的规模。

BlueField-4 DPU是一个数据处理单元，它能卸载网络、存储和安全任务，还能管理AI的上下文记忆系统。

NVLink 6中，单芯片就能提供每秒400Gb的交换能力。每块GPU提供3.6TB/s 的带宽，而Rubin NVL72机架提供260TB/s，带宽超过整个互联网。

通过3.6 TB/s的带宽和网络内计算能力，它能让Rubin中的72个GPU像一个超级GPU一样协同工作，直接把推理成本打至1/7。

现场，老黄给我们展示了Vera Rubin的托盘。小小的托盘上集成了2颗Vera CPU、4颗Rubin GPU、1颗BlueField-4 DPU和8颗ConnectX-9网卡，整个计算单元算力达到100 PetaFLOPS。

Rubin的目标，是解决MoE和万亿参数模型的训练成本，它做到了吗？显然，成果是显著的。

训练、推理效率暴增

测试结果显示，Rubin架构训练模型时的运行速度，直接达到上一代Blackwell架构的3.5倍（35 petaflops），推理任务的速度则高达5倍，最高可达50 petaflops！

同时，它的HBM4内存带宽提升至22 TB/s，达到2.8倍，单GPU的NVLink互连带宽则翻倍到3.6 TB/s。

在超大规模MoE训练中，Rubin所需的GPU数量相比Blackwell可减少至1/4，同时整体能耗显著下降。

这背后，就有三大功臣。

NVLink 6，让GPU间互联带宽再次大幅提升，多卡训练不再被通信拖慢；Vera CPU与Rubin GPU的协同调度，可以减少「GPU等数据」的空转时间；而ConnectX-9与Spectrum-6的深度协同，也让大模型训练不会再被集群规模限制。

从此，训练万亿模型，不再是「堆钱」，只会是工程问题。

训练解决了，那推理呢？

结果显示，在推理侧，Rubin平台单位token的推理效率提升最高可达10倍！同样的模型和响应延迟，算力成本可以直接下降到原来的1/10。

所以，模型可以跑得起百万token的长下文，企业级AI应用也可以部署了。

存储瓶颈解决

如上文所言，让AI模型多跑一会的关键挑战，就在于上下文数据。

大量KV Cache该如何处理？英伟达推出了由BlueField-4驱动的推理上下文内存存储平台。

这个平台在GPU内存和传统存储之间创建了「第三层」，直接让每秒处理的 token数提升高达5倍。

DGX Super POD

本次CES上，英伟达还推出了新一代DGX SuperPOD。

它把多个装有72个GPU的Rubin NVL72连接起来，形成了更大的AI计算集群。

在这次的DGX SuperPOD中，共有8个Rubin NVL72机架，相当于有576个GPU。

NVIDIA Vera Rubin NVL72 提供统一、安全的系统，集成了72 块Rubin GPU、36块Vera CPU、NVLink 6、ConnectX-9 SuperNICs和BlueField-4 DPUs

这样，SuperPOD就可以处理数千个Agentic AI智能体，以及数百万token上下文。

可以说，英伟达一次性解决了数百个GPU相连、管理存储的问题，直接给我们提供了开箱即用的AI基础设施。

第三代机密计算平台

更为重要的是，Rubin是首个支持第三代机密计算（Confidential Computing）的AI超算平台。

模型参数、推理数据、用户请求都会被全链路加密，即使的云厂商，也无法直接访问明文数据。

这就解决了「敢不敢把核心AI放到云上」的问题，对于金融、医疗、政府、企业私有模型都非常重要。

这些大厂，第一批用上Rubin

老黄介绍说，Rubin会由AWS、Microsoft Azure、Google Cloud、Meta、OpenAI这些头部厂商先部署。

而到2026年下半年，Rubin平台就会进入大规模商用阶段。

所以，下一代GPT、Gemini、Claude模型，大概率都会运行在Rubin架构上。

 

全程0接管，自动驾驶AI「会思考」

 

