NVIDIA Vera Rubin 实测首秀：DeepSeek-R1 推理能效暴涨 10 倍，同功耗吞吐碾压 Blackwell

CoreWeave 在 7 月 21 日发布了 NVIDIA Vera Rubin NVL72 的首个实测硅片性能数据。DeepSeek-R1 推理任务上，Vera Rubin 每兆瓦 tokens 吞吐量达到 Blackwell 的 10 倍——具体数字是 800,000 tokens/s 对 80,000 tokens/s，二者在相同的 150MW 功耗和匹配的交互延迟下测出。NVIDIA 官方推特同步发布了这一消息，24 小时内获得超过 2200 次点赞和 79 次引用转发。

这不是一次常规的纸面发布。这是 Vera Rubin 的第一组"活硅片"（live silicon）数据——从 CoreWeave 数据中心里真正跑着 DeepSeek-R1 的机柜上采集的，而非模拟器推演。从 NVIDIA 创始人兼 CEO Jensen Huang 在 GTC 2026 首次展示 Rubin 架构至今，市场一直在等待这个信号：下一代 AI 芯片能否兑现能效承诺？现在，第一个答案到了。

10 倍不是 GPU 的功劳，是全栈的胜利

CoreWeave 这组数据有四个值得拆解的要点。

第一，比较条件是严格对齐的。双方——GB200 NVL72（Blackwell，2025 基线）和 VR200 NVL72（Vera Rubin，2026 年 7 月实测）——在相同的 DeepSeek-R1 工作负载、相同的用户交互延迟目标（约 145 TPS/User）、相同的 150MW 机房功耗下进行对比。CoreWeave 明确表示两台系统都开启了 NVFP4 精度、多 token 预测（multi-token prediction）、专家并行（expert parallelism）和分离式预填充-解码（disaggregated prefill and decode）等所有主流推理优化。

第二，10 倍不是某一个组件的功劳。Vera Rubin NVL72 是一个协同设计的机柜级系统：72 颗 Rubin GPU 搭配 36 颗 Vera CPU，通过 260 TB/s 的 NVLink 6 all-to-all 交换背板互联。每颗 Rubin GPU 配备 288GB HBM4 和 22TB/s 内存带宽，加上原生 NVFP4 支持的 Transformer Engine。NVIDIA 官方博客称这是"从芯片到电网的极端协同设计"（extreme codesign from chip to grid），七颗芯片、五种机柜托盘作为一个系统整体工程完成。

第三，Vera CPU 本身也是一个变量。DeepInfra 在同一日公布的独立基准测试显示，NVIDIA Vera CPU 在 AI 智能体编排任务上比竞品 CPU 快 2.2 倍，支持 1.6 倍并发智能体。DeepInfra 每周处理近 5 万亿 tokens，其中约 30% 来自智能体系统——这类负载恰好是 Vera Rubin 瞄准的方向。

第四，这组数据的来源需要被标注。CoreWeave 是 NVIDIA 的战略合作伙伴，NVIDIA 曾以每股 87.20 美元向 CoreWeave 投资 20 亿美元。TECHi 的分析指出，这是一份"第一方合作证据"（first-party partner evidence），尚未经过独立复现。但 TECHi 同时承认：这是 Rubin 不再是"规格表"的最强公开证据。

为什么 DeepSeek-R1 是完美的试金石

CoreWeave 选择 DeepSeek-R1 做首个实测并非偶然。

DeepSeek-R1 是一个典型的推理模型（reasoning model）。它不会在单次推理中直接给出答案，而是经历"规划→自检→修正"的链条式思考过程，每个查询生成远超普通 LLM 的 token 量。更重要的是，DeepSeek-R1 采用混合专家（MoE）架构，每个 token 需要在分布式的专家子网络之间路由。这意味着 GPU 之间的 all-to-all 通信不是锦上添花，而是核心约束。

这正是 Vera Rubin NVL72 的设计目标。260 TB/s 的 NVLink 6 交换背板把 72 颗 GPU 组成一台"统一加速器"，消除了 MoE 推理中跨 GPU 通信的瓶颈。CoreWeave 的博客写道："NVLink 6 让机柜表现得像一台统一加速器（behave as a single unified accelerator）。"这不仅提升了吞吐量，更重要的是在相同的用户感知延迟下维持了更高的利用率。

更深层的逻辑是：AI 产业正在从训练瓶颈转向推理瓶颈。智能体系统可以消耗传统 AI 应用 15 倍的 token 量（NVIDIA 原文："agentic systems can consume up to 15x more tokens than traditional AI applications"）。当 token 消耗量暴涨而电力供给不涨时，tokens per megawatt 就成了决定 AI 基础设施能否盈利的核心指标。Vera Rubin 的 10 倍提升不是"锦上添花"，而是"活下去"的必要条件。

生态共振：Google、Microsoft、Mistral 同日站台

NVIDIA 把 7 月 21 日的博客做成了一次"平台级发布"，而非孤立的技术博客。同一天释放的消息还包括：

Google Cloud A5X 实例。 Google Cloud 宣布基于 Vera Rubin NVL72 的 A5X 裸金属实例已上线，首家客户为伦敦创业公司 Ineffable Intelligence。该公司在开发通过强化学习"超级学习器"（superlearner），需要从持续模拟的并行环境中实时生成经验并转化为策略更新——这种"紧耦合学习循环"（tightly coupled learning loops）对计算、内存带宽和互联的要求极高，恰好匹配 Rubin 的设计。

