2025年7月，英伟达在年度GTC大会上正式披露了下一代AI超级计算架构Vera Rubin的最新进展，并公布了来自合作伙伴CoreWeave的早期测试数据。测试结果显示，基于Vera Rubin平台，在单位功耗条件下的Token吞吐量实现了高达10倍的跃升，这一突破性进展标志着AI算力能效比迎来了新的里程碑。

架构革新：从Blackwell到Vera Rubin

作为英伟达继Hopper、Blackwell之后的第三代AI加速架构，Vera Rubin并非简单的迭代升级。据英伟达方面介绍，该平台采用了全新的Vera核心与Rubin GPU协同设计，在片上互连、内存带宽和计算单元布局上均实现了结构性变革。Vera Rubin首次引入基于3D堆叠技术的HBMI（高带宽内存接口），配合台积电3纳米制程工艺，使得单芯片晶体管数量突破3000亿，功耗却控制在1000瓦以内。

英伟达CEO黄仁勋在大会上表示：“AI模型的规模正在以每年4倍的速度增长，但摩尔定律已经放缓。Vera Rubin的设计目标就是打破‘算力增长与能耗增长’的死结。”据悉，该平台原生支持FP4精度计算，并针对MoE（混合专家）模型进行了指令集优化，在推理场景下可显著降低单位Token的能耗成本。

CoreWeave测试数据：10倍能效飞跃

作为全球领先的AI云基础设施服务商，CoreWeave是全球首批接入Vera Rubin原型系统的合作伙伴。其发布的工程测试报告显示，在运行LLaMA-3 405B参数量模型的推理任务时，采用Vera Rubin集群的单位功耗Token吞吐量相比前代Blackwell平台提升了9.8倍，接近10倍。

更具体的测试数据如下：在同等功耗约束（整机功耗1500W）下，Blackwell平台每瓦每秒可处理约1200个Token，而Vera Rubin平台达到了约11800个Token/W·s。若以训练场景为例，在训练一个1.8万亿参数的MoE模型时，Vera Rubin平台相比Blackwell在相同时间内的训练Token数提升了7倍，同时总功耗降低约35%。

CoreWeave首席技术官Brian Stevens指出：“10倍能效提升意味着AI推理成本可降低一个数量级。对于一个日均处理数十亿Token的云服务商来说，运营成本将从每年数亿美元降至几千万美元，这将直接改变AI应用的商业可行性。”

技术突破背后的关键设计

为何Vera Rubin能实现如此惊人的能效提升？英伟达架构团队透露，主要源于三大核心技术：

  1. 全局稀疏引擎：Vera Rubin的GPU内集成了专用稀疏计算单元，可动态识别MoE模型中激活的专家子网络，跳过非必要计算，将有效计算密度提升3倍以上。

  2. 光子互连桥接：在GPU与HBM内存之间，Vera Rubin首次大规模应用了硅光子互连技术，实现每比特能耗降低70%，同时带宽密度增加4倍，解决了长期困扰AI加速器的“内存墙”问题。

  3. 自适应电压调节：Vera Rubin的每个计算簇可独立调节电压与频率，根据当前负载实时进入深度节能状态。在空闲或轻负载状态下，整芯片功耗可降至标称功耗的10%以下。

产业影响与生态展望

随着Vera Rubin平台走向商业化，AI基础设施的部署范式或将发生根本性转变。过去，数据中心为满足大模型推理需求，通常需要堆叠数千张GPU，导致电力容量和散热设施承受巨大压力。如今，10倍能效提升意味着同样的电量可支撑10倍以上的Token生成量，或同等算力下碳排放减少80%。

目前，包括CoreWeave、微软Azure、甲骨文云在内的主要云服务商已宣布将在2025年底前部署Vera Rubin集群。英伟达预计，该平台的正式出货时间将在2026年第一季度。对于开发者而言，英伟达同步推出了针对Vera Rubin优化的CUDA 13.0 SDK和深度学习框架补丁，确保主流模型可无缝迁移。

业内分析人士认为，英伟达在AI芯片领域正以“隔代提升一个数量级”的节奏持续进化。从Hopper到Blackwell实现了约4倍能效提升，而从Blackwell到Vera Rubin的10倍跃升，可能标志着AI算力已进入一个全新的“能效红利期”。未来，那些受限于电力成本的AI应用——如实时语音助手、端侧推理、药物分子模拟等——或将迎来商业爆发的临界点。

不过，也有技术专家提醒，测试数据基于特定模型和工作负载，通用性尚需验证。同时，Vera Rubin的高昂初代成本可能使得中小型企业短期内难以受益。但无论如何，10倍能效提升这一数字本身，已经足以让整个AI行业为之振奋。