英伟达Rubin GPU架构首次揭开：3360亿晶体管怪兽 AI性能提升10倍

英伟达正式公开了下一代 Rubin AI GPU 的完整架构细节。

这颗打磨了数年的旗舰芯片目前已进入全面供货阶段，全球多家头部科技公司已经部署了首批搭载Rubin的算力平台。

按照英伟达官方给出的数据，以单位能耗计算，Rubin处理智能体AI任务的吞吐量是上一代Blackwell的10倍。

能拿出这样的代际提升，核心靠三处关键的架构改动：增强版Tensor Core计算单元、全新HBM4 内存子系统、第三代Transformer引擎。

3360 亿晶体管：双芯封装的顶级硬件规模

Rubin采用台积电3nm N3P工艺制造，由两块达到光罩极限尺寸的裸片组成，通过英伟达自研的 NV-HBI高速互联接口封装为一颗完整芯片。

整颗芯片共集成3360亿个晶体管，规模相比上一代Blackwell GB300提升了62%。

从内部布局看，芯片包含8个图形处理集群（GPC），合计224个流多处理器（SM）、896个专门负责AI运算的Tensor Core。

高速缓存、显存控制器、多卡互联接口、PCIe 6.0 主机接口，以及机密计算模块、硬件解码单元等功能全部集成在内，是一颗可直接部署进数据中心的完整算力核心。

HBM4显存换代：带宽翻2.8倍，解决推理核心瓶颈

对AI芯片来说，很多时候拖慢性能的不是算力不够，而是显存速度跟不上，计算单元只能闲着等数据。

Rubin这一代直接用上了最新的HBM4显存标准，共8组12层堆叠，总容量288GB，峰值带宽达到 22TB/s。

这个带宽水平是上一代Blackwell的2.8倍，也是目前业界性能最强、速度最快的HBM4方案。

打个通俗的比方，显存容量相当于仓库的大小，带宽则是进出仓库的马路宽度。

容量够大，才能完整装下万亿参数的大模型和超长上下文缓存，不用频繁在显存和外部存储之间倒换数据。带宽够宽，数据才能更快送到计算单元，直接加快文本生成速度，让算力不被白白浪费。

与此同时，英伟达还升级了张量内存加速器（TMA），针对专家数量不断增加的MoE混合专家模型，能更高效地定位和搬运权重数据，降低数据搬运带来的额外开销。

互联规格也同步拉满，NVLink 6的GPU间互联带宽达3600GB/s，NVLink-C2C的CPU-GPU互联带宽为1800GB/s，PCIe 6.0 x16通道提供 256GB/s的主机连接带宽，多卡集群协同运行时，数据传输不会再成为性能短板。

计算单元升级：Tensor Core吞吐量翻倍，适配智能体推理

作为第三代Transformer引擎的核心改进，Rubin的Tensor Core每个时钟周期的吞吐量直接翻了一倍。

核心改动是把Tensor Core的K维度数据处理量加倍，原本需要4次迭代完成的矩阵运算，现在2次就能跑完。

换算到具体精度性能上，Rubin的FP32吞吐量与上一代顶配的GB300持平，是基础版GB200的2 倍。

AI场景常用的 BF16/FP16 精度，吞吐量则达到GB200的4倍、GB300 的2倍。

针对大模型核心的注意力运算，Rubin结合激活稀疏性与自适应压缩，加入2:4结构化稀疏支持，在保留完整输出格式的前提下，减少中间数据的读写开销，同时提升了softmax的处理吞吐量。

它还优化了计算任务的衔接调度，不用等上一个任务全部完成，就能启动后续计算，压缩芯片的空闲间隙。

这点优化对智能体 AI 场景尤为关键。

和传统大模型批量推理不同，智能体的任务是一步步串行执行的，每一步计算的延迟，都会直接影响用户最终感受到的响应速度。

系统级能效优化：同功耗下可多部署40%GPU

如今AI算力的竞争，早已不只是单卡峰值性能的较量，更是整机柜、整座 AI 工厂的成本与效率比拼。

Rubin配套的Vera Rubin系统加入了智能电源平滑技术，能吸收瞬时功耗波动，平均功耗比上一代降低约10%，50ms峰值功耗降低20%。

搭配DSX MaxLPS系统级调度方案，在相同的供电预算内，一个机柜可以多部署 40%的GPU。

对动辄上万卡规模的AI工厂来说，这意味着同样的电力和场地成本，就能拿到接近四成的算力增量。

从Blackwell到Rubin，能很清晰地看到英伟达架构迭代思路的转变。

不再单纯堆砌理论算力峰值，而是围绕真实的AI工作流，从内存、调度、能效做全链路优化，精准匹配智能体时代的实际需求。

大模型算力的上半场，行业比拼的是谁的峰值数字更亮眼。

而智能体时代的下半场，真正较量的是谁能把每一分算力，都实实在在转化成可用的推理效率。

Rubin的亮相，也正式拉开了下一代AI算力架构竞争的序幕。