我先联网检索英伟达 Rubin HPC GPU 发布及智能体工作负载相关的最新信息,再按固定模板整理成稿。
英伟达在 SC26(2026 年国际超算大会)上发布 Rubin HPC GPU,定位是为科学计算、工程仿真和数据分析场景中的智能体(Agentic AI)工作负载提供加速。这一代 GPU 在 CUDA 核心规模上实现跨越式提升,并通过加速数据移动缩短从提交任务到拿到结果的时间;配套的 HGX Rubin NVL8、HGX Vera Rubin NVL8 和 DGX Rubin NVL8 系统,面向高难度智能体 AI、数据分析和高性能计算(HPC)负载。系统层面搭载第六代 NVLink 高速互连、HBM4 显存以及面向推理工作流的多智能体引擎和专用强化学习引擎,主打大模型智能体多轮交互、批量推理和科学工程计算的综合效率。需要说明的是,当前披露的规格属于初步信息,最终参数可能随量产版本调整。
发布背景与定位
- 发布场合:2026 年 11 月 16 日,在 SC26 超算大会上正式公布 Rubin HPC。
- 产品定位:新一代 Rubin 架构 GPU,同时覆盖 AI 智能体推理、数据分析与传统 HPC 科学工程负载,而不只服务于单一训练场景。
- 目标负载:科学研究、工程设计与仿真、数据分析,以及需要多步推理、工具调用和多轮交互的智能体工作流。
- 设计思路:在提升计算核心规模的同时,重点优化显存与 GPU 间的数据搬运,减少等待数据的时间,让单位任务更快出结果。
Rubin GPU 核心规格(初步信息)
| 指标 | Rubin GPU 规格 |
|---|---|
| NVFP4 推理 | 50 PFLOPS |
| NVFP4 训练 | 35 PFLOPS |
| FP8/FP6 训练 | 17.5 PFLOPS |
| INT8 | 250 TOPS |
| FP16/BF16 | 4 PFLOPS |
| TF32 | 2 PFLOPS |
| FP32 | 130 TFLOPS |
| FP64 | 33 TFLOPS |
| FP32 SGEMM / FP64 DGEMM | 400 TFLOPS / 200 TFLOPS |
| GPU 显存与带宽 | 288 GB HBM4,22 TB/s |
| 单 GPU NVLink 带宽 | 3.6 TB/s |
配套系统平台
| 系统 | 配置要点 | 关键性能与规格 |
|---|---|---|
| HGX Vera Rubin NVL8 | 8 颗 Rubin SXM GPU,搭配单路 Vera CPU(88 个定制 NVIDIA Olympus 核心,最高 1.5TB LPDDR5X) | NVFP4 推理 400 PFLOPS;NVFP4 训练 270 PFLOPS;FP8/FP6 训练 130 PFLOPS;FP16/BF16 32 PFLOPS;TF32 16 POPS;FP32 1040 TFLOPS;FP64 265 TFLOPS;2TB HBM4、130 TB/s;NVLink 交换带宽 24 TB/s |
| HGX Rubin NVL8 | 8 颗 Rubin SXM GPU,可搭配 x86 CPU 底板 | 面向智能体 AI、数据分析和 HPC 负载;可与 Vera CPU 或 x86 方案组合部署 |
| DGX Rubin NVL8 | 8 颗 Rubin GPU,2 颗 Intel Xeon 6776P 处理器 | 2.3TB HBM、160 TB/s 显存带宽;NVFP4 推理 400 PFLOPS;NVFP4 训练 280 PFLOPS;FP8/FP6 训练 140 PFLOPS;4 套 NVLink Switch;NVLink 总带宽 28.8 TB/s;整机约 24kW;8 个 OSFP ConnectX-9 VPI 端口(最高 800Gb/s)、2 个 400G BlueField-4 DPU;支持 DGX OS、Ubuntu、RHEL、Rocky |
面向智能体工作负载的设计要点
- 多智能体推理引擎:系统内置面向推理工作流的多智能体引擎,适配智能体多轮对话、推理与工具调用交替的运行模式。
- 专用强化学习引擎:针对硬件数据移动做优化,相比基于 Blackwell 的系统,强化学习速度最高提升 3 倍。
- 第六代 NVLink 互连:GPU 间点对点通信通过第六代 NVLink 实现,支撑大模型并行和多 GPU 协同,减少跨卡通信延迟。
- HBM4 高带宽显存:系统级显存容量与带宽同步提升,缓解大模型和智能体长上下文、多轮交互下的数据供给压力。
- 软硬件协同:结合推理服务框架、TensorRT-LLM 类优化库和分布式调度能力,在整机层面优化吞吐、延迟和单位 token 成本。
性能对照与基准参考
- 对比 HGX B200:HGX Rubin NVL8 的 token 工厂吞吐最高达到 HGX B200 的 10 倍;以少 4 倍的 GPU 数量即可达到相当的训练性能。
- 智能体推理基准:Vera Rubin NVL72 在 MLPerf Endpoints v1.0 智能体推理性能测试中领先;在 SemiAnalysis AgentX DeepSeek V4-Pro 负载、每用户 160 tokens/s 条件下,每兆瓦 AI 工厂吞吐最高为 GB300 NVL72 的 30 倍。
