Vera Rubin横空出世！英伟达甩出30倍吞吐，Agent时代彻底爆发

AI行业的节奏，最近已经快到让人跟不上。就在HotChips2026大会上，英伟达直接放出一套刷新行业认知的实测数据，下一代旗舰机柜VeraRubinNVL72正式揭开面纱，并且直接拿DeepSeek‑V4‑Pro做真实智能体编码任务实测，爆出了一组近乎夸张的数字。

每兆瓦吞吐量最高暴涨30倍，Token生成成本直接下降35倍。网上不少从业者调侃，就算写PPT画饼，都不敢报出这样的参数。曾经身价不菲的H200，回头看都只能算作入门版本。

这一次，英伟达传递出来的信号十分明确：传统大模型聊天时代已经翻篇，Agent智能体时代正式到来，过去大家习惯的AI跑分标准，已经不再适用。不止GPU，CPU、专用推理加速器一并量产，甚至这套算力方案已经被SpaceX看中，计划部署送上太空，AI算力的战场，已经不再局限在地面的数据中心里。

一、旧基准失效：智能体和普通聊天根本不是一回事

很多人会疑惑，为什么现有GB300已经足够强，英伟达还要急着推出VeraRubin。OpenRouter统计的真实业务数据，把背后的痛点讲得很直白：跑一次Agent智能体任务，消耗的Token总量，是普通对话聊天的15倍之多。

举个很现实的例子，让AI智能体完整完成一份公司投资调研，它不是简单回答一两句话。它会反复调用工具、读取文档、多次推理、生成子任务，一轮又一轮把输出结果继续当成输入，上下文会越堆越长。智能体交互次数越多，工具调用越频繁，整体算力压力就会成倍放大。

过去行业测试大模型，习惯用8K、128K固定长度的文本做跑分。这种测试只适合简单问答，完全复刻不了智能体持续循环工作的真实场景。英伟达直接放弃了传统的测试方式，选用SemiAnalysis推出的AgentX基准，测试素材就是真实的代码编写会话，完整还原工具调用、子智能体生成、上下文持续膨胀的完整流程。

也正是这套新测试，暴露了老平台的短板。H200面对持续运转的Agent任务，很快就会遇到内存、吞吐、功耗的瓶颈。单纯聊天看不出差距，一旦跑真实业务，新旧设备的鸿沟就彻底拉开。

二、VeraRubin实测：同样电力，干30倍的智能体活

这次测试没有拿老旧的旧显卡凑数，直接拿当下主力机皇GB300NVL72作为对照组，运行1.6万亿参数的DeepSeek‑V4‑Pro模型，在AgentX智能体工作负载下，VeraRubinNVL72交出答卷：每兆瓦吞吐量相比GB300最高提升30倍。

回顾这两代的迭代路径，从H200升级到GB300，Agent场景吞吐量最高提升30倍，整机柜价格大致翻倍；再从GB300升级到VeraRubin，吞吐量再度冲高30倍，机柜成本再次翻倍。两年时间，硬件价格涨4倍，但是实际业务吞吐量直接跃升900倍。

对于数据中心来说，电力永远是硬天花板，很多AI工厂不是缺机器，而是没有足够的供电。VeraRubin最大的价值，就是在同样兆瓦级电力预算里面，释放出数十倍的有效算力。配合英伟达DSXMaxLPS电源管理技术，在相同供电条件下，还可以再多部署40%的GPU资源，把电力的价值压榨到极致。

吞吐量暴涨带来最直接的改变，就是Token成本断崖式下跌。官方给出的数据，VeraRubin生成每百万Token的成本，相比GB300最高直接降低35倍。成本降到这个级别，7×24小时不间断工作的数字员工，大规模面向普通用户的Agent应用，才有真正落地的商业基础。

很多人会误以为，这波飞跃来自芯片工艺的单点突破。事实恰恰相反，VeraRubin靠的是整套系统协同设计。分布式KV缓存、KV感知路由、MegaMoE架构，再加上NVFP4四位量化技术，在不明显损失效果的前提下压低内存占用。第六代NVLink互联，速度远超普通以太网，延迟大幅降低，让72颗GPU之间，MoE模型的各个专家模块可以流畅调度。英伟达卖的早已不是单张显卡，而是一整套完整的AI发电厂。

三、Groq3LPX量产，解决智能体最头疼的延迟难题

同一天，英伟达官宣Groq3LPX全面量产，这是去年花费200亿美元收购Groq之后，交出的商业化落地成果。

智能体工作会出现一个很现实的痛点：读取海量上下文和高速输出Token，对硬件的需求完全不一样。如果全部交给GPU处理，很容易出现读取任务占满资源，生成输出卡顿拖慢整体节奏。Groq3LPX的思路就是分工协作，VeraRubinGPU负责处理海量长上下文读取，Groq3LPX专门负责高速生成Token，一个负责读，一个负责写，各司其职。

整套机架最多可以塞进256个LP30加速器，和GPU高速互联。实测跑Gemma431B，10万Token超长上下文场景，输出速度冲到3400Token每秒。处理5000个Token，耗时从50秒压缩到1.5秒，速度提升34倍。在编码任务场景，峰值输出速度甚至达到6981token/s。

过去要耗费数小时的多步骤智能体任务，现在几分钟就可以跑完。云厂商Nebius已经把这套硬件部署到自家TokenFactory，给智能体循环任务提供低延迟的算力底座。

四、VeraCPU登场，马斯克直接把算力瞄准太空

整套平台里面，最容易被忽略，却意义重大的，是全新的VeraCPU。

Agent任务不只有大模型推理，大量琐碎工作都压在CPU身上：调用工具、运行代码、调度子任务、来回搬运上下文数据。上百步连续流转，传统通用CPU扛不住这种高强度调度，这也是英伟达专门打造VeraCPU的原因。它搭载88颗自研Olympus核心，内存带宽冲到1.2TB/s，专门为智能体的调度工作而生。

样品很早就给到OpenAI、Anthropic、SpaceXAI做内部测试。SpaceXAI动作最快，直接大规模部署这套芯片，同时搭建吉瓦级别的VeraRubin算力工厂，用来支撑Grok模型。更疯狂的计划还在后面，优化定制版本的VeraRubinNVL72，会被搬到太空，作为StarmindAI卫星的算力核心，计划2028年实现大规模部署，把AI算力直接送上轨道。

五、英伟达在重新搭建Agent时代的地基

回望过去，大模型时代，英伟达靠GPU拿下训练和推理市场。来到Agent时代，它的版图已经铺开到GPU、专用CPU、推理加速器、高速互联整套全栈硬件。

单纯比拼单卡性能的时代正在过去。未来比拼的，是一整套机架系统综合能力，看整套机器跑真实智能体业务的时候，功耗、速度、成本综合表现。

VeraRubin的登场，不只是一次硬件更新。它代表整个行业的重心，正式从“把模型训得更大”，转向“让智能体能稳定、便宜、高速地持续干活”。接下来，一大批Agent应用、数字员工，会在这套新的算力底座之上，真正迎来爆发。