真正的創(chuàng)新，不是把事情做得更快，而是把事情做得更“便宜、更穩(wěn)定、更可復制”。

作者 | 思嶺

一、一個判斷

剛剛的CES 2026上，黃仁勛帶著Vera Rubin超算架構(gòu)向全世界走來！Rubin的推理性能比Blackwell提升了5倍，訓練性能提升3.5倍，成本降低10倍

但是，Vera Rubin，不是一代芯片，而是一種“算力生產(chǎn)方式”的升級如果你只把Vera Rubin 看成“Blackwell 的 5 倍性能版”，那你低估了它。

Vera Rubin真正做的事情只有一句話：

把 AI 算力，從“昂貴的科研資源”，變成“可以工業(yè)化生產(chǎn)的基礎(chǔ)設(shè)施”。

這和當年從蒸汽機到電力的躍遷，本質(zhì)是同一件事。

二、為什么 Blackwell 不夠了？

我們先回到一個基本問題：

今天的AI，卡在了哪里？

答案不是模型，也不是算法，而是——系統(tǒng)規(guī)模化。

• 萬億參數(shù)模型→ 不是“單卡更強”，而是多卡協(xié)同更高效

• Agentic AI、長上下文 → 不是“算得更快”，而是存得住、調(diào)得動

• 企業(yè)級部署→ 不是“性能峰值”，而是單位Token成本

Blackwell 解決了單卡極限問題，而 Rubin 解決的是——系統(tǒng)工程問題。

這，是一次典型的“范式轉(zhuǎn)移”。

三、Vera Rubin 的技術(shù)原理

不再堆卡，而是把數(shù)據(jù)中心設(shè)計成一臺計算機

Blackwell 像一輛性能炸裂的超跑；

Rubin，則是把整個高速公路系統(tǒng)重新設(shè)計了一遍。

它的關(guān)鍵創(chuàng)新，不在某一顆芯片，而在整體架構(gòu)的協(xié)同設(shè)計。

可以把Rubin的技術(shù)拆成四個層面看。

1??算力層：NVFP4 +第三代Transformer Engine

Rubin GPU 的核心，是NVFP4精度體系。

它不是簡單“更低精度”，而是：

• 逐層分析Transformer計算特性

• 動態(tài)調(diào)整精度、路徑和算子

結(jié)果是：

• 推理性能：5倍

• 單 Token 成本：1/10

• MoE 訓練 GPU 數(shù)量：減少到1/4

這是一種算法-硬件共設(shè)計（Co-design）的典型范式。

2??調(diào)度層：Vera CPU的戰(zhàn)略意義

很多人忽略了 Vera CPU。

但我認為，這是 Rubin 架構(gòu)里最被低估的一步棋。

• 88 個自研 Olympus 核心

• Armv9.2 全兼容

• NVLink-C2C 高速直連 GPU

它解決的不是“算力”，而是——GPU等數(shù)據(jù)的空轉(zhuǎn)浪費

在 Agentic AI 時代，調(diào)度效率=真實算力。

3??互聯(lián)與存儲：NVLink 6 + BlueField-4

AI 推理真正的瓶頸是什么？

不是算，是KV Cache和上下文。

Rubin 用了一個極聰明的做法：

在 GPU 內(nèi)存和傳統(tǒng)存儲之間，創(chuàng)造“第三層上下文內(nèi)存”。

由 BlueField-4 DPU 統(tǒng)一管理。

結(jié)果是：

• 推理吞吐提升5倍

• 72 GPU 像一個超級GPU協(xié)同

• 推理成本直接降到1/7

這一步，才是“工業(yè)化”的關(guān)鍵。

• 72 GPU → 一個 NVL72

• 8 個 NVL72 → 一個 SuperPOD

• 數(shù)千 Agent、百萬 Token 上下文 → 開箱即用

英偉達不再賣“零件”，而是賣“工廠”。

四、從知識產(chǎn)權(quán)角度看，英偉達做對了什么？

1??芯片專利升級為系統(tǒng)專利

Rubin 的護城河，不是某一項發(fā)明，而是：

• GPU 微架構(gòu)

• 精度體系

• CPU-GPU 協(xié)同

• 互聯(lián)協(xié)議

• DPU 調(diào)度

• 機架級封裝

這是專利組合拳（Patent Thicket）。

你繞過一項，繞不過系統(tǒng)。

2??軟硬一體，鎖死可替代性

• NVFP4 精度標準

• NVLink 私有互聯(lián)

• BlueField 數(shù)據(jù)路徑

• Omniverse / Cosmos / Isaac 軟件棧

即使硬件被模仿，生態(tài)無法復制。

這是典型的：

以架構(gòu)為核心的知識產(chǎn)權(quán)戰(zhàn)略

3??開源，不是放棄IP，而是定義標準

Cosmos、GR00T、AlphaMayo 全家桶開源，表面看是“開放”。

但本質(zhì)是：

• 定義物理 AI 的數(shù)據(jù)格式

• 定義仿真的世界模型范式

• 定義訓練-推理-仿真的三計算機體系

誰掌握標準，誰掌握未來的許可權(quán)。

五、Vera Rubin 上市后，對 AI 產(chǎn)業(yè)意味著什么？

判斷一：

“算力焦慮”將從技術(shù)問題，變成工程問題

• 萬億模型→ 不再是“燒錢競賽”

• 企業(yè)級 AI → 成本首次可預測

• 長上下文、Agent → 真正跑得起來

AI從科研，走向產(chǎn)業(yè)。

判斷二：

云廠商與模型公司，將進一步“綁定”英偉達

AWS、Azure、Google Cloud、OpenAI、Meta 首批部署 Rubin。

這意味著：

• 下一代 GPT / Gemini / Claude

• 底層假設(shè)：Rubin級系統(tǒng)存在

這會形成新的路徑依賴。

判斷三：

物理AI，將成為下一個十年的主戰(zhàn)場

AlphaMayo、Cosmos、Isaac GR00T 不是“自動駕駛 demo”。

它們代表的是：

AI 從“理解文本”，走向“理解世界”。

機器人、汽車、工廠、醫(yī)療設(shè)備，都會被重構(gòu)。

六、給知產(chǎn)人和企業(yè)的三點建議

最后，說點IP人“能用的”。

建議一：

別只盯“模型專利”，要盯“系統(tǒng)協(xié)同專利”

未來的高價值專利，一定是：

• 算法× 架構(gòu) × 調(diào)度 × 數(shù)據(jù)流

單點創(chuàng)新，越來越難防守。

建議二：

提前布局“推理側(cè)”與“上下文管理”

訓練專利紅利期正在過去，

推理效率、成本、隱私計算，才是下一個金礦。

建議三：

關(guān)注“標準型開源”的隱性IP價值

不是所有開源，都是放棄控制。

有些開源，是為了：

讓全世界，按你的方式思考問題。

結(jié) 語

真正的創(chuàng)新，不是把事情做得更快，而是把事情做得更“便宜、更穩(wěn)定、更可復制”。

Vera Rubin 做到的，正是這件事。

當算力像電一樣被生產(chǎn)出來，一個由物理 AI 驅(qū)動的新世界，已經(jīng)不可逆地開始了。

而英偉達，正在用系統(tǒng)級創(chuàng)新與知識產(chǎn)權(quán)，

站在這個世界的“總開關(guān)”旁邊。

——這，才是Vera Rubin真正的意義。

（本文僅代表作者觀點，不代表知產(chǎn)力立場）

封面來源 | AI