学GPU并行计算的人，这个九月应该把最近三周的发布会和研报按时间线排一遍——不是因为信息多，而是因为它们互相矛盾：8月26日Hot Chips上，NVIDIA官宣Groq 3 LPX机柜全面量产，说它"专注推理解码"；9月1日，郭明錤放出调查，说一度被外界认为已经胎死腹中的Rubin CPX（预填充专用卡）重启了，但规格大改；9月16日，MLPerf Inference v6.1放榜，Vera Rubin NVL72首秀；9月20日，知乎上出现新问题："GPU、CPX、LPU的定位到底是什么？“一个高赞回答直言现在的分工"挺反直觉的”。
过去两年，做推理优化的都默认一本账：Prefill是算力瓶颈，用便宜内存的卡跑；Decode是带宽瓶颈，用昂贵HBM的卡跑。这条账现在被两头同时掀翻——预填充卡反而改上了HBM4，解码卡干脆不碰HBM只用SRAM。这篇内容给准备明年排集群、选型或者决定学什么的并行计算玩家，把三张卡的账拆开算清楚。需要先把丑话说在前面：这条线路上官方确认、分析师调查和社区推演是三种不同置信度的信息，下面逐条标注。
一、先把时间线钉住：哪些是官方，哪些是分析师口径
8月24-26日 Hot Chips（官方）：NVIDIA宣布交互式AI推理加速器Groq 3 LPX全面量产。单个MGX机柜256颗Groq 3 LPU、片上SRAM合计128GB、互联带宽640TB/s、全液冷。 Artificial Analysis实测：Gemma 4 31B模型在10万Token超长上下文下输出中位数约3400 Token/秒，NVIDIA把它定位成Vera Rubin NVL72平台的"解码搭档"。知乎知乎
9月1日（郭明錤产业调查，非官方）：Rubin CPX项目重启，预计2027年第一季度投产。知乎
9月1日的规格口径：关键变化：内存从2025年公布的128GB GDDR7改为168GB HBM4，算力接近标准Rubin GPU，单卡最高功耗2300W；放弃与Rubin共享机架，改用独立MGX ETL机架，按64/128/192/256卡模块化扩容；每卡NVLink带宽1-1.5TB/s（标准Rubin为3.6TB/s），托盘间走Spectrum-6全铜以太网；推荐CPX与NVL72按1:1部署——CPX做预填充并生成KV Cache，经以太网RDMA传给Rubin GPU完成解码。知乎
9月10日（媒体报道）：《纽约时报》披露美国司法部正在调查NVIDIA去年12月与Groq的170亿美元交易——形式是"非独占技术授权+吸纳创始团队"，Groq公司实体仍独立存续。 这笔交易的定性，直接决定LPX这条路线在法律上走不走得稳。知乎
9月16-17日（MLCommons/NVIDIA，注意是预览提交）：MLPerf v6.1，Rubin NVL72首秀成绩单。
9月20日（NVIDIA副总裁Ian Buck公开演讲）：把评价指标定调为"每兆瓦Token吞吐"。
这一串事件里真正的新变量只有一个：推理被拆成了独立硬件品类，而且拆法不止一种。
二、第一处矛盾：预填充卡为什么改上了HBM4
原CPX的卖点写得很清楚：Context Processing，为长上下文而生，用GDDR7换掉HBM4省钱。重启版直接换回168GB HBM4——砍成本的故事讲不下去了？知乎
先看需求侧。郭明錤口径里有个数字值得记住：目前超过50%的AI推理工作负载来自输入上下文处理和KV Cache构建。 Agent任务不是"一问一答"，而是几十上百轮自我追问、工具调用、子智能体展开，输入序列从当年MLPerf基准的1K量级一路卷到100K、400K。预填充卡的需求排序变了：容量和FP4/Attention算力排在带宽前面。知乎"柒维思考"9月17日的架构拆解给了一个配比视角：CPX单Die做到30 PFLOPS（标准Rubin靠双Die做到50 PFLOPS），它的峰值算力/本地内存带宽比约为标准Rubin的6.6倍——不是"缩水Rubin"，而是删掉Prefill用不上的资源、把面积和功耗押在FP4与Attention上的专用Context GPU。知乎知乎
所以这处矛盾可以这么解：CPX贵的不是内存，省的是"不需要的通用性"。 等CPX想压推理成本的人要改预期：你买的是专用硅片按阶段计价，不是打折的通用卡。当然，郭明錤的规格毕竟不是NVIDIA官方文档，168GB HBM4这个数在量产前都还有变数。