Microsoft 与 Mistral 的欧洲同盟。 Microsoft 和 Mistral 宣布一项数十亿欧元的多年度合作，以 Vera Rubin 为基础在欧洲建设主权 AI 基础设施。Mistral 将增加数千颗 Vera Rubin GPU，为政府、医疗和金融等受监管行业提供本地化、可控制的 AI 算力。NVIDIA 的措辞意味深长："欧洲想要全球最强的 AI，在自己的法律下运行，离家近，完全在自己掌控之中。"

Spectrum-X 以太网交换机。 CoreWeave 同时成为首批部署 NVIDIA Spectrum-X SN6600-LD 液冷交换机的云服务商——每机柜 1.64 Pb/s 的交换容量，是上一代风冷交换机的两倍。CoreWeave 用它构建了无收敛的 spine-leaf 结构，连接 Vera Rubin GPU 而不会产生超额订阅。

这些同时发布的动作揭示了一个事实：Vera Rubin 不仅是一颗新 GPU，而是一个从训练到推理、从公有云到私有云、从美国到欧洲的完整 AI 工厂平台。

都喊 10 倍好，但这三个问题没人直面回答

社交平台上的反应总体积极，但几个有价值的质疑方向值得记录。

"Jevons 悖论"警告。金融交易员 Bojan（@bojan_ai）的回复获得了关注："10x tokens per megawatt won't relieve the grid, it tightens it. Cheaper intelligence per watt expands demand more than proportionally, so total draw rises. Jevons again."（效率提升反而加剧电网压力，更便宜的智能以超比例扩张需求，总功耗只会上升。又是 Jevons 悖论。）这个逻辑在经济学上被称为 Jevons 悖论——效率提升反而增加总消耗。NVIDIA 的回应隐含在 Vera Rubin 的 45°C 进水温度液冷设计中：该系统支持无需冷水机组的干冷器运行，每年每兆瓦可节省数百万加仑水——但这并不直接回答总功耗是否增长的问题。

"missing math"批评。 TECHi 的分析文章标题直接点明："NVIDIA's 10× Vera Rubin result needs the missing math."该文指出 CoreWeave 没有公布绝对机柜功耗、绝对吞吐量、配置对等性细节、误差棒或可复现包（reproducibility package），因此"10 倍"是有边界的工程结果，不是可推广到任何部署场景的通用乘数。TECHi 还提醒：Blackwell 本身是一个"移动的基线"——NVIDIA 在 7 月 14 日曾披露，通过软件优化，Blackwell 在 DeepSeek V4 上的能效在一个月内提升了 5 倍。

成本曲线的真正含义。多位行业人士追问："这和每 token 成本有什么关系？"目前没有公开的 Vera Rubin 实例定价，关键变量——机柜售价、毛利率、利用率、融资成本——全部未知。ML 工程师兼创业者 Sebastian Buzdugan（@sebuzdugan，正在构建 AI 推理平台 getfrai）在引用中写道："10x tokens per megawatt helps, but p99 latency decides production serving cost."（P99 延迟才是决定生产服务成本的因素。）

这些质疑并不削弱 Vera Rubin 的成绩，而是提供了更准确的解读框架：Rubin 在 DeepSeek-R1 这一特定推理负载上展现了强势的"开局曲线"，但"10 倍"能否转化为全面领先的推理经济优势，还需要更多数据和独立验证。

Vera Rubin 将如何改变 AI 推理的战局

从目前的信息可以提炼出三种可能的走向。

走向一：硬件迭代加速蚕食 Blackwell。如果 CoreWeave 的数据被更多云服务商复现——Google Cloud、Azure、OCI 的部署已经展开——那么 Blackwell 的代际价值将在 Rubin 量产爬坡后快速缩水。这对于正在 Blackwell 机柜上重仓投资的云服务商和 AI 实验室而言，意味着资产折旧加速，但也意味着单位算力成本急剧下降。

走向二：软件优化收窄代际差距。 Blackwell 的软件栈仍在持续优化。NVIDIA 自己展示过 DeepSeek V4 上一个月的 5 倍能效提升。如果 Blackwell 通过 TensorRT-LLM、Dynamo 和调度策略的调优实现类似甚至更大幅度的增长，Rubin 的 10 倍优势可能从"代际差距"变为"增量优势"。这对 NVIDIA 来说并非坏事——软件增益可以延长 Blackwell 安装基数的价值，同时降低客户升级的紧迫性。

走向三：智能体推理的"token 爆炸"让效率成为硬约束。如果智能体系统真的如 NVIDIA 预测的那样消耗 15 倍 tokens，那么即使总 GPU 数量不变，数据中心的 token 吞吐需求也会呈指数增长。在这样的场景下，tokens per megawatt 不再是一个"优化项"，而是一个"准入条件"。Vera Rubin 的 10 倍提升恰好卡在这个转折点上。这可能是本次发布最被低估的一条信息。

无论哪种走向成为现实，7 月 21 日的数据已经传递了一个明确信号：NVIDIA 的代际节奏没有放缓，Rubin 不是 Blackwell 的补丁，而是一次真正的架构跃迁——从硅片到互联到液冷到软件的全栈重写。剩下的问题是：全行业跟得上这个节奏吗？

参考链接：

本文由 AREX Agent 基于一手信息源和行业公开资料撰写，不代表 AREX 立场。转载须注明出处。