英伟达震撼首测Vera Rubin，DeepSeek吞吐暴涨三十倍！

就在刚刚英伟达史上首次公布了下一代旗舰级机柜 Vera Rubin NVL72 的首次片上实测数据。太炸裂了。就在刚刚英伟达史上首次公布了下一代旗舰级机柜 Vera Rubin NVL72 的首次片上实测数据。而且这次实测直接拉来了DeepSeek-V4-Pro跑最真实的「智能体编码」任务结果令人吃惊对比当前的主力机皇GB300 NVL72Vera Rubin的每兆瓦吞吐量最高飙升了30倍、Token成本最高暴降了35倍有人惊呼「我连骗投资人的 PPT 都不敢这么写」还有网友神评「以前嫌 H200 三万美元一张贵现在回头一看H200 居然连丐版都算不上了。」让我们来仔细盘一盘。从H200到GB300真实Agent工作负载的吞吐量提升了最高30倍成本大致翻倍。从GB300到Vera Rubin吞吐量再次飙升最高30倍整机架价格大致再翻倍。按照老黄的摩尔定律合着这两年英伟达最大的技术突破不是GPU本身而是让价格贵了4倍却换来了整整900倍的速度飞跃这次英伟达向所有人宣布了一个反常识的真相LLM时代结束Agent时代降临以前的AI跑分基准全部作废与此同时专为智能体打造的Vera CPU已被马斯克的SpaceXAI连夜装机甚至准备直接打上太空.同在今天英伟达Groq 3 LPX也全面量产。Gemma 4 31B在上面跑速度简直绝了直接干到每秒3400个Token。万亿参数模型吞吐狂飙35倍。这些新纪录直接让Agent生态的商业格局从今夜开始重写为什么英伟达必须推出Vera RubinOpenRouter的最新数据给出了答案在真实世界里一个Agent AI任务消耗的Token数量是普通聊天对话的15倍比如如果让一个Agent为投资决策去研究一家公司在这个过程中智能体和子智能体会不断推理累积的Token成为下一步的输入长上下文处理就成为限制智能体AI的最关键要素。智能体交互次数越多吞吐量越大——智能体数量多了10倍工具调用多了2倍算力和算法的矛盾催生了新的需求。别拿聊天当智能体旧基准全废了这时候传统的AI基准测试如固定长度的8K/1K序列测试就彻底无效了。英伟达官方挑明性能测量必须进化不能再测单一的推理请求必须捕捉完整的Agent工作流。为此他们使用了SemiAnalysis 旗下的 AgentX 基准测试。这个测试不再是死板的问答而是回放真实的、具有上下文增长、工具调用和子智能体生成的「代码编写会话」。这就是为什么H200在新的Agent战场上显得力不从心Vera Rubin注定要称王。Vera Rubin NVL72 × DeepSeek-V4-Pro算力怪物来了为了证明Vera Rubin NVL72的实力英伟达直接使用开源王者——DeepSeek-V4-Pro (1.6T) 进行片上实测。数据一出结果惊人——在AgentX工作负载下Vera Rubin NVL72的每兆瓦吞吐量比GB300 NVL72最高提升了整整30倍请注意这里对比的不是老旧的H200而是炙手可热的主力GB300。GB300在同样的DeepSeek-V4-Pro测试中每兆瓦吞吐量已经比H200提升了15倍。然而Vera Rubin却在GB300的肩膀上又拔高了30倍在整个帕累托曲线上又提高了这意味着什么对于受制于电力供应的「AI工厂」来说这直接拓展了物理法则边界。在同样的电力预算下Vera Rubin能干30倍的智能体活儿。对于兆瓦级甚至吉瓦级的数据中心来说这相当于凭空变出了30倍的算力资产。而且NVIDIA DSX MaxLPS 技术可以在 GPU、机架和工作负载层面进行电源管理能在相同的兆瓦预算内多配置高达 40% 的 GPU让AI工厂进一步提升了每兆瓦吞吐量Token成本暴降35倍Agent行业的「账本」彻底重写每兆瓦吞吐量直接影响的就是每个生成 token 的成本。性能的飙升带来的最直接后果就是商业模式的核爆。英伟达宣布Vera Rubin NVL72 生产每百万Token的成本比 GB300 NVL72 最高降低了 35 倍当推理成本呈断崖式下跌35倍时24小时无休的数字员工将成为现实ToC端超级应用将迎来大爆发。老黄这一刀直接切开了Agent应用的时代大门。