三、第二处矛盾：解码到底归谁
NVIDIA官方在8月讲的版本：Rubin负责"读"（大规模上下文），LPX用SRAM负责"写"（极速出Token），一个机柜256颗LPU当NVL72的解码补强。
社区9月20日的版本却不一样。知乎"Frost"的回答提出AFD（Attention-FFN Disaggregation）读法：Vera Rubin NVL72处理Prefill生成KV Cache并负责Attention计算，Groq 3 LPX负责FFN/MoE部分，中间走CX9的1.6T以太网，LPX托盘是16颗Groq 3 LPU加2颗Altera FPGA加BlueField-4的组合。 他特别点了一句"挺反直觉的"——按常识，读KV Cache这种带宽活儿才该给大SRAM的LPU，现在KV在HBM卡上，LPU碰的是MoE专家计算。知乎
两个版本至今没有官方仲裁。为什么要同时留两套叙事？可以回到9月10日那条新闻：Groq那笔170亿美元的"授权"被司法部盯上了，一旦交易结构被认定需要剥离或重谈，LPX这条腿就是瘸的——CPX（自己Rubin架构的衍生）+传统NVL72的组合是备胎，反之亦然。对观察者来说，"解码分工未定"本身就是这轮信息里最该记住的结论，在此之前把任何一套分工当定论去规划采购，都是在替别人的法律风险买单。
四、MLPerf成绩单：瓶颈到底从什么变成了什么
首份Rubin榜单成绩：Qwen3-VL上最高吞吐达GB300 NVL72的3.7倍（offline/server/interactive三档），DeepSeek-R1用TensorRT-LLM达2.5倍。知乎
但对做并行的人来说，这张榜里更有分量的两个数是：
99%扩展效率——GB300 NVL72把DeepSeek-R1从单机架72卡扩到四机架288卡，offline吞吐近乎线性。 "加卡是否还划算"这道多卡时代最难的选择题，第一次有了接近满分的实测答案。这也是SemiAnalysis AgentX预览里Rubin对GB300做到每兆瓦30倍吞吐的底层条件：拆阶段、堆规模之后，损耗主要发生在通信和调度上，谁把它吃干净，谁的账才算得过。知乎
软件值1.6倍——不改一行硬件，仅v6.0到v6.1的优化（更低KV Cache精度、更多kernel fusion、解耦式服务）就让GB300在Qwen3-VL上最高再提1.6倍。
Ian Buck 9月20日的定调把这三组数收进了一个指标：评价每一代算力产品，唯一关键是每兆瓦Token吞吐。 Agent负载在纯数值层面被推高100倍；配合MaxLPS动态功耗管理，同样的电力包络内可以多部署40%机架。路线图他也摊开了：当前Rubin、下一步Rubin Ultra、之后Feynman。知乎
翻译一下：算力的时代在让位，数据搬运（KV、通信、调度）的时代开始定价。 榜单也别忘了限定词——这是预览提交、各档取最高值，不是量产配置。
五、三类人，三件事
准备明年排推理集群的人：2027Q1 CPX投产、规格官宣之前，任何"CPX方案报价"都只能当意向书看；今年下半年到明年的降本窗口在软件侧——PD分离服务（Dynamo/vLLM）、KV精度、kernel fusion这些才是MLPerf实证的1.6倍来源。
还在学CUDA/并行的人：升值技能——多卡通信与调度、KV Cache内存管理、低精度算子、跨阶段流水线设计；贬值技能——只会对着单卡调峰值。本周三张卡的分工拆分，等于硬件端给这个判断盖了章。
盯国产路线的人：华为昇腾950PR/950DT走的是另一条折中——同一颗AI Die派生两张卡（PR最高32个Cube Core、DT可启用36个），也做Prefill/Decode分工但共die同源，省的是软件栈成本。 分层硬件是共识，国产下一轮拼的是调度层能不能把这盘异构卡喂饱。知乎
六、接下来盯什么信号
CPX规格官宣：HBM4还是GDDR7、2027Q1投产是否兑现；
解码分工定论：官方参考设计站CPX+Rubin（1:1）还是NVL72+LPX（AFD）叙事；
DOJ对Groq交易的裁决——LPX路线的法律前提；
MLPerf Endpoints落地——智能体推理有了标准尺子，这轮"各取最高值"的口径才有人管；
Rubin Ultra/Feynman的拆解动作——分工还在继续往下切。
一台全能机器通吃的时代结束了。接下来买什么、学什么、信哪份参数表，都先问一句：这张卡，负责推理的哪一段？
