AREX Feed Article
NVIDIA 公布 Vera Rubin 首次上硅实测：每兆瓦吞吐最高提升 30 倍、token 成本最高降 35 倍
NVIDIA 官方 X 账号 8 月 24 日公布 Vera Rubin NVL72 首次片上（on-silicon）实测性能：在 SemiAnalysis 的 AgentX 工作负载上以 DeepSeek V4 Pro 模型测量，每兆瓦吞吐量最高较 GB300 NVL72 提升 30 倍，每百万 token 成本最高降低 35 倍。官方同步发布的给出同样口径的详细数据与两张实测图表，图表脚注均标明"非官方结果，待 SemiAnalysis 审核（Unofficial Results. Pending SemiAnalysis Review）"。
强调这是"首次在真实硅片上测得的 Vera Rubin 性能，测量方式与 agent 实际运行一致"：agentic 会话与聊天或摘要工作负载不同，上下文在数百个步骤中持续累积，最高可达数十万 token。这些数字全部来自 NVIDIA 自测自报，尚未经 SemiAnalysis 独立审核。
30 倍与 35 倍：两张图里的两个数字
配套博客《》发布于 UTC 时间 8 月 24 日 15:00，官方账号约两分钟后发推。第一张图展示每兆瓦吞吐量（TPS/MW）随交互度（TPS/User）的变化：金色曲线（Vera Rubin NVL72）全程位于白色曲线（GB300 NVL72）上方，图上标注 2x、10x、30x 三档增益，GB300 的曲线在交互度升高后明显下坠，两条曲线在高交互度端拉开到 30 倍。
第二张图对比每百万 token 成本（$/M Tokens）：相同交互度下，Vera Rubin 的成本曲线整体更低，图上标注"35x Lower"。博客点明这套指标对 AI 工厂意味着什么：电力受限时，每兆瓦吞吐量决定工厂收入，每百万 token 成本决定这份收入上的利润率。
为什么用 AgentX：测的是 agent 真实怎么跑
这次对比没有用聊天或摘要基准。 是 SemiAnalysis 旗下 InferenceX 项目的开源 agentic 编码基准，回放真实编码 agent 会话的轨迹，保留上下文增长、工具调用和子 agent 派生。博客称其由"录制的真实世界 agentic 编码会话"构成。
AgentX v1.0 数据集来自 393 条用户主动贡献的 Claude Code 会话：单请求输入 token 中位数约 142k，44% 的会话包含子 agent，完整版回放集包含最长 1M token 的上下文。博客指出，聊天或摘要的输入输出序列通常只有 1K 到 8K token，两者形态完全不同。
用量差异更大：博客援引 OpenRouter 数据称，agentic 工作负载的 token 消耗是简单聊天请求的 15 倍。每次推理请求的上下文都在变长，长上下文处理因此成为 agentic 推理的核心，这也解释了为什么 NVIDIA 把"agent 真实怎么跑"当作这次测量的前提。
30 倍从哪里来：极端协同设计，以及尚未计入的部分
博客把增益归因于"极端协同设计"（extreme codesign）：解耦式 serving 让 prefill 和 decode 各自独立扩展，rate matching 同步两者的产 token 速度，大规模 expert parallelism 把 MoE 模型的专家子网络分布到整个 scale-up 域，分布式 KV-cache 与 KV-aware routing 让长会话的已处理上下文不必重复计算，MegaMoE 等融合 CUDA kernel 把计算与通信合并为一次执行。
硬件侧是第五代 Tensor Core 与第三代 Transformer Engine，NVFP4 量化把权重压到 4-bit；NVL72 的 72-GPU scale-up 域配合第六代 NVLink，包速率是普通以太网的 10 倍、延迟为其三分之一。博客还称 NVIDIA DSX MaxLPS 电源管理可在同一兆瓦预算内多部署最多 40% 的 GPU。
博客同时给出两条边界。其一，这些是早期结果，"目前待 SemiAnalysis 审核"，图表脚注亦写明非官方结果；其二，数字尚未计入 Vera CPU 在工具调用（tool calling）上的表现——而工具调用正是 agentic 编码轨迹的主要环节。NVIDIA 称随着软件持续优化，Vera Rubin 和 GB300 两代平台的成绩都会继续提升。
对比链条在博客中也有交代：GB300 NVL72 在 DeepSeek V4 Pro 上较 Hopper 架构每兆瓦吞吐最高提升 15 倍，Vera Rubin 在这条曲线上再往前推了 30 倍。
从 CES 官宣到量产实测：八个月的曲线
Vera Rubin 平台于今年 1 月 5 日在 CES 2026 上由 NVIDIA CEO 黄仁勋正式发布。据 ，黄仁勋在主题演讲中称"Vera Rubin 已全面投产"，并公布 Rubin GPU 50 PFLOPS NVFP4 推理性能（Blackwell 的 5 倍）、22 TB/s HBM4 带宽等规格。
7 月 21 日，NVIDIA 宣布 Vera Rubin 进入量产爬坡，机架已在 CoreWeave、Google Cloud、Microsoft Azure、OCI 和 Nebius 运行。称 CoreWeave 在 DeepSeek-R1 上测得每兆瓦 token 吞吐较 Grace Blackwell NVL72 提升 10 倍；Vera Rubin NVL72 较 GB200 NVL72 每兆瓦 token 数最高提升 10 倍、每百万 token 成本降至十分之一。
两天后，：工程样品上 DeepSeek R1 较 GB200 NVL72 每兆瓦性能为 5.4 倍、每美元性能为 5 倍；文中写明"早期指标来自 CoreWeave，我们尚未独立验证"，并称 NVIDIA 已承诺在 2026 年 Q3 前向 InferenceX 提交可验证数字。8 月 24 日的这次公布，是 NVIDIA 第一次给出自己测得的上硅结果，对比对象也换成了 GB300 NVL72。
自报数字待审：社区的两类读法
数字发布后，社区反应分成两类。伦敦 在引用推文中表示："考虑到 FLOP/W 和内存带宽/W 大约提升 1.7 倍，我原本预期峰值 TPS/MW 会更高。"另一类看法盯住脚注：用户 评论称"图表底部有'待审核'星号，所以这是预告片，不是正片"；用户 则指出 GB300 曲线在 150 TPS/User 之后断崖式下坠，"关于旧芯片的信息和关于新芯片的一样多"。
未落地的验证还在后面：SemiAnalysis 尚未审核这批结果，NVIDIA 承诺的 InferenceX 可验证提交尚未到期，Vera CPU 对工具调用的贡献也未计入。在第三方复核完成之前，30 倍与 35 倍仍是 NVIDIA 自报的上限数字。