一分钟装完、零线缆零风扇：NVIDIA Vera Rubin 计算托盘把 AI 基建变成了即插即用

2026 年 8 月 6 日，NVIDIA 在官方 X 账号抛出一段五行字的推文：Vera Rubin NVL72 计算托盘，「一分钟完成组装，100% 自动化，没有一根线缆、没有一根软管、没有一台风扇」。这种设计带来的直接后果是更快的产能爬坡和更快的收入转化。

推文发布后获得超过 78,000 次浏览、1,100 个赞。这不是又一张规格表。它摆出了一条 NVIDIA 过去不愿明说的竞争逻辑：在 AI 芯片不再严重短缺的 2026 年，谁能把硬件更快地装进数据中心，谁就能更快地把订单变成现金流。

「可制造性正在成为比 FLOPs 更硬的护城河」

名为 Ricci Research 的 X 用户在推文下回复道：「干掉缆线和软管才是真正的故事——它们才是此前限制机架装配速度的手工环节。可制造性正在悄悄变成比 FLOPs 更硬的护城河。」这条评论点破了 NVIDIA 此番展示的核心意图。

Ben Pouladian，AI 基础设施领域拥有 22,000 粉丝的评论者，在回复中只写了四个字：「Now do Helios 🤣🤡」。Helios 是 AMD 对标 Vera Rubin 的下一代 AI 平台代号。这条调侃式的叫板暗示了一种行业情绪：NVIDIA 在制造工艺上的激进程度，已经让竞争对手的路线图显得迟缓。

另一位用户 Finlo 补充了关键数字对比：「这让组装快了太多——Blackwell 时代需要 100 分钟，Vera Rubin 降到 6 分钟。」虽然 NVIDIA 此次推文直接将数字压到 1 分钟，但从 100 分钟到个位数分钟的跨越，幅度本身已有说服力。

不过也有工程师表达了审慎。用户 vsaietta 指出：「更少的缆线和软管也意味着更少的可现场更换零件。盲插托盘里某个东西坏了，你可能得把整个单元拔出来，而不是换一根软管。」这种设计用组装速度换掉了维修粒度，在超大规模部署中到底划不划算，还需实际运行数据来回答。

七个月前 CES 首秀，如今冲进量产

Vera Rubin 平台并非突然出现。2026 年 1 月 CES 上，NVIDIA 首次公开 Vera Rubin NVL72 机架系统，称其为第三代机架级架构，六颗芯片协同设计。3 月 GTC 大会上，NVIDIA 七颗新芯片全部进入量产，Vera Rubin 平台扩展到五款机架，覆盖从训练到推理的全流程。

此后几个月里，围绕 Vera Rubin 的生态在加速聚拢。8 月 4 日，SpaceX CEO Elon Musk 在财报电话会上明确表态，SpaceX 将「独家采用 NVIDIA，因为这就是最好的 AI 计算机」，并计划明年将 Vera Rubin NVL72 系统发射到 Starmind 轨道 AI 卫星上。在 8 月 5 日对此进行了报道。

7 月 21 日，Tom's Hardware 了 NVIDIA 的工程超级实验室，看到 Vera Rubin NVL72 已经在跑 OpenAI 的生产工作负载，800V 直流供电方案也已公开展示。

正是在这种量产节奏下，8 月 6 日的推文不只是炫技。它是一个信号：制造环节的瓶颈已被打通，现在是全速出货时间。

盲插连接器吃掉 100 分钟手工活，托盘只剩两根外接水管

此前基于 Blackwell 的 GB300 NVL72 系统，组装一个计算托盘大约需要 100 分钟，。每个线缆接口都是一个潜在的故障点，在数十万颗 GPU 的部署规模下，这些故障点会被急剧放大。线缆走线还会挤占冷却风道、消耗机架空间，风扇则增加机械复杂度和噪音。

