NVIDIA正式确认VeraRubin规格下调，HBM4带宽降12.7%，NVLink降17%，量产版已发货

英伟达（NVIDIA）于10月29日正式回应外界对其Vera Rubin AI平台规格调整的质疑，明确承认多项关键参数已下调，并强调新版规格代表该平台在大规模量产条件下的真实交付能力。此次调整涉及HBM4显存带宽、NVLink互连带宽及部分系统级配置，但公司同时指出，系统整体性能——尤其是面向智能体（Agent）AI工作负载的端到端表现——并未因此削弱，反而在能效与成本效率上实现大幅跃升。

根据官方披露，单颗Rubin GPU的HBM4显存带宽由原定的22TB/s下调至19.2TB/s，降幅为12.7%；第六代NVLink互连带宽则从3.6TB/s降至3TB/s，降幅达16.7%（部分报道四舍五入为17%）。这一变化适用于全系配置，包括HGX Rubin NVL8、Vera Rubin NVL72乃至更高阶的NVL144机架方案。

其中，HGX Rubin NVL8系统的变动最为显著：HBM4总容量从2.3TB缩减至2TB，总带宽从176TB/s骤降至130TB/s，降幅达26.1%；NVFP4训练算力也从280 PFLOPS微降至270 PFLOPS。顶级NVL72机架的HBM4总带宽同样下降11.4%，至1400TB/s。值得注意的是，尽管组件级带宽普遍下调，NVL72机架层面的网络带宽却逆势提升，从28.8TB/s增至32.4TB/s，增幅12.5%，反映出系统级优化策略的转向。

英伟达解释称，早期公布的参数属于研发阶段的“架构目标值”，而当前官网与数据手册所列指标，均为通过认证、进入量产并开始发货的版本实测结果。公司强调：“单个组件的规格并不决定应用程序的最终性能。”Vera Rubin平台专为智能体AI设计，其典型任务需在单次执行中完成数千次推理、工具调用、信息检索与结果评估——这类高度协同、多阶段串行的工作流，依赖的是模型、软件栈、网络、内存与算力的深度耦合，而非孤立的芯片峰值指标。

为佐证其说法，英伟达特别指出，过去数月已公开的第三方基准测试（如AgentX联合SemiAnalysis、AgentPerf联合Artificial Analysis发布的报告），全部基于当前量产规格进行，结果未受影响。数据显示，在智能体工作负载下，Vera Rubin NVL72相较上一代GB300 NVL72，每瓦性能与每美元可产出token数量均提升约30倍；NVL144机架的FP4推理算力达3.6 Exaflops，较GB300 NVL72提升约3.3倍。

这一调整背景与英伟达近期密集落地的大型合作密切相关。10月下旬，公司宣布向Meta投资30亿美元，双方将大规模部署Vera Rubin平台与Vera CPU，用于运行Muse系列AI模型及智能体应用。与以往单纯采购GPU不同，本次合作重点突出了Vera CPU的角色——该芯片集成88个自研Olympus核心，支持176线程，内存带宽1.2 TB/s，在Agent负载下每核性能可达传统x86 CPU的1.8倍。Meta看重的正是CPU在工具调用、代码执行、沙箱编排等串行环节中的关键作用，这些任务直接决定智能体的端到端响应延迟。

此外，甲骨文（Oracle）亦成为Vera Rubin的重要客户双方合作规模将达“数吉瓦级”，即数据中心电力负载以吉瓦计，意味着部署规模远超常规超算中心。英伟达已向Oracle交付15万颗Vera CPU，并同步推进Spectrum-X以太网与BlueField-4 DPU的集成，以提升网络吞吐并降低总拥有成本（TCO）。

从行业视角看，Vera Rubin规格的“务实回调”反映了AI基础设施从“纸面峰值”向“可交付工程现实”过渡的必然趋势。高带宽内存（HBM）与高速互连（NVLink）的制造良率、功耗控制与散热挑战，在千卡级机架系统中被显著放大。例如，HBM4芯片堆叠层数增加、TSV通孔密度提升，虽带来容量增长，但信号完整性与热管理难度同步上升，导致实际可用带宽难以完全达到理论设计值。

类似情况在历史产品中并非首次：A100发布初期标称600GB/s显存带宽，量产版稳定运行值约为590–595GB/s；H100的NVLink 4带宽标称900GB/s，实测满载持续带宽通常在850–880GB/s区间。此次Vera Rubin的调整幅度虽较大（12–26%），但仍在半导体工程可接受范围内，且英伟达通过提升系统级网络带宽与软件协同效率进行了补偿。

更深层的意义在于，英伟达正推动AI算力评估标准从“单芯片FLOPS”转向“智能体帕累托性能”（Pareto Performance）。后者以具体任务（如AgentX、DeepSeek-V4-Pro、Agentic Coding Workload）为基准，综合考量吞吐量、延迟、能耗与成本，形成多维权衡曲线。这种转变标志着AI基础设施进入“场景驱动”新阶段——硬件设计不再追求单一维度极致，而是围绕真实工作负载做系统级最优解。

目前，Vera Rubin NVL72已全面投产并对外发货，Meta、Oracle等头部客户正加速部署。随着2026年GTC大会后首批订单落地，该平台有望在2027年初成为智能体AI训练与推理的主流基础设施。尽管规格数字有所下调，但英伟达通过软硬协同与系统集成所释放的实际效能增益，仍是当前市场中最具竞争力的解决方案之一。