极致协同设计老黄是怎么做到的你可能会问凭什么能提速30倍靠的是单颗芯片的工艺吗显然不是。Vera Rubin NVL72惊人的性能提升靠的是「极致协同设计」。比如分离式服务分布式KV缓存KV感知路由MegaMoE等等。另外NVFP4 量化直接将模型权重压缩到 4 位精度在不牺牲输出质量的情况下大幅缩减内存占用让吞吐量原地起飞。而第六代 NVLink 与大模型MoE提供了比现成以太网快10倍、延迟低3倍的互联网络让像DeepSeek这种基于MoE架构的大模型可以在72个GPU之间行云流水地调用不同的「专家」子网络。这早已不是在卖显卡老黄卖的是一整套「AI发电厂」。英伟达Groq 3 LPX 全面量产3400 Token/秒代码Agent变天这次Hot Chips 2026 大会上英伟达还抛出一个震撼消息Groq 3 LPX 开始全面量产Groq 3 LPX是Vera Rubin NVL72 数据中心平台的专属扩展。它是专为这个系统「量身定制」主打就是一个低延迟推理加速。这项黑科技是去年12月英伟达豪掷200亿美元从初创公司 Groq 手中买来的。AI智能体会遇到解码延迟的问题为了终结这一痛点Groq 3 LPX 巧妙地将庞大的上下文处理与 Token 生成彻底分离。英伟达的解法是让Rubin GPU处理大规模上下文把极速生成Token的任务交给Groq 3 LPX。一个管「读」一个管「写」各干各最擅长的。在一个完整的机架级部署中多达 256 个 LP30 加速器可以通过超高带宽互连与 GPU 协同作战构造出企业级规模的推理引擎。由此Groq 3 LPX直接达到了破纪录的输出速度。在 Artificial Analysis 的基准测试中Groq 3 LPX 在 10 万 Token 超长上下文窗口下运行Gemma 4 31B输出速度达到惊人的3,400 Token/秒这使得它在延迟极度敏感的工作负载中响应速度比竞品快了4倍。过去几个小时才能完成的多步智能体任务现在几分钟内就能完成Groq 3 LPX在生成5000 Token所用时间从50秒将至1.5秒34倍差距。而且在编码任务中Groq 3 LPX最大输出速度6981 token/s。黄仁勋直言通过 LPX 推进超高速 Token 生成在 AI 吞吐量和响应能力上实现了「又一次巨大飞跃」。Nebius已经在Nebius Token Factory 中部署该芯片让智能体循环的每一步都能获得即时响应的极致体验。紧随其后的还有Groq自己。首款Agent专属CPU发布马斯克连夜「打上太空」这次官宣中最具野心的一步棋就是 Vera CPU了。为了Agent英伟达专门造了一颗CPU。Vera这颗CPU就是专门喂饱智能体的它配备了88个自研的Olympus核心高带宽的LPDDR5X内存带宽直接干到1.2TB/s。为什么大模型时代需要全新的CPUHot Chips现场英伟达Vera CPU高管直言「Agentic AI是史上最复杂的计算任务」。一次任务Agent背后要跑上百步调用工具、执行Python代码、翻上下文、处理海量数据....这些跑腿调度的活儿全都压在CPU身上硬扛。因此英伟达必须给Agent单独造颗CPU。正是看中了这一点马斯克的 SpaceXAI 连夜宣布正式规模化部署英伟达 Vera CPU早在今年5月英伟达就把第一批Vera样片悄悄送到了A社、OpenAI、SpaceXAI先「试水」。仅仅3个月后SpaceXAI 就迫不及待地将其转入全面部署。更疯狂的是SpaceXAI 正在基于Vera Rubin 平台建设吉瓦级算力工厂用来驱动Grok。不仅如此这套算力还要被直接送上太空。马斯克表示「两家强强联手设计了一款优化版的Vera Rubin NVL72将在2028年大规模部署」。SpaceXAI的第一代「Starmind」AI卫星就计划采用Vera Rubin NVL72 机架级系统。从一块GPU到整座Agent工厂同一天两大芯片Vera CPU和Groq 3 LPX全面量产。这对英伟达来说意义重大。大模型时代英伟达靠GPU拿下训练和推理。Agent时代它的版图已经延伸到CPU、推理加速器、NVLink等等。老黄卖的早已不只是一块GPU。他要卖的是一座可以不断生产Token的AI工厂。老黄这一次是要给整个「Agent时代」重新铺一遍地基。