NVIDIA公开Rubin GPU架构细节：面向Agentic AI重新设计GPU

发布时间：2026-09-14 03:10:02 来源：弯弓饮羽网 作者：百科

NVIDIA发布最新官方技术博客，公开首次系统披露Rubin GPU架构设计。架构计相较此前公布的细节新设产品规格，此次重点介绍了Rubin面向Agentic AI的公开架构优化，包括Tensor Memory Accelerator、架构计第三代Transformer Engine、细节新设自适应压缩等核心技术，公开进一步揭示下一代AI Factory的架构计设计方向。

【PChome 2026年7月22日消息】北京时间7月22日，细节新设NVIDIA连续发布两篇官方技术博客，公开首次深入公开下一代Rubin GPU的架构计架构设计细节。相比今年CES和GTC公布的细节新设产品规格，此次官方披露的公开重点不再是FP4算力、HBM4等基础参数，架构计而是细节新设首次解释Rubin GPU为何围绕Agentic AI（智能体AI）重新设计，并详细介绍了第三代Transformer Engine、Tensor Memory Accelerator（TMA）以及Adaptive Compression（自适应压缩）等关键技术，揭示了NVIDIA下一代AI基础设施的底层思路。

与生成式AI时代主要依赖大规模训练不同，NVIDIA认为，未来AI计算将逐渐转向以推理、规划、多Agent协作和工具调用为代表的Agentic AI阶段。这类工作负载拥有更长上下文、更频繁的数据交换以及更多CPU与GPU协同需求，因此GPU架构的优化目标也从单纯提升峰值算力，转向提高整体系统吞吐率、能效以及每Token成本。 

为此，Rubin GPU在多个关键模块进行了重新设计。其中，Tensor Memory Accelerator（TMA）获得进一步增强，能够降低专家模型（MoE）等复杂AI负载中的数据搬运开销，并通过更灵活的描述符管理减少GPU等待数据的时间，使计算单元保持更高利用率。NVIDIA表示，这一优化旨在解决当前大模型推理过程中计算速度越来越快、数据供给却逐渐成为瓶颈的问题。

另一项重要升级来自第三代Transformer Engine。官方介绍，新一代引擎加入了Adaptive Compression（自适应压缩）能力，可针对KV Cache等推理数据进行动态压缩，在尽量保持模型精度的前提下显著降低HBM带宽占用，从而缓解长上下文推理带来的内存压力。这意味着Rubin不仅依靠HBM4更高的物理带宽提升性能，也通过软硬件协同进一步提高显存利用效率。

从产品规格来看，Rubin平台延续了此前公布的信息，包括单颗GPU最高可提供50 PFLOPS（NVFP4） AI算力，采用HBM4高带宽显存，并与Vera CPU组成新一代Vera Rubin平台。在整机层面，Vera Rubin NVL72由72块Rubin GPU和36颗Vera CPU组成，针对大规模AI推理和后训练（Post-training）进行了优化。

值得关注的是，NVIDIA此次还首次披露了更多来自产业合作伙伴的部署情况。官方表示，目前已有CoreWeave、Google Cloud、Microsoft Azure、Mistral AI等合作伙伴基于Vera Rubin平台开展测试与部署。NVIDIA强调，新平台的目标不仅是提升峰值性能，更重要的是降低Performance per Watt（每瓦性能成本）以及Token Cost（每Token生成成本），帮助AI工厂获得更高的整体运行效率。

从行业发展来看，此次官方博客释放出的信号十分明确。随着AI产业逐渐进入以推理为主的新阶段，GPU竞争已不再局限于算力数字，而是扩展至CPU协同、内存系统、互连网络、软件栈乃至整机架构。Rubin GPU的公开，也意味着NVIDIA正试图重新定义AI基础设施的设计标准，将GPU从单一计算芯片进一步演进为AI Factory的核心计算节点。

相关文章