Vera Rubin 是什么？ 一文搞懂英伟达为代理式AI打造的新一代系统
NVIDIA 在 2026 Taipei GTC 大会上，最重要的硬件发布之一，就是宣布 Vera Rubin 已进入全面生产。
如果只把Vera Rubin看成NVIDIA下一代GPU，可能会低估它的重点。 按照黄仁勋在大会上的说法，Vera Rubin 不是单一芯片，而是一整套为「代理式 AI」设计的 AI 运算系统。 它整合GPU、CPU、网络、储存、安全处理器与液冷机柜，目标是支撑未来大量AIagent同时运作。
为什么需要 Vera Rubin？
目录
过去很多 AI 应用比较像是你问，它回答。 例如请 AI 写一段文字、产生图片、翻译内容，或回答一个问题。 但代理式 AI 不一样，它不只是产生答案，而是会理解任务、拆解步骤、使用工具，最后完成工作。
例如用户可以请 AI 产生代码、制作动画，甚至根据遥控器电池盖的照片，建立可用于 3D 打印的 CAD 文件。 这些例子要说明的是，未来的 AI 不只是聊天工具，而是会实际进入工作流程。
但当 AI 开始「做事」，背后需要的运算方式也会改变。 一个 AI agent 在执行任务时，可能会反复进行这些动作：
| 动作 | 说明 |
| 理解任务 | 看懂用户想完成什么 |
| 规划步骤 | 决定先做什么、再做什么 |
| 使用工具 | 调用浏览器、数据库、编程软件 |
| 存取记忆 | 读取上下文、文档、知识库或过去结果 |
| 检查输出 | 判断结果是否正确，必要时重新修改 |
| 交付成果 | 产生程序、文件、图像、模型或其他结果 |
这些流程会让 CPU、GPU、内存、储存与网络都被大量使用。 也因此，NVIDIA 认为单靠更快的 GPU 已经不够，必须从整个系统架构重新设计。Vera Rubin 就是为这个需求而来。
Vera Rubin是什么？ 它不是一颗芯片，而是一整套 AI 系统
首先，NVIDIA 的 Vera Rubin 名称其实是来自美国天文学家 Vera Rubin（薇拉·鲁宾），是一名研究星系自转速度的先驱。 她最知名的研究工作是发现了实际观察的星系转速与原先理论的预测有所出入。 NVIDIA 近年来很多大型系统都是和科技、天文命名有关，例如之前的 Grace Hopper。
那么 Vera Rubin 是什么？ Vera Rubin 不是一颗 GPU，也不是单一服务器，而是一整套从端到端设计的系统。 它包含：
| 组成 | 作用 |
| Vera Rubin GPU | 负责大型 AI 模型推理、理解、规划与 token 生成 |
| Vera CPU | 负责协调 agent、管理工具呼叫、数据访问与流程控制 |
| NVLink 72 | 让 GPU 与系统内部组件高速互连 |
| BlueField | 处理安全、隔离、储存与数据中心管理 |
| ConnectX-9 | 提供高速网络连接 |
| 保存系统 | 支持 agent 读取记忆、数据与上下文 |
| 液冷机柜 | 协助高密度 AI 系统散热 |
| 安全架构 | 保护模型、数据与运算流程 |
而代理式 AI 和一般 AI 推论最大的差别，在于它不是一次性回答问题，而是会反复思考、查资料、呼叫工具、修正结果。
例如一个 coding agent 帮你修改程序时，它可能会：
- 先读取项目文件，理解程序架构;
- 接着产生修改方案;
- 再调用工具执行测试;
- 如果测试失败，就回头修改程序;
- 最后提交完成的版本。
这个过程中，AI不只需要GPU产生文字，也需要CPU执行工具、存储系统读取文件、网络系统传输数据，还需要安全机制限制权限。
所以Vera Rubin的重点，不只是「更快产生答案」，而是让 agent 在多步骤任务中跑得更稳定、更快速，整体更有效率。
Vera CPU：Vera Rubin 里的核心关键角色
Vera Rubin 里面不只有 GPU，Vera CPU 也是这次 NVIDIA 特别强调的重点。
很多人谈 AI 时会先想到 GPU，因为大型模型训练与推论需要大量平行运算。 但在代理式 AI 里，CPU 的角色变得更重要。
原因很简单：AI agent 会一直呼叫工具。
