英偉達在拉斯維加斯舉辦的國際消費電子展（CES 2026）上，意外發布全新 Vera Rubin 架構。這款計劃于年內正式推向市場的新平臺，官方宣稱相較英偉達前代 Blackwell 架構，其推理成本可降低 90%，訓練特定模型所需的 GPU 數量可減少 75%。

通常而言，硬件性能的提升往往聚焦于 GPU 本身。誠然，新款 Rubin GPU 在面向大語言模型等基于變換器（Transformer）的推理負載時，4 比特精度運算性能可達 50 千萬億次浮點運算每秒（petaFLOPS），遠超 Blackwell 架構的 10 petaFLOPS。

但如果僅將目光放在 GPU 上，便會忽略該架構的核心突破點。基于 Vera Rubin 架構的計算設備，共集成 6 款全新芯片：Vera 中央處理器（CPU）、Rubin 圖形處理器（GPU），以及 4 款功能各異的網絡芯片。英偉達網絡事業部高級副總裁 Gilad Shainer 表示，該架構的性能優勢，必須依托所有組件的協同運作才能實現。

“同款硬件，不同的連接方式，所能釋放的性能天差地別。這正是我們將其稱為深度協同設計的原因。”

功能升級的 “網絡內計算” 技術

人工智能的訓練與推理負載，均需依托大規模 GPU 集群的并行運算。“兩年前，推理任務大多還在單塊 GPU、單臺設備、單個服務器上運行，”Shainer 指出，“而如今，推理任務正朝著分布式方向演進，且其分布式部署范圍已不再局限于單個機柜，而是拓展至跨機柜的規模。”

為了支撐這類大規模分布式任務，需要讓盡可能多的 GPU 像單一計算單元一樣高效協作，這正是縱向擴展網絡（scale-up network）的設計目標 —— 該網絡負責實現單個機柜內的 GPU 互聯。英偉達采用自研 NVLink 網絡芯片來搭建這一互聯架構，新推出的 NVLink6 交換機，帶寬相較上一代 NVLink5 交換機提升一倍：GPU 間互聯帶寬達到 3600GB/s，遠超 NVLink5 的 1800GB/s。

除帶寬翻倍外，縱向擴展系列芯片的串并轉換器（SerDes）數量也實現翻倍 —— 這類器件能夠減少數據傳輸所需的物理線路數量；同時，芯片支持在網絡層完成的運算任務范圍也得到大幅拓展。

“縱向擴展網絡的本質，并非單純的網絡架構，而是一套計算基礎設施。部分運算任務可直接在網絡層面完成…… 具體來說，就是在交換機上執行。”Shainer 補充道。

將部分運算任務從 GPU 轉移至網絡層執行，主要基于兩方面的考量。

第一，此舉可實現部分任務的 “單次執行、全局復用”，避免所有 GPU 重復執行相同操作。一個典型案例是人工智能訓練過程中的全歸約（all-reduce）操作：訓練時，每個 GPU 都會基于自身處理的數據批次計算梯度值；為確保模型訓練的準確性，所有 GPU 都需要獲取所有批次梯度值的平均值。如果讓每個 GPU 都向其他所有 GPU 發送自身計算的梯度值，再各自計算平均值，會產生巨大的算力與時間消耗；而將這一求平均操作交由網絡層統一執行，能夠顯著節省計算時間與功耗。

第二，通過在數據傳輸過程中同步完成運算任務，可有效隱藏 GPU 間的數據傳輸延遲。Shainer 用一個生動的比喻解釋這一原理：“假設一家披薩店想要縮短訂單配送時間，僅靠增加烤箱或員工數量是行不通的 —— 這些舉措只能提高披薩的總產量，卻無法縮短單個訂單的配送耗時。但如果換一種思路，把烤箱裝到配送車上，讓披薩在配送途中完成烘烤，就能真正節省時間。我們所做的，正是類似的事情。”

實際上，“網絡內計算” 并非英偉達在該架構中首次應用的技術，這項技術早在 2016 年左右就已投入實用。但 Shainer 表示，此次架構升級拓展了網絡層支持的運算類型，能夠適配更多樣化的負載場景與數值精度格式。

橫向擴展與跨域擴展網絡架構

Vera Rubin 架構所包含的其余網絡芯片，則共同構成了橫向擴展網絡（scale-out network），負責實現數據中心內部不同機柜之間的互聯。

這類芯片包含三款核心產品：

• ConnectX-9 網絡接口卡：承擔數據中心內機柜間的數據傳輸接口功能；

• BlueField-4 數據處理單元（DPU）：每顆 BlueField-4 會與兩顆 Vera CPU 及一塊 ConnectX-9 網卡搭配使用，專門負責卸載網絡、存儲及安全相關任務，釋放 GPU 算力；

• Spectrum-6 以太網交換機：采用共封裝光學器件（co-packaged optics）技術實現機柜間數據傳輸，其帶寬相較前代產品翻倍，同時最大限度降低了數據分組傳輸時延抖動（jitter）—— 即數據分組到達時間的波動幅度。

“橫向擴展基礎設施的核心要求，是確保分布在不同機柜的 GPU 能夠高效通信，從而支撐分布式計算負載。這就需要構建一個無抖動的網絡環境。”Shainer 強調。時延抖動會引發一個嚴重問題：當不同機柜負責處理同一計算任務的不同部分時，各部分計算結果的返回時間會存在差異，必然有一個機柜的計算速度慢于其他機柜，而其他機柜中價值高昂的計算設備，只能處于閑置狀態等待最慢的結果返回。“時延抖動，就意味著真金白銀的損失。”

目前，英偉達推出的這一系列新芯片，均未專門針對跨域擴展（scale-across）場景 —— 即數據中心之間的互聯進行設計。但 Shainer 表示，這將是該技術的下一個發展方向。“技術的發展不會止步于此，因為我們看到，部分負載對數據中心內 GPU 數量的需求正在持續攀升。” 他指出，“對于一些超大規模負載而言，10 萬塊 GPU 已經無法滿足需求，因此，我們需要將多個數據中心連接起來，構建跨數據中心的算力集群。”