英伟达Vera Rubin加速部署，AI算力进入能效竞争
AI基础设施竞争正在进入一个新阶段。过去几年，科技巨头争夺的是GPU数量和数据中心规模，而现在，如何用更少的电力支撑更大规模的模型训练和推理，正在成为新的战场。
7月21日，英伟达宣布，面向“千兆级AI工厂”的下一代平台Vera Rubin正在全球扩大部署。包括CoreWeave、谷歌云、微软Azure以及甲骨文云在内的云计算服务商，已经开始采用Vera Rubin NVL72系统。
这意味着AI算力基础设施正在从单纯堆叠芯片，转向整套系统效率优化。
英伟达给出的数据颇具冲击力。根据CoreWeave测试结果，Vera Rubin NVL72相比上一代Grace Blackwell NVL72，在每兆瓦电力消耗下，可以实现10倍Token吞吐提升。简单来说，在同样的能源条件下，新平台能够处理更多AI任务，这对于当前被电力成本限制的数据中心行业来说，吸引力非常明显。
AI模型越来越大，带来的问题也越来越现实。
过去，大模型竞争主要围绕参数规模展开。但随着GPT级别模型、企业级智能代理以及实时AI推理服务快速增长，算力需求已经从实验室训练阶段延伸到商业化运行阶段。大量企业需要的不只是训练一个模型，而是每天持续运行数百万次甚至更多推理请求。
这让数据中心开始面临类似工业生产的问题：单位能源产出的效率，决定长期竞争力。
Vera Rubin平台并不是简单升级一款GPU，而是一套完整计算架构。该系统整合了Vera CPU、Rubin GPU、NVLink 6高速互联技术、ConnectX-9 SuperNIC网络组件、BlueField-4 DPU以及Spectrum-6交换系统，试图从计算、通信、数据传输多个环节减少损耗。
这也是英伟达近年来不断强化系统级方案的原因。
过去，英伟达主要依靠GPU芯片占据AI基础设施核心位置。但随着AI数据中心规模扩大，单颗芯片性能提升已经无法完全解决问题。服务器之间的数据交换、网络延迟、电力管理和散热效率，都会影响最终AI服务成本。
因此，英伟达正在从“卖GPU”转向“打造AI工厂操作体系”。
这种变化也符合云厂商的需求。微软Azure、谷歌云和甲骨文云等企业，需要向客户提供稳定的大规模AI计算能力。如果基础设施成本持续上升，AI服务价格和利润空间都会受到影响。更高效的平台，可以帮助云厂商降低运营压力，同时提高单位机房面积的产出。
目前，英伟达表示，Vera Rubin已经覆盖全球350多个AI工厂节点，涉及30个国家。其目标并不只是提升算力，而是降低AI基础设施建设成本，提高能源利用效率。
不过，AI算力升级背后仍然存在新的挑战。先进芯片需要先进封装、存储、网络设备以及稳定电力供应，整个产业链都需要同步扩张。尤其是在美国等市场，数据中心电力供应已经成为限制AI发展的关键因素之一。
从GPU到整套AI工厂，英伟达正在重新定义人工智能基础设施的竞争方式。未来几年，AI公司的差距可能不只是模型能力的差距，也会体现在谁能更高效地管理算力、电力和数据流动。
Vera Rubin的推出，本质上是AI产业从“抢算力”走向“算效率”的一个信号。芯片性能依然重要，但如何让每一瓦电产生更多智能，正在成为下一轮竞争的核心。