Vera Rubin NVL72 计算托盘的设计方向彻底不同。托盘内部不再有任何线缆、软管或风扇，全部互联通过 PCB 和连接器完成。托盘插入机架时通过盲插连接器自动对接——不需要人手去够机架背面、不需要捋线、不需要确认接口方向。唯一留在托盘外部的，是两根通往液冷模块的进出水管。

这种设计不仅让组装压缩到 1 分钟，也把维修服务时间降低了 18 倍。第二代 RAS（可靠性、可用性、可维护性）引擎跨 GPU、CPU 和 NVLink 全域运行，提供实时健康检查、容错和主动维护；NVLink 交换托盘支持零停机维护，可以在部分交换托盘被移除的情况下保持机架运转。

每个计算托盘集成两颗 Vera Rubin 超级芯片（即 4 颗 Rubin GPU 加 2 颗 Vera CPU）、一颗 BlueField-4 DPU、两颗 ConnectX-9 SuperNIC，通过 NVLink 6 Spine 互联。整台 NVL72 机架塞进 18 个这样的托盘，合计 72 颗 Rubin GPU 和 36 颗 Vera CPU，单托盘提供约 200 AI petaFLOPs 算力，整机架 FP4 推理性能达到 3.6 ExaFLOPS。

Rubin GPU 是首款搭载 HBM4 的芯片，内存带宽高达 22 TB/s，NVFP4 精度下推理算力 50 PFLOPS（5 倍于 Blackwell），训练算力 35 PFLOPS（3.5 倍于 Blackwell）。NVLink 6 将每 GPU 互联带宽翻倍到 3.6 TB/s，整机架 scale-up 带宽 260 TB/s——超过全球互联网横截面带宽的两倍。

SpaceX 已下单，AMD 还在出 PPT

过去两年多，AI 基础设施竞争的核心叙事是「谁有更多 GPU」。从 2026 年初开始，叙事在转移。各家芯片厂商和云厂商都在推出替代方案，但 NVIDIA 的回应方式不是喊话，而是展示制造工艺。Vera Rubin 的无缆线设计、一分钟组装和全自动化生产，瞄准的是一个更实际的痛点：当客户下单几万颗 GPU 时，把硬件装进数据中心所需的时间，比芯片本身的性能差距更能决定收入何时到账。

SpaceX 的选择是这轮叙事转移的最佳注脚。Musk 在财报会上没有纠缠算力指标，而是说「因为这就是最好的 AI 计算机」。落地方式同样不讲抽象：Vera Rubin NVL72 系统将被整个塞进卫星、送上轨道——对硬件的可靠性、散热和振动耐受提出了地面数据中心无法想象的要求，而「无缆线、无风扇」恰好命中这些需求。

NVIDIA 在 3 月 GTC 列出的 Vera Rubin 第一批客户名单已经足够说明问题：AWS、Google Cloud、Microsoft Azure、Oracle Cloud 四大云厂商，CoreWeave、Lambda 等 GPU 云服务商，以及 Anthropic、Meta、Mistral AI、OpenAI 四家头部 AI 实验室。NVIDIA 显示 Vera Rubin NVL72 每兆瓦 tokens 输出量达到 Blackwell 的 10 倍；6 月，CoreWeave 作为首批 GPU 云服务商针对 Vera Rubin NVL72 的部署优化方案。

当瓶颈从芯片转移到工厂车间

NVIDIA 用一分钟组装演示把竞争拖进了一个新战场。GPU 架构大战打了十年，但 2026 年最决定性的差异可能不在光刻精度上，而在制造和部署环节。谁能让 AI 工厂从下单到运转的时间从季度压缩到周，谁就能在同一个财政年度里多完成一轮收入循环。

Vera Rubin 的计算托盘用盲插连接器、纯液冷和无缆线内构回答了一个此前被忽略的问题：AI 芯片的性能再高，如果装不进机架、或者装得太慢，对客户的财报没有意义。现在，这个问题有了一个看得见的答案。