全球人工智能算力芯片龙头英伟达周二宣布
，推出专为长上下文工作负载设计的专用GPU Rubin CPX，用于翻倍提升当前AI推理运算的工作效率 ，特别是编程、视频生成等需要超长上下文窗口的应用。

　　英伟达CEO黄仁勋表示
，CPX是首款专为需要一次性处理大量知识（数百万级别tokens），并进行人工智能推理的模型而构建的芯片 。

　　需要说明的是 ，Rubin就是英伟达将在明年发售的下一代顶级算力芯片
，所以基于Rubin的CPX预计也要到2026年底出货
。下一代英伟达旗舰AI服务器的全称叫做NVIDIA Vera Rubin NVL144 CPX——集成36个Vera CPU 、144块Rubin GPU和144块Rubin CPX GPU。

（NVIDIA Vera Rubin NVL144 CPX机架与托盘，来源：公司博客）

　　英伟达透露 ，搭载Rubin CPX的Rubin机架在处理大上下文窗口时的性能
，能比当前旗舰机架GB300 NVL72高出最多6.5倍 。

　　据悉，下一代旗舰机架将提供8exaFLOPs的NVFP4算力 ，比GB300 NVL72高出7.5倍
。同时单个机架就能提供100TB的高速内存和1.7PB/s的内存带宽。

　　言归正传
，英伟达之所以要在Rubin GPU边上再配一块Rubin CPX GPU，自然是为了显著提升数据中心的算力效率——用户购买英伟达的芯片将能赚到更多的钱 。英伟达表示 ，部署价值1亿美元的新芯片，将能为客户带来50亿美元的收入
。

　　为何需要两个GPU？

　　作为行业首创之举
，英伟达的新品在硬件层面上分拆了人工智能推理的计算负载。

　　英伟达介绍称，推理过程包括两个截然不同的阶段：上下文阶段与生成阶段 ，两者对基础设施的要求本质上完全不同 。

　　上下文阶段属于计算受限（compute-bound）
，需要高吞吐量的处理能力来摄取并分析大量输入数据，从而生成首个输出token
。相反 ，生成阶段则属于内存带宽受限（memory bandwidth-bound）
，依赖高速的内存传输和高带宽互联（如 NVLink），以维持逐个token的输出性能。

　　当前顶级的GPU都是为了内存和网络限制的生成阶段设计 ，配备昂贵的HBM内存
，然而在解码阶段并不需要这些内存 。因此，通过分离式处理这两个阶段 ，并针对性地优化计算与内存资源
，将显著提升算力的利用率。

　　据悉，Rubin CPX专门针对“数百万tokens”级别的长上下文性能进行优化 ，具备30petaFLOPs的NVFP4算力
、128GB GDDR7内存
。

　　英伟达估计，大约有20%的AI应用会“坐等 ”首个token出现。例如解码10万行代码可能需要5-10分钟 。而多帧、多秒的视频
，预处理和逐帧嵌入会迅速增加延迟，这也是为什么当前的视频大模型通常仅用于制作短片
。

　　英伟达计划以两种形式提供Rubin CPX ，一种是与Vera Rubin装在同一个托盘上。对于已经下单NVL144的用户
，英伟达也会单独出售一整个机架的CPX芯片，数量正好匹配Rubin机架 。

（文章来源：财联社）