英伟达加固AI推理护城河
芯东西拉斯维加斯1月5日报道，英伟达创始人兼CEO黄仁勋在CES 2026主题演讲中，发布8项重磅技术，全面升级AI基础设施。从芯片、机架到网络与软件栈，英伟达推出全新代际平台——NVIDIA Vera Rubin，聚焦训练与推理协同优化，进一步强化其在AI计算领域的系统级领导力。
全新AI超级计算机：6款自研芯片，单机架算力达3.6EFLOPS
英伟达发布NVIDIA Vera Rubin POD AI超级计算机，采用全栈自研设计，集成6款关键芯片：Vera CPU、Rubin GPU、NVLink 6 Switch、ConnectX-9智能网卡、BlueField-4 DPU、Spectrum-X 102.4T CPO，实现软硬协同优化，面向大规模MoE模型与长上下文推理场景。
Vera CPU
基于定制Olympus核心架构，含88核、176线程，支持CPU-GPU统一内存（1.5TB），SOCAMM LPDDR5X带宽达1.2TB/s；首创机架级机密计算（TEE），保障跨域可信执行。
Rubin GPU
引入Transformer引擎，NVFP4推理性能达50PFLOPS（Blackwell的5倍），FP4训练性能35PFLOPS（Blackwell的3.5倍）；首支持HBM4，带宽22TB/s（提升2.8倍）；NVLink互连带宽达3.6TB/s（GPU间），支持第三代通用机密计算。
NVLink 6 Switch
单lane速率400Gbps，GPU全互连带宽28.8TB/s（提升2倍），FP8 in-network计算性能14.4TFLOPS；支持100%液冷，适配高密度部署需求。
ConnectX-9 SuperNIC
单GPU提供1.6Tb/s带宽，完全软件定义、可编程、加速的数据路径，专为大规模AI集群通信优化。
BlueField-4 DPU
800Gbps智能DPU，集成64核Grace CPU；相较上代，计算性能提升6倍、内存带宽提升3倍、GPU访问存储速度提升2倍，强化网络安全与任务卸载能力。
Vera Rubin NVL72系统
单机架整合全部6款芯片，晶体管总数达2万亿；NVFP4推理性能3.6EFLOPS，训练性能2.5EFLOPS；LPDDR5X内存54TB（2.5倍）、HBM4内存20.7TB（1.5倍）、HBM4总带宽1.6PB/s（2.8倍）、纵向扩展带宽260TB/s（超全球互联网总带宽）。
基于第三代MGX机架设计，采用模块化、无主机、无缆化、无风扇架构，组装时间由2小时缩短至5分钟；100%液冷，整机重2.5吨（含冷却液）。NVLink Switch托盘支持零停机维护与容错，第二代RAS引擎实现运行状态实时诊断。
目前已有超80家MGX合作伙伴完成Rubin NVL72部署准备，该平台已启动量产，预计2026年下半年通过云服务提供商（CSP）与系统集成商向市场交付，微软等将成为首批客户。
三大新品爆改AI推理效率：新CPO器件、新上下文存储层、新DGX SuperPOD
英伟达同步发布三款面向AI推理优化的关键基础设施产品：
NVIDIA Spectrum-X以太网共封装光学器件（CPO）
基于Spectrum-X架构，采用双芯片设计，单ASIC带宽达102.4Tb/s，端口速率800Gb/s；提供512端口高密度及128端口紧凑型系统。相比传统方案，能效提升5倍、可靠性提升10倍、应用正常运行时间提升5倍，显著降低数据中心TCO。
NVIDIA推理上下文内存存储平台
全球首个POD级AI原生存储基础设施，专为KV Cache设计，依托BlueField-4与Spectrum-X加速，与Dynamo、NVLink深度协同，将上下文作为一等数据类型管理。
实现推理性能与能效均提升5倍，有效缓解Agentic AI、RAG、多轮对话等长上下文场景下的GPU重复计算瓶颈。该平台独立于主机系统，通过DPU外接扩展，支持海量上下文复用与共享，避免KV Cache重建延迟。
NVIDIA DGX SuperPOD（基于Vera Rubin）
采用8套DGX Vera Rubin NVL72系统构建，集成NVLink 6纵向扩展、Spectrum-X横向扩展及推理上下文内存存储平台，由Mission Control统一调度。相较Blackwell平台，相同规模MoE模型训练所需GPU减少至1/4；大型MoE模型token成本降至1/10。
同时发布DGX Rubin NVL8版本，进一步适配多样化部署需求。该系统已通过工程化验证，支持交钥匙式部署。
开放模型宇宙再扩展：新模型、数据集与开源生态的重要贡献者
英伟达持续加码开源投入，2025年成为Hugging Face最大开源模型与数据集贡献者，发布650个开源模型、250个开源数据集，覆盖Agentic RAG、安全、语音及通用机器人等方向。
其Nemotron系列新增Agentic RAG模型、多模态安全模型、语音理解模型；并推出面向所有类型机器人的全新开放模型，支撑开发者快速构建私有化、可定制的AI系统。
英伟达已将主流开源框架整合为标准化“蓝图”，嵌入SaaS平台，支持一键部署。演示显示：系统可按需调用本地私有模型或云端前沿模型，自主调用邮件API、日历服务、机器人控制接口，并统一处理文本、语音、图像与传感信号，已在ServiceNow、Snowflake等企业平台落地应用。
开源Alpha-Mayo模型：让自动驾驶汽车“思考”
英伟达正式发布Alpha-Mayo——业内首个开源的推理型物理AI基础模型，专为L4级自动驾驶打造。该模型具备100亿参数，在保持轻量级的同时，支持在研究人员工作站上运行。
Alpha-Mayo融合文本指令、环视摄像头、车辆历史状态与导航输入，输出行驶轨迹及完整推理链，实现可解释、可验证的安全决策。宣传片演示其在无接管前提下完成行人避让、预判左转车辆并主动变道等复杂边缘场景。
配套发布Alpha-Sim开源评估仿真框架及部分训练数据集；开发者可结合Cosmos世界基础模型生成合成数据，开展真实+合成联合训练。NVIDIA DRIVE平台已投入量产，搭载Alpha-Mayo的梅赛德斯-奔驰全新CLA车型已获NCAP“全球最安全汽车”认证，即将登陆美国市场，并将于年内推送高速公路脱手驾驶及城市端到端自动驾驶能力。
波士顿动力、Franka Robotics、LG电子、智元机器人等全球头部机器人厂商均已基于NVIDIA Isaac与GR00T平台开发；西门子亦宣布将CUDA-X、AI模型与Omniverse深度集成至其EDA、CAE与数字孪生工具链中。
结语：左手拥抱开源，右手将硬件系统做到不可替代
AI正从训练密集型迈向推理规模化，“工厂化运行”成为新范式。平台竞争已超越单点芯片，转向覆盖芯片、机架、网络、存储与软件的全栈系统工程，核心目标是以最低TCO交付最高推理吞吐。
Vera Rubin兼顾训练与推理双重优化，支持Blackwell即插即用平滑升级；通过强化纵向与横向互连能力、重构上下文存储层级、深化软硬协同设计，英伟达持续扩大AI token消耗需求，推动推理基础设施普及。
一边大举开源模型与工具，一边将硬件互连、系统架构与平台生态构筑为高壁垒技术护城河——这种“开放牵引生态、封闭强化价值”的双轨策略，正使英伟达在AI基础设施时代建立愈发难以撼动的领先地位。