它可能要跑 Python、执行 JavaScript、编译程序、查数据库、读取文件、整理记忆，甚至启动其他子 agent。 这些工作不一定都由 GPU 处理，很多时候需要 CPU 协调。
黄仁勋在大会上说，过去 CPU 是为人类使用电脑的方式设计; 但 agent 的节奏不同。 人类可以等几秒，agent却需要以更低延迟完成下一步。 每一次等待，都会拖慢整个任务流程。
因此 Vera CPU 的设计重点包括：
| 重点 | 原因 |
| 单执行绪效能 | 让工具调用与程序执行更快 |
| 高内存带宽 | 加速数据读取与处理 |
| 高核心间带宽 | 让CPU核心之间更快交换数据 |
| 高能源效率 | 避免 CPU 消耗过多电力，影响 GPU 可用电力 |
| 与 GPU 紧密连接 | 让 CPU 和 GPU 更快协作 |
Vera CPU 采用 Olympus core，使用 LPDDR5X 内存，并可通过 NVLink chip-to-chip 与 GPU 连接。 NVIDIA也表示，Vera CPU在agentic sandbox工作负载上可达x86 CPU的1.8倍表现，SQL工作负载可达3倍速度，实时串流处理案例则提到6倍表现。
Vera Rubin 和 AI 工厂又有什么关系？
NVIDIA 这几年一直谈「AI 工厂」。 在这次 GTC 上，Vera Rubin 正是 AI 工厂里最核心的运算系统之一。
所谓 AI 工厂，可以理解成专门生产 AI 服务与 token 的数据中心。 黄仁勋认为，当 AI token 可以带来收入，数据中心就不只是放服务器的地方，而是像工厂一样，负责持续产出 AI 服务。
在这个逻辑下，Vera Rubin的角色就是提升AI工厂的产能与效率。 AI 工厂关心的不只是芯片价格，而是：
| 指标 | 为什么重要 |
| 上线速度 | 越快启用，越快产生 AI 服务 |
| tokens per watt | 每瓦电能产生多少 token，影响成本 |
| 可靠性 | 系统中断会影响服务与收益 |
| 使用寿命 | 架构越能支持新模型，总持有成本越低 |
| 部署效率 | 大规模 AI 工厂需要快速安装与维护 |
这也是为什么 NVIDIA 不断强调 Vera Rubin 是完整系统，而不只是更快的 GPU。 因为对 AI 工厂来说，真正重要的是整体效率与稳定性。
Vera Rubin 的重点规格与特色整理
| 项目 | Vera Rubin 重点 |
| 定位 | 为代理式 AI 打造的新一代 AI 系统 |
| 状态 | 已进入全面生产 |
| 核心架构 | 多机柜、pod-scale AI 超级计算机 |
| 主要用途 | 执行 AI agent、推理、工具调用、记忆存取与多步骤任务 |
| 制程 | 台积电3纳米 |
| 封装 | CoWoS-R、CoWoS-L |
| 内存 | HBM4，来自 Micron、SK Hynix、Samsung |
| 系统组成 | GPU、Vera CPU、NVLink 72、BlueField、ConnectX-9、储存、网络、安全与液冷 |
| 供应链 | 涉及150家供应链伙伴 |
| 系统设计 | 减少缆线、软管与风扇，提升组装效率与可靠性 |
总结：Vera Rubin 代表 NVIDIA 进入「AI agent 系统」阶段
Vera Rubin 最重要的地方，不是单一规格有多强，而是它代表 NVIDIA 对下一阶段 AI 的判断。
在 NVIDIA 看来，AI 接下来不只会生成内容，而是会变成能使用工具、查资料、执行流程、完成任务的 agent。 这种 AI 需要的不是单一 GPU，而是一整套能支持模型、工具、记忆、网络、储存与安全的运算系统。
因此，Vera Rubin 可以视为英伟达为代理式 AI 打造的新一代基础设施。 它承接 Grace Blackwell 的 AI 推论能力，进一步把 CPU、GPU、网络、储存与安全系统整合起来，让 AI 工厂能处理更复杂、更大量的 agent 工作负载。对一般读者来说，可以这样理解：Vera Rubin 不是让 AI 多回答几句话的芯片，而是让 AI 开始能大规模「做事」的系统。
微信扫一扫