如何教会AI物理学的基础事实？

英伟达给出的答案是，把算力变成高质量的数据（Compute is Data）。

在这一体系中，「世界基础模型」Cosmos扮演着重要的角色。

交通模拟器输出的信号，被送入Cosmos再生成合理、运动上连贯的环绕视频，让AI学习其中真实世界的行为模式。

如今，Cosmos已被全球下载数百万次，成为物理AI时代的重要基础设施。在英伟达，内部也在用其做自动驾驶研究。

在此基础上，今天，英伟达正式发布了「端到端」自动驾驶AI——AlphaMayo。

它是一个会思考、会推理的自动驾驶AI。从摄像头输入到车辆执行动作，全流程由模型完成。

AlphaMayo独特之处，在于它具备了显式推理能力。

系统不仅执行转向、制动、加速动作，还会给出即将采取行动的理由，以及对应的形式轨迹。

自动驾驶最大挑战，来自于「长尾场景」，几乎不可能覆盖所有国家、所有道路的数据。

AlphaMayo的策略是将复杂场景，拆解为多个熟悉的物理与交通子问题，通过推理将罕见情况分解为常见组合，完成应对。

在演示中，车辆可以在全程0接管状态下，完成路径规划与行驶，顺利抵达目的地。

在自动驾驶领域，英伟达投入持续了八年，如今第一次把AI「五层架构」完整跑通。

由下到上：实体本身、芯片体系、模型层、基础设施层、应用层，构成了一套完全贯通的AI系统栈。

AlphaMayo构成模型层，梅赛德斯-奔驰汽车构成应用层。

这一次，老黄还官宣了，NVIDIA DRIVE AV软件首次搭载全新梅赛德斯-奔驰 CLA，提供L2级端到端驾驶。

更重磅的是，Alpamayo家族全部开源。这一整套方法论，并不只适用于汽车，同样适用于机器人、机械臂等各类系统。

 

全家桶开源，机器人ChatGPT时刻

 

下一阶段，机器人将以各种形态进入现实世界，前提是，它们首先在Omniverse中学会如何行动。

现场，老黄又召唤来了机器人瓦力登台配合演出，这里他讲了一句意味深长的话：

未来的系统，都诞生在计算机里。

英伟达正把自身能力嵌入到，计算密度最高、最复杂的工业体系统，就像此前与Palantir、ServiceNow的集成一样。

如今，这一模式正被复制到了工业仿真与设计领域。

在具身智能领域，老黄直接扔下了一套针对物理AI（Physical AI）的「开源全家桶」——模型、框架及基础设施，应有尽有。

机器人的ChatGPT时刻已经到来！

 

目前，所有新模型均已上线Hugging Face，拿来即用：

• NVIDIA Cosmos Transfer/Predict 2.5，这是完全可定制的世界模型，专门在虚拟世界里生成符合物理规律的数据，训练机器人的大脑。

• NVIDIA Cosmos Reason 2，让机器像人一样「看懂」世界并进行逻辑推理。

• NVIDIA Isaac GR00T N1.6，专为人形机器人打造，解锁全身控制，让机器人不再四肢僵硬。

为了解决机器人开发中「各自为战」的痛点，英伟达发布了两大神器：

• Isaac Lab-Arena：这是GitHub上的开源框架，连接了主流基准测试，确保机器人在进厂打工前，已经在虚拟世界里经过了千锤百炼。

• NVIDIA OSMO：无论是在工作站还是混合云，它都能统一调度数据生成、模型训练和测试，大幅缩短开发周期。

   

机器人技术已是Hugging Face上增长最快的领域。英伟达这次不仅是提供模型，更是深度集成：

• LeRobot集成：Isaac和GR00T技术直接通过LeRobot框架即可调用。

• 硬件互通：Hugging Face的开源机器人Reachy 2和Reachy Mini现已完美适配英伟达的Jetson平台，语音、视觉、大模型能力瞬间拉满。

   

软件强还不够，硬件必须硬。如今，全新的Jetson T4000模组，直接将Blackwell架构带到了边缘端：

• 算力高达1200 FP4 TFLOPS，是上一代的4倍。

• 1000台起订单价仅1999美元。

• 70瓦功耗，简直是为能源受限的自主设备量身定做。

   

老黄震撼预言

未来所有应用，建在AI之上

 