- 上代对照:Blackwell Ultra(GB300 NVL72)在低延迟智能体负载下,相比 Hopper 平台每兆瓦吞吐最高提升 50 倍、每百万 token 成本最高降低 35 倍,Rubin 在此基础上继续向更高能效比演进。
- 基准口径提示:部分结果由英伟达基于指定负载测得,尚待第三方机构复核,实际表现会随模型、软件栈和部署配置变化。
适用场景
- 科学计算:物理、材料、气象等领域的仿真与高性能计算任务。
- 工程设计:工程仿真、结构与流体分析等需要高算力和高精度浮点能力的负载。
- 数据分析:大规模数据处理、批量推理和分析型智能体应用。
- 智能体 AI:多步推理、工具调用、多轮交互的交互式智能体服务与 AI 工厂级部署。
综合来看,Rubin HPC GPU 是英伟达把下一代 Rubin 架构同时推向 AI 智能体与传统 HPC 场景的关键产品:单卡算力、显存带宽和 NVLink 互连全面升级,整机通过多智能体引擎、RL 引擎和 HBM4 支撑高并发智能体工作流;后续看点在于量产交付节奏、软件栈成熟度,以及在科学工程计算和智能体推理两类负载上的实际能效表现。
【常见问题】
问题 1: 英伟达发布的 Rubin HPC GPU 是什么产品,主要用来加速哪些工作负载?
回答 1: Rubin HPC GPU 是英伟达在 SC26 上发布的新一代 Rubin 架构 GPU,主要面向科学计算、工程仿真、数据分析以及智能体(Agentic AI)工作负载。它在 CUDA 核心规模上实现跨越,并通过优化数据移动缩短任务出结果时间,配套 HGX Rubin NVL8、HGX Vera Rubin NVL8 和 DGX Rubin NVL8 整机系统部署。
问题 2: Rubin GPU 的主要算力和显存规格有哪些,采用什么互连?
回答 2: 单颗 Rubin GPU 标称 NVFP4 推理 50 PFLOPS、NVFP4 训练 35 PFLOPS、FP32 130 TFLOPS、FP64 33 TFLOPS;配备 288GB HBM4 显存、22 TB/s 带宽,单 GPU NVLink 带宽 3.6 TB/s。整机系统采用第六代 NVLink 互连,HGX Vera Rubin NVL8 提供 2TB HBM4、130 TB/s 显存带宽,DGX Rubin NVL8 总 NVLink 带宽 28.8 TB/s。
问题 3: Rubin 平台针对智能体工作负载做了哪些专门设计?
回答 3: 平台内置面向推理工作流的多智能体引擎,适配多轮对话、推理与工具调用交替的模式;配有专用强化学习引擎优化硬件数据移动,相比 Blackwell 系统强化学习速度最高提升 3 倍;同时依托第六代 NVLink、HBM4 高带宽显存和推理服务软件栈,支撑高并发智能体交互和 AI 工厂级部署。
问题 4: Rubin 系统相比上代产品在智能体推理上有哪些性能对照数据?
回答 4: HGX Rubin NVL8 的 token 工厂吞吐最高为 HGX B200 的 10 倍,且用少 4 倍 GPU 即可达到相当训练性能;Vera Rubin NVL72 在 MLPerf Endpoints v1.0 智能体推理测试中领先,AgentX 负载下每兆瓦吞吐最高为 GB300 NVL72 的 30 倍。相关基准多为指定负载下的厂商测试结果,实际表现以部署环境和软件栈为准。
【参考资料】
- [2026-11-16](NVIDIA Announces Rubin HPC — A New GPU to Accelerate Agents for Science, Engineering and Analytics)NVIDIA 官方博客
- [2026-11-16](NVIDIA Vera Rubin NVL72 Leads Agentic Inference Performance on MLPerf Endpoints v1.0)NVIDIA Technical Blog
- [2026-11-16](NVIDIA HGX Platform:HGX Vera Rubin NVL8 / HGX Rubin NVL8 规格)NVIDIA 官网
- [2026-11-16](NVIDIA DGX Rubin NVL8:Infrastructure for Agentic AI at Scale)NVIDIA 官网
- [2026-08-24](NVIDIA Vera Rubin and Blackwell Set a New Standard for Agentic AI Performance per Watt)NVIDIA Technical Blog
- [2026-04-14](SemiAnalysis InferenceX:Blackwell Ultra 智能体 AI 性能与成本数据)NVIDIA 官方博客
免责声明: 本文基于英伟达官方发布、产品规格页及技术博客整理,文中算力、显存、带宽和基准数据均为厂商初步披露口径,规格可能随量产版本调整,部分基准结果尚待第三方复核;内容仅作产品与技术信息参考,不构成任何采购建议、证券投资建议或收益承诺,实际部署表现请以官方最终文档和实测结果为准。
