NVIDIA 在 Hot Chips 2026 披露 Rubin/Vera 架构，CUDA 首次公开跑上 RISC-V

Hot Chips 2026 于 8 月 23 日至 25 日在斯坦福大学举行（会期与地点见）。据格隆汇 8 月 24 日 18:09（北京时间）发布的会议综述（），NVIDIA 在这届会议上披露了 Rubin GPU 与 Vera CPU 架构，并宣布完成 CUDA 在 RISC-V 硬件上的首次公开演示；NVIDIA 还称其实验室已拥有至少三款 RVA23（RISC-V）处理器。

同一份综述给出 Rubin 平台的功耗数字：整机柜功耗已提升至 190 至 230kW，强制 100% 液冷。这些数字均为 NVIDIA 在会议上的披露与路线图宣称，而非独立实测数据。格隆汇称，这场大会是全球高性能芯片领域最具分量的技术研讨会，如今已成为"芯片界的述职大会"，被华尔街视为下半年半导体景气度的一次路演。

CUDA 首次公开跑上 RISC-V 硬件

按综述的说法，NVIDIA 披露其实验室已拥有至少三款 RVA23 处理器，并完成了 CUDA 在 RISC-V 硬件上的首次公开演示。RVA23 是 RISC-V 面向应用处理器的 profile 规范，2024 年 10 月才定稿；会前导览主持人、TechTechPotato 的 Ian Cutress 调侃说它"应该改名叫 RVA25"，因为真正的 RISC-V 芯片要到 2026 年才会出现。

格隆汇在综述中这样解读："CUDA向来是英伟达最深的护城河，如今主动向RISC-V生态伸出橄榄枝，这背后的战略意图值得玩味。"导览分析给出的背景是：NVIDIA 与 ARM 的十年架构授权来自 2022 年 2 月失败的那桩收购案，授权临近到期；NVIDIA 此前已宣布要把 CUDA 移植到 RISC-V，而 RISC-V 生态目前缺少能与 ARM 搭配的成熟 GPU IP，NVIDIA 的入场等于给自家 GPU 生态开第二条路。

NVIDIA 的显示，公司在本届会议安排了一场 RISC-V 专场教程 "RISC-V Profile and Platform for Interoperability With NVIDIA GPUs"，时间为 8 月 23 日下午 3:45，主讲人是 NVIDIA 的 Frans Sijstermans。

Vera CPU 与 Rubin GPU 披露了什么

按 NVIDIA 官方议程，Vera CPU 演讲（主讲人 Jonathon Evans 与 Polychronis Xekalakis）安排在 8 月 24 日上午 10:30；Rubin GPU 演讲 "NVIDIA Rubin GPU: Driving the Era of Agentic AI"（主讲人 Manas Mandal、Rajballav Dash、Ravi Manyam）安排在当日下午 4:45。会前导览分析指出，Vera 是 NVIDIA 首款自研服务器 CPU 核心（代号 Olympus），此前在 GTC 上披露的细节极少，Rubin 的架构细节也预期在这次会议上首次浮出水面。

Rubin 与 Vera 的名字并不新。已在 CES 上发布 Rubin 平台：Vera CPU 采用 88 个 NVIDIA 自研 Olympus 核心，兼容 Armv9.2；Rubin GPU 搭载第三代 Transformer Engine，推理算力 50 petaflops（NVFP4）。整机方案 Vera Rubin NVL72 在一个机柜里连入 72 颗 Rubin GPU 与 36 颗 Vera CPU，NVLink 6 在机柜内提供 260TB/s 互联带宽，官方称推理 token 成本较 Blackwell 平台最多降低 10 倍。黄仁勋在发布时称，Rubin 来得正是时候，训练和推理的 AI 算力需求都在飙升。

整机柜 190–230kW，液冷成了强制项

格隆汇综述称，Rubin 平台整机柜功耗已提升至 190 至 230kW，强制 100% 液冷，并判断一整套配套产业链（PCB、高压电源、液冷）都将迎来单机价值量的跨越式增长。