每隔10-15年，计算产业就会重来一次。

演讲伊始，老黄还回顾了计算产业过去数十年的演进路径——

从大型机到CP，到互联网、云计算，再到移动计算，每一次平台级跃迁，都会催生一整套全新的应用生态，软件开发方式也随之重构。

而这一次，变化来得更加猛烈。

他提到，当前产业正同时经历两次平台级转变：一是从传统计算走向AI，另一个是整个软件、硬件栈的底层重塑。

AI正成为全新的「底座」，应用开始建立在AI之上。同时，软件开发与运行方式、应用生成方式发生了根本性变化。

这一切，共同推动了「加速计算+AI」对整个计算体系的重塑，五个层级正在同时被重新发明。

2022年ChatGPT爆发后，AI才真正走进大众视野。一年之后，推理模型首次登场，引入了「测试时Scaling」这一概念。

模型不仅在训练阶段学习，还在推理阶段实时计算和推演。预训练、RL、推理这些阶段，都需要机器庞大的计算资源，也同时推动模型能力持续提升。

2024年，另一项突破开始显现，直到2025年，智能体系统（Agentic AI）才迅速扩散开来。

老黄再次提及，在英伟达内部，像Cursor这样的Agentic工具已深刻改变了软件的开发方式。

智能体AI之后，下一个前沿便是物理AI（Physical AI），理解自然规律和物理法则，为AI打开了全新疆域。

除此之外，过去一年，另一个具有决定性意义的变化来自「开源模型」。

DeepSeek R1的出现，作为首批开源推理模型之一，给行业带起来巨大震动。

但不可否认的是，其仍比前沿模型落后六个月。每隔半年，就有新模型涌现，而且越来越智能。

英伟达，正引领着开源模型的生态，遍布多个领域。而且，在多个榜单上取得了亮眼的成绩。

最具代表性的包括多模态Nemotron 3、世界模型Cosmos、机器人模型GR00T、蛋白预测模型OpenFold 3......

老黄现场表示，以上一切成果，都为构建AI智能体服务，这是真正突破性的发展领域。

当前AI模型已变得极其强大，智能体的推理能力为各类应用开启了大门。

令老黄深感震惊的是，首次在Perplexity见证了其同时调用多个模型——AI在推理任何环节，直接调用最顶尖的模型。

这背后本质上是「多云协同」，同时还具备了混合云特性。

老黄明确地表示，这就是未来AI应用的基本形态。或者说，因为未来应用都构建在AI之上，这就是未来应用的基础框架。

一方面，AI可以被深度定制。另一方面，系统始终保持最前沿。「定制+前沿」能力在同一架构中同时存在。

在软件世界之外，更大挑战来自于现实世界。为此，物理AI需要三台计算机——

• 第一台计算机：用于训练模型

• 第二台计算机：用于推理，运行咋i汽车、机器人、工厂等边缘环境

• 第三台计算机：专门用于仿真、模拟

老黄提到，仿真是整个体系的核心，只有在可控的数字环境中，AI才能反复尝试、评估行为后果，并逐步建立对世界的理解。

 

彩蛋

演讲最后还有一个幕后花絮，DGX Station台式AI超算将在2026年春季上线。

届时，英伟达还将同步推出更多针对GB300系统的实战手册（Playbooks）。

如果说DGX Spark是开发者的入门首选，那么DGX Station就是一台放在你办公桌上的微型数据中心：

• 搭载GB300 Grace Blackwell Ultra超级芯片。

• 配备高达775GB的FP4精度一致性内存（Coherent Memory）。

• 拥有Petaflop级AI算力，支持在本地运行高达1万亿（1T）参数的超大规模模型。

   

得益于强大的硬件基础，DGX Station实测威力惊人：

• LLM预训练速度高达250,000 Token/秒。

• 支持对数百万数据点进行聚类和大型可视化。

   

从DeepSeek R1的开源震动，到Agentic AI的全面爆发，计算产业正在经历一场前所未有的重塑。

在这个只有玩家落泪的早上，一个由物理AI驱动的全新世界，正在Vera Rubin的轰鸣声中，加速向我们走来。

参考资料：HYZ

https://nvidianews.nvidia.com/news/rubin-platform-ai-supercomputer

https://www.nvidia.com/en-gb/data-center/vera-rubin-nvl72/

https://blogs.nvidia.com/blog/dgx-superpod-rubin/

https://www.nvidia.com/en-us/events/ces/

https://youtu.be/0NBILspM4c4

 

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

<原文链接：https://mp.weixin.qq.com/s/EprbrMBArltI_YUhNqrY5A