这个周末，GPU并行计算的圈子基本被HotChips 2026刷屏了。英伟达扔出两颗大雷：一颗关于性能，一颗关于涨价。表面看是两条不相干的新闻，放在一起读，说的其实是同一件事——GPU并行计算的主角，正在从"算力"换成"数据搬运"。今天这篇，把它一次拆清楚。
一、先读首测：30倍吞吐很炸，但先看基准
英伟达这次史上首次公布了下一代旗舰机柜Vera Rubin NVL72的片上实测数据：跑1.6万亿参数的DeepSeek-V4-Pro，在智能体工作负载基准AgentX下，每兆瓦吞吐量比现役主力GB300 NVL72最高提升30倍，每百万Token的生产成本最高降到1/35。36氪
关键词是AgentX。它不是传统的固定长度问答跑分，而是SemiAnalysis做的、回放真实智能体编码会话的基准：上下文持续增长、不断调用工具、还会派生子智能体。英伟达援引OpenRouter的数据称，真实世界里一个Agent任务消耗的Token，是普通聊天对话的15倍，所以固定短上下文的旧基准，已经量不出智能体时代的真实性能。这个30倍要读出两层：一层是硬件确实强了一代，同口径下GB300对H200已经有15倍；另一层是尺子换了，把尺子换成智能体工作负载，差距才会被拉得这么开。以后看到有人引用这组数字，先问一句"什么基准"，能省掉很多鸡同鸭讲。
二、再看30倍从哪来：不堆算力，拆"墙"
做并行计算的朋友对这套逻辑不陌生。大模型推理的解码阶段，算术强度只有1-2 FLOPs/byte，远低于Roofline屋脊点，是典型的memory-bound任务，解码吞吐大致等于内存带宽除以模型大小。知乎模型大小不变、带宽不变，吞吐就有硬地板，算力峰值堆得再高也吃不到。英伟达这次的动作，几乎每一刀都砍在这堵"墙"上：
NVFP4量化，把权重压到4位精度，要搬的数据直接变少；
分布式KV缓存、KV感知路由、MegaMoE，上下文不重复存、不重复搬，按专家网络就近调度；
第六代NVLink，互联比现成以太网快10倍、延迟低3倍，让72颗GPU之间的专家调用不再卡脖子；
Groq 3 LPX，去年12月英伟达花200亿美元收购Groq后落地的推理加速器，这次同步进入全面量产：Rubin GPU负责处理大规模上下文这个"读"，LP30加速器负责极速生成Token这个"写"，一柜最多塞256颗，跑Gemma 4 31B的10万上下文能到3400 Token/秒；
Vera CPU，首款专为智能体设计的CPU：88颗自研Olympus核心、1.2TB/s带宽的LPDDR5X，专职给Agent做调度喂数据，SpaceX AI已经连夜部署，还计划2027年底把太空优化版机架送上卫星。
一句话：这30倍的本质，不是单颗GPU算得更快，而是英伟达把整机柜的工程力气，全押在"搬数据"这件事上。花旗在HotChips大会的总结里说得直白：能效已成首要设计约束，内存带宽与数据移动取代纯计算成为新瓶颈。微博
三、最后读涨价单：这次的账单，是内存开的
性能数据刷屏的同时，另一条消息在产业链里炸开了。多家英伟达大客户已收到通知：搭载英伟达AI芯片的服务器，明年初发货的机型普遍涨价，很多配置涨幅直接超过15%，旗舰Vera Rubin和Grace Blackwell都没躲掉。36氪耐人寻味的是，发涨价通知的不是英伟达，而是替微软、谷歌组装机柜的代工厂——定价权已经不在装机的人手里了。
美光这次在HotChips上把话挑明了：AI算力的第一瓶颈不在GPU本身，而在内存墙。美光的口径是，算力约每2年翻3倍，内存带宽同期增长不到2倍，剪刀差越拉越大。知乎这同一把剪刀，一边剪出了性能叙事——谁解决数据搬运谁赢；另一边剪出了成本叙事——稀缺的东西涨价。
内存到底涨疯了到什么程度？TrendForce的数据：今年一季度，传统DRAM合同价环比上涨93%到98%，一个季度接近翻倍。36氪二季度预测还要再涨58%到63%。三星、SK海力士、美光三家握住近九成市场份额，供应商库存已经低到不能再低，增量产能优先供给AI服务器，新无尘车间从动土到量产要两三年，远水解不了近渴。
瑞银拆的Vera Rubin物料清单，把账单结构的变化算得更直白：内存在整机成本中的占比，从上一代Grace Blackwell的53%飙到62%，已经是整套平台里最贵的部件。微博硬件自己也越吃越多：单颗Rubin GPU要挂288GB HBM4，比Blackwell多出一半，带宽冲到22TB/s；一个NVL72机柜装20.7TB内存。英伟达官方技术博客自己也承认：推理的解码阶段，本质上受制于内存子系统——Token不是算力堆出来的，是内存喂出来的。
下游已经顶不住了。全球最大的AI服务器代工厂广达，二季度营收首次破万亿新台币、同比翻倍，毛利率却从去年同期的7.05%掉到5.02%。36氪广达已经把采购模式从"买断转卖"改成"客供料"：内存你们客户自己买、自己谈价，代工厂只赚组装的钱，价格风险不扛了。毛利不到5%的公司，没有空间替上游买单，账单只能继续往下传。
盯着消费端的朋友也注意一下，这把火已经烧到入门级了。索泰、万丽母公司PC Partner警告：2026年下半年显卡成本和供应压力可能进一步加剧，入门级产品面临更明显的涨价和缺货风险。微博
四、落到你自己身上：三类人，三种看法
做推理优化、写kernel的人：英伟达等于用整机柜产品给你指了优化方向——从"榨算力"转向"榨搬运"。KV缓存工程（分块、分布式、卸载）、FP4/FP8量化、MoE专家路由、通信与计算重叠，这些过去算进阶加分项，现在正在变成主赛道。以前写kernel盯着FLOPS，现在更该盯着带宽利用率，这个思路切换比任何单点技巧都值钱。
买算力、租算力的人：三个判断。第一，明年初发货的Vera Rubin整机柜，总价水涨船高几乎是定局——按Bernstein测算，一座1GW数据中心，光机柜预算就要多掏近50亿美元——相对看，Blackwell一代的GB300反而是成本更可控的窗口，广达财报也印证GB300机柜出货量单季翻倍。第二，合同价涨价传导到云上租价通常有滞后，做长周期规划的话，趁现在摸一遍当前租价行情、尽早锁定资源更稳。第三，英伟达自己已经用1450亿美元的供应承诺锁定了2026-2027年的HBM。36氪巨头抢的是配额，不是现货，中小玩家更要提前量。
纯围观、攒认知的人：盯住三个信号就够了。Vera Rubin的量产爬坡节奏，决定30倍什么时候变成你真正能用上的供给；HBM4良率和CoWoS先进封装产能，决定"墙"的供给侧松不松；2027年一季度的实际报价，验证这轮涨价是真传导还是喊话。
一句话收尾：只看TFLOPS判断代际的时代结束了。往后看GPU并行计算，看带宽、看能效、看账单。