NVIDIA 自己的口径与之相符。公司今年 6 月的称，Rubin 一代是"全球首个实现 100% 液冷"的 AI 基础设施，每一颗芯片、每一个网络组件都由封闭回路中的液体冷却，系统里没有任何风扇；冷却液最高 45°C，成分为 75% 水加 25% 丙二醇。博客引用 Schneider Electric 旗下 Motivair 总裁兼 CEO Richard Whitmore 的话："一旦单芯片功耗跨过某个水平，液冷就变成了强制项。"博客还称，正因为 Rubin 平台全面液冷，所有为它建设基础设施的云厂商和数据中心运营商都在做这个切换。

存储成了瓶颈：HBM 现货价涨约 7 倍

本届大会的另一条主线是存储。存储分析师 Jim Handy 在会上算了一笔供需账：HBM 每片晶圆产出的容量只有标准 DDR 的三分之一，而 DRAM 行业过去十几年几乎没有大规模新建晶圆厂，新产能即便按最激进的节奏推进也需要约两年；需求端几乎所有主流 AI 加速器都离不开 HBM。结果是 HBM 现货价格已较此前水平上涨约 7 倍，三星、SK 海力士、美光及主要 NAND 供应商全部录得异常强劲的营收增长。Handy 还驳斥了"算法效率提升会压低硬件需求"的论调：当一项新技术把内存需求降低 6 倍，超大规模云厂商的典型反应不是削减预算，而是用同样的钱去处理 6 倍的 Token。

三大存储厂商给出了三条路径。三星的三阶段路线（标准 HBM、定制化 cHBM、zHBM）宣称相较标准 HBM4E 降低 70% 功耗、提升 230% 带宽，每个 DRAM 模组省下 100W，还给 GPU 多腾出 8.3% 的功率空间。SK 海力士副总裁 Lee Jae-sik 表示，AI 时代 HBM 的竞争已经不光是内存本身，封装技术同样关键；公司在 16 层 MR-MUF 工艺基础上猛攻混合键合，目标 20 层以上堆叠，称芯片厚度可增加 24%、凸点间距缩至 18 微米以下、热阻降低 35%，并在 2.5D HBM 方案中引入了英特尔的 EMIB 技术。

美光 HBM 设计架构师 Raghu Sreeramaneni 的判断是，"内存墙仍然存在，说不定情况反而变得更糟了"：计算能力约每两年增长三倍，HBM 带宽增速却不到每两年两倍。他援引 Meta 公布的 Llama 3 训练数据称，约 17% 的非预期训练中断由 HBM 故障引起；在典型的配备四个 12 层 HBM 堆栈的 GPU 封装中，内存硅片总量大约是 GPU 硅片的 8 倍，系统级封装里约 90% 的硅片面积与内存相关。

资本开支已经在向存储倾斜：美光把 2026 财年资本开支从 180 亿美元上调至 270 亿美元，增量全部投向 HBM 与先进 DRAM；台积电 600 至 640 亿美元资本开支中的 10% 到 20% 分配给了 CoWoS 先进封装。美光营收同比暴增 345.8%，但存储三巨头的扩产受制于设备供给瓶颈，主流前道设备交付周期已拉长到 12 至 24 个月。综述判断，HBM 从晶圆制造到封测的供需缺口按目前的扩产节奏还会持续相当长一段时间。

同场竞技：MI400、Crescent Island 与四大云厂

NVIDIA 的演讲穿插在一众竞争对手之间。按同一份综述，AMD 将在 8 月 24 日专门介绍 Instinct MI400 系列 GPU 的架构；英特尔一天之内安排三场演讲，覆盖 Core Series 3 Wildcat Lake 平台、Diamond Rapids 服务器处理器，以及专为 Agentic AI 推理设计的 Crescent Island GPU；谷歌 TPU v8、微软 MAIA 200、Meta MTIA，甚至 OpenAI 的芯片项目也集中亮相。

格隆汇写道："四大云厂商同场秀自研芯片……AI芯片的战场，早已不是GPU厂商的独角戏了。"会前导览分析认为，对投资者而言，这场会议是观察各家芯片厂下半年到 2027 年产品路线图的最早窗口。而综述在开头就提出的问题是："那些被反复强调的数据，究竟能在多大程度上转化为财报上的增长？"