智算通鉴
从卖GPU到交付整套集群:Vera Rubin正在改变AI基础设施的产品边界

提到英伟达,人们首先想到的仍然是GPU。
但在大型AI数据中心里,单颗GPU的性能已经不能决定整套系统的实际产出。网络能否及时传输数据,存储能否支撑频繁的上下文调用,CPU能否完成任务调度,供电和冷却能否承载高密度机架,都会影响GPU利用率。
Vera Rubin最值得关注的地方,因此不只是新一代GPU有多快,而是英伟达正在把更多环节纳入同一套产品架构。
它提供的不再只是芯片或单台服务器,而是从GPU、CPU、高速互联和网络,一直延伸到存储机架、多机架集群及AI工厂参考设计的平台。
严格来说,这不是英伟达第一次销售系统级产品。DGX、SuperPOD和Blackwell NVL72已经把产品边界从GPU扩展到服务器和机架。Vera Rubin的变化在于,这条边界继续向POD级集群延伸。
从六款芯片走向五类机架
Vera Rubin的产品演进,可以分成几个节点。
2026年1月,英伟达完整公布Vera Rubin平台,核心以六款协同设计的芯片为基础:Vera CPU、Rubin GPU、NVLink 6交换芯片、ConnectX-9 SuperNIC、BlueField-4 DPU和Spectrum-6以太网交换芯片。
这些产品分别承担CPU计算、AI加速、机架内互联、集群网络、基础设施卸载和以太网交换等任务。英伟达的设计思路,是让计算、网络、软件、供电和冷却从一开始就围绕同一套系统协同工作,而不是等设备进入数据中心后再逐项适配。
3月16日GTC期间,英伟达进一步公布Vera Rubin POD架构,将Groq 3纳入平台,官方口径扩展为“七款芯片、五类机架级系统、一个AI超级计算机”。
五类机架级系统分别是:
Vera Rubin NVL72;
Vera CPU;
Groq 3 LPX;
Vera BlueField-4 STX storage;
Spectrum-6 SPX Ethernet racks。
它们分别承担GPU计算、CPU计算、低延迟推理、上下文存储和网络连接等任务。
其中,Vera Rubin NVL72集成72颗Rubin GPU和36颗Vera CPU。NVLink 6负责机架内的scale-up互联;集群进一步向外扩展时,则可采用Spectrum-X Ethernet或Quantum-X800 InfiniBand。
在英伟达公布的POD参考配置中,整套系统包括40个机架和1152颗Rubin GPU。这里的“POD”已经不是单个GPU机架,而是由不同类型机架共同组成的多机架计算系统。
5月31日,英伟达宣布Vera Rubin正在进入全面量产阶段,服务器厂商、ODM、存储企业及其他供应链合作伙伴开始规模化制造相关系统。
8月24日,英伟达又宣布Groq 3 LPX进入全面量产,并将其定义为Vera Rubin平台的延伸,用于提高智能体应用中的低延迟Token生成能力。
这条时间线显示,Vera Rubin的产品形态并不是停留在一颗新GPU上,而是在逐步形成从芯片、机架到POD的完整架构。
POD为什么比单颗GPU更重要
AI集群扩大以后,瓶颈可能出现在任何一个环节。
网络带宽不足,GPU就会等待数据;存储吞吐跟不上,训练和推理会受到输入输出限制;CPU资源不足,数据预处理、强化学习环境和智能体任务调度也可能拖慢整个集群。
智能体AI进一步放大了这些问题。
一次请求可能触发数百甚至数千个推理步骤,涉及检索、工具调用、上下文及KV cache访问,以及多个任务之间的协调。计算需要在CPU、GPU、网络和存储之间频繁流动,系统效率越来越取决于各部分能否协同,而不只是某颗GPU的峰值性能。
BlueField-4 STX和相关上下文存储设计进入Vera Rubin POD,正是为了处理智能体工作负载对上下文容量和KV cache访问提出的新要求。Groq 3 LPX则被用于低延迟推理,与Rubin GPU承担的高带宽计算形成分工。
英伟达试图解决的,已经不是简单地“安装更多GPU”,而是如何让不同类型的计算与存储资源组合起来,保持较高利用率。
客户面对的采购问题也会随之变化:不再只是需要多少颗GPU,而是训练、后训练、实时推理、CPU计算、上下文存储和网络能力应该如何配置。
英伟达交付的是平台,不是整座数据中心
“交付整套集群”并不意味着英伟达开始包办数据中心建设。
英伟达主要提供芯片、机架级系统、网络、软件以及POD级架构。具体设备仍由服务器厂商、ODM和供应链伙伴制造与集成。
项目所需的土地、电力接入、变电设施、冷却系统、建筑施工和日常运营,也仍然需要云服务商、数据中心运营商、工程公司和能源企业完成。
5月31日公布的量产合作体系中,既包括Dell、HPE、Lenovo和Supermicro等服务器厂商,也包括鸿海、广达、纬创、英业达、技嘉、华硕、纬颖等ODM及供应链企业。各类企业承担的角色并不完全相同,但都被纳入Vera Rubin的规模化生产体系。
Vera Rubin DSX参考设计则把英伟达的架构控制范围进一步延伸到AI工厂层面。
按照官方定义,DSX参考设计覆盖计算、Spectrum-X网络和存储,同时向合作伙伴提供供电、冷却和控制系统的设计、建设与运营最佳实践。配套的Omniverse DSX Blueprint还可以建立AI工厂数字孪生,在施工或部署前模拟机房布局、电力拓扑、热管理和运行策略。
不过,参考设计不等于已经建成的数据中心,也不意味着英伟达成为项目开发商或EPC承包商。项目仍需完成选址、审批、电力接入、采购、施工和调试。
DSX提供的是设计框架和协同标准,而不是替代开发商与工程公司。
产业链开始围绕系统交付重新分工
产品从服务器扩展到POD后,产业链企业的角色也会发生变化。
服务器厂商需要交付具备高密度供电、液冷、高速互联和机架级维护能力的完整系统。网络和存储不再只是计算之外的配套设施,而是直接影响GPU利用率和Token产出的组成部分。
供电和冷却企业也可能更早进入项目设计。高密度AI集群的功率、热负荷和计算架构需要提前匹配,否则设备即使到货,也未必能够按计划完成上架和调试。
对产业链企业而言,竞争标准由此从单个部件的参数,扩展到是否能够进入机架级和POD级交付体系,以及能否按照平台标准实现规模化制造和部署。
AI基础设施正在成为系统产品
Vera Rubin并没有降低GPU的重要性。GPU仍然是整套平台的计算核心。
真正改变的是产品定义。
英伟达正在把CPU、GPU、网络、存储和软件组织成机架,再把不同类型的机架组合成POD,并通过DSX参考设计继续连接供电、冷却和控制系统。
这不代表英伟达已经把整座数据中心变成自己的单一产品,也不代表相关产业链会被一家企业取代。相反,系统规模越大,参与制造、集成、工程建设和运营的企业越多。
但这些企业需要围绕更统一的平台架构协同工作。
从GPU到服务器,从服务器到机架,再从机架走向POD和AI工厂参考架构,英伟达正在扩大自己对AI基础设施技术架构的定义范围。
客户最终采购的,也越来越接近一套可以部署和运行的计算系统,而不只是一定数量的加速芯片。