技术解析|英伟达推出新一代GPU Rubin CPX

英伟达推新产品的速度，是很快的，特别是现在需要不断证明自己领先的位置。

英伟达RubinCPX是GPU设计新的思路，采用了解耦推理的方式，把长上下文处理和生成任务拆分开来，还搭配大容量GDDR7显存打造了新的GPU。

这种设计考虑到了算力和内存需求的差异，能给百万Token推理、长视频生成以及复杂软件开发带来更高的效率和扩展性。

RubinCPX架构设计与技术特点

RubinCPX是专门针对大模型推理中“上下文阶段”和“生成阶段”的不同需求来设计的。

传统GPU靠HBM显存同时处理计算和带宽任务，但碰到百万Token的输入序列时，单一架构就显得有些吃力了。

RubinCPX会把长上下文处理交给专用的GPU来做，具体有这几个特点：

◎显存方面：单芯片搭载128GBGDDR7显存，相比HBM显存性价比更高，适合在机架级进行大规模部署。

◎算力表现：在NVFP4精度下能提供30PFLOPS的算力，专门优化了高吞吐的上下文解析任务。

◎视频处理能力：内置了四个NVENC和NVDEC引擎，很适合多模态AI的应用场景。

◎系统互联：能和VeraCPU、RubinHBMGPU以及ConnectX-9SuperNIC配合使用，在NVL144CPX机架内可以实现12.8Tbps的网络吞吐。

这个新的产品采用了单芯片设计，这样能减少延迟，保持性能的一致性，但在制造和散热方面会面临一些难度。看得出来，NVIDIA在规模训练、推理之间，一直在平衡成本和性能。

软件层面，Dynamo平台会协调上下文处理和生成处理这两部分工作。

解耦推理需要快速的KV缓存传输和灵活的内存管理，而Dynamo平台刚好能支持这套体系。

RubinCPX负责处理长序列输入，RubinGPU负责逐Token生成，两者通过高速连接和统一的软件栈配合，就能完成整个任务。

Part2

性能提升与应用价值

在VeraRubinNVL144CPX平台上，36颗VeraCPU、144颗RubinGPU和144颗RubinCPX搭配使用，总算力能达到8EFLOPS（NVFP4精度），比GB300NVL72高出7.5倍。

再加上100TB的存储和1.7PB/s的内存带宽，这个配置已经接近当前的极限水平了。

RubinCPX的性能优势很突出，主要体现在这三个方面：

◎长上下文推理：注意力机制的处理速度比GB300NVL72快3倍，在百万Token的场景下，延迟和效率都有明显改善。

◎视频与多模态处理：专用的编解码单元能适配长视频生成需求，很适合AI内容生产的场景。

◎推理经济性：解耦设计减少了对HBM显存的依赖，预计投资回报率（ROI）能达到30-50倍，投资效率大幅提高。

应用场景上，它不只是能用于AI推理，还能支持复杂的软件开发。

长序列处理能力可以从代码生成扩展到软件工程优化，在科研和视频生成领域，也能满足持续处理的需求。

从路线图来看，

◎RubinCPX会在2026年底推出，之后会和RubinGPU、VeraCPU组成异构生态。

◎到2027年，RubinUltra会加入12堆HBM4；

◎2028年，新架构Feyman也会跟进。

能看出NVIDIA一直在推进分层解耦和持续扩展的策略。

RubinCPX算是GPU发展的一个新方向，通过解耦和协作分工，来适应AI推理的需求，这体现出了设计上的灵活性和前瞻性。

百万Token推理从设想变成了现实，能为生成式AI应用的发展铺路。从2026年开始，随着RubinCPX的落地，异构架构和解耦推理或许会成为未来的主流方向。

特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。