英伟达Vera Rubin实测数据出炉：Token吞吐量提升10倍，千兆级AI工厂加速落地

从纸面参数到实测数据，Vera Rubin交出首份成绩单

7月21日，英伟达正式公布了Vera Rubin平台的首批第三方实测数据。作为Blackwell的继任者，Vera Rubin承载着英伟达对”千兆级AI工厂”的全部野心——而CoreWeave的测试结果表明，这次升级远比想象中猛烈。

据英伟达官方披露，CoreWeave在Vera Rubin NVL72系统上的测试显示，相比上代Grace Blackwell NVL72，单位功耗下的Token吞吐量提升了整整10倍。这个数字意味着什么？对于客户来说，同样的电费账单可以跑出10倍的推理产出；对于需要训练万亿参数模型的AI实验室来说，训练周期将从数月压缩到数周。

云巨头已集体押注

目前，CoreWeave、谷歌云、微软Azure和甲骨文云四家顶级云服务商已率先部署Vera Rubin NVL72系统。英伟达表示该平台正在全球范围内扩大部署规模，覆盖从超大规模云计算到企业私有化部署的多种场景。

NVL72的命名暗示了其核心架构：72颗Vera Rubin GPU通过NVLink高速互联组成单一计算节点，形成一个逻辑上的”超级GPU”。这种设计对于大模型推理场景尤其关键——模型的KV Cache如果分散在多张卡之间通信延迟过高，推理速度会急剧下降，而NVL72通过全互联拓扑从根本上解决了这一问题。

千兆级AI工厂的战略意义

“千兆级AI工厂”（Gigawatt-class AI Factory）是英伟达在2025年提出的概念，指耗电量达到1吉瓦级别的AI数据中心。随着GPT-5.6和Gemini 4等下一代模型对算力需求呈指数级增长，单个数据中心必须从百兆瓦级向吉瓦级跃迁。

Vera Rubin的核心价值在于：它让这种跃迁在经济上变得可行。10倍的能效提升意味着，建设一个吉瓦级AI工厂的实际算力产出相当于上一代的10吉瓦规模——如果不提升能效，仅靠堆服务器建吉瓦工厂，电费账单就能让企业破产。

对AI创业生态的连锁反应

Vera Rubin的10倍能效提升，不仅是一个技术指标，更将重塑AI创业的成本结构。目前推理成本已经是AI应用运营支出中的最大单一项目——以每月10亿Token调用量计算，在上一代硬件上可能需要数百台服务器，而Vera Rubin将这一规模压缩到数十台。

这意味着什么？AI应用的盈亏平衡点将大幅降低。过去需要A轮融资才能烧得起的推理集群，现在天使轮就能跑起来。这对于依赖大模型API做二次开发的团队来说，是一个实质性的利好。

但挑战依然存在。

高性能背后是高昂的采购成本。Vera Rubin系统的单价预计远超Blackwell，且供应链对先进封装（CoWoS-L）和HBM4内存的依赖意味着短期内产能爬坡仍是瓶颈。对于中小型AI公司而言，与其自建Rubin集群，通过云服务商按需使用可能是更现实的选择。

尽管如此，从Blackwell到Rubin的跨越已经清晰可见。AI基础设施的迭代速度没有放缓，反而在加速。