英伟达Vera Rubin首秀横扫MLPerf:单卡性能翻倍、能效10倍,财报前夜的底牌还是烟雾弹

2026年11月16日,英伟达在财报前夜打出了一张事先张扬过的牌:新一代 Vera Rubin 平台在 MLPerf Training v6.1 基准测试中首次亮相,七项测试全部拿下最快成绩,单卡性能最高达到上一代 GB300 NVL72 的 2 倍;同一天公布的另一组智能体推理成绩更夸张——在相同响应速度下,每瓦吞吐量超过 GB300 的 10 倍。时间点耐人寻味:就在四天前,创始人黄仁勋辞任 CEO,英伟达股价上周跌去 12.8%,创下 2025 年 3 月以来最差单周;24 小时之后,公司就要交出黄仁勋走后的第一份财报。这份成绩单到底是新平台实力的真实写照,还是管理层在风波中急需的一针强心剂?答案要分开看:训练部分的 2 倍有实打实的数字支撑,推理部分的 10 倍则还挂着“暂定结果”的标签,远没到可以盖棺定论的时候。

成绩单先看数字:七项全胜,六项单卡翻倍

MLPerf 是 AI 芯片行业最受认可的第三方基准测试,由行业组织 MLCommons 主持,芯片厂商、云厂商和超算中心都会拿自家系统去跑分。Training v6.1 这一轮覆盖大语言模型、图像生成、推荐系统和强化学习后训练等七项测试,考的是把一个模型从零训练到指定精度要花多长时间。英伟达公布的成绩是:Vera Rubin NVL72 在全部七项测试中都跑出了最快成绩,并且是本轮唯一在全部七项都提交了成绩的平台。另有 20 家机构用英伟达平台提交了成绩,包括 Azure、CoreWeave、戴尔、谷歌云、HPE、Lambda、甲骨文、Supermicro 和佛罗里达大学等,这个名单本身就说明,英伟达的软件栈和硬件已经铺进了主流云厂商和超算中心,Rubin 不是实验室里的孤品。

具体到单项,六项测试的单卡性能最高达到 GB300 NVL72 的 2 倍。拆开看:DeepSeek-V3 671B 是 2 倍,gpt-oss 20B 是 1.6 倍,Llama 3.1 8B 是 1.6 倍,Llama 2 70B LoRA 微调是 1.5 倍,新加入的智能体强化学习后训练测试 Qwen3.5 397B GRPO 是 1.4 倍。也就是说,翻倍不是某一个模型上的偶然,而是从稠密模型到混合专家模型、从预训练到后训练的普遍提升。对于买家来说,这个数字的实际含义很直观:同样的训练任务,理论上用一半的卡就能在相近时间内完成,或者用同样的卡数把训练周期压缩一半。

最难的那一项值得单独说。DeepSeek-V3 671B 是一个 6710 亿参数的混合专家模型,是本轮七项测试里工作量最大、最难啃的一块。Vera Rubin NVL72 用 1024 块 GPU、16 个机架,4.14 分钟就完成了训练;同一配置的 GB300 NVL72 需要 8.03 分钟,接近 2 倍。更能说明问题的是扩展性:从 256 块 GPU 扩展到 1024 块,扩展效率约 97%,训练时间从约 16 分钟降到约 4 分钟。GPU 数量翻两番、时间只剩四分之一,意味着多机架互联没有成为瓶颈。过去很多芯片单卡跑分漂亮,一上千卡规模就因为通信开销大打折扣,Rubin 这一轮恰恰是在最容易露馅的地方交出了干净的成绩。

还有一个细节容易被忽略:这一轮还加入了 Qwen3.5 397B GRPO,这是 MLPerf 第一次把智能体大模型的强化学习后训练列为正式测试。Vera Rubin 在 1024 块 GPU 上用 10.44 分钟完成,GB300 同规模是 13.78 分钟。行业风向正在从“预训练越大越好”转向“后训练和智能体越来越重要”,新测试的出现本身就是信号,而 Rubin 在新测试上同样最快,说明英伟达瞄准的正是下一个阶段的算力需求,而不是只守着上一代的长处。

2 倍从哪来:不只是芯片更快,更是整机架的代际换代

单卡性能翻倍听起来像一句广告语,但放在英伟达的产品节奏里,它是一次按部就班的代际交接。Vera Rubin 是英伟达在 Blackwell 之后的下一代 AI 平台,NVL72 指的是 72 块加速器组成的整机架系统。英伟达这一轮拿来对比的基线,是经过高度优化的 GB300 NVL72,也就是 Blackwell Ultra 的满配机架,而不是随便找一个弱基线来衬托。换句话说,2 倍是在“上一代最强形态”身上打出来的,这比拿低配版本做对比要有说服力得多。

需要提醒的是,MLPerf 测的是“系统级”成绩,不是单颗芯片的理论峰值。一台 NVL72 机架的成绩,背后是芯片、机架内互联、机架间网络、内存系统和软件栈共同作用的结果。英伟达在官方博客里特别提到,Vera Rubin 首秀就能跑出这样的成绩,说明它的 CUDA 软件栈在新架构上已经相当成熟。这个说法值得留意:历史上新架构首秀常常因为软件没跟上而跑不出硬件的全部实力,Rubin 第一轮就全项最快,意味着客户拿到手之后不需要等漫长的软件打磨期,性能兑现的速度会比以往更快。

但也要把话说完整:MLPerf 训练测试衡量的是“在规定时间内把模型训到指定精度”,它不等于真实业务的全部。真实训练任务的模型结构、数据分布、容错需求和成本约束千差万别,某家公司自己的模型在 Rubin 上能快多少,要看它自己的工作负载。2 倍是一个有分量的信号,不是一张可以原样套用到所有场景的保证书。

10 倍能效:最亮眼的数字,也最需要打折扣

如果说训练部分的 2 倍是扎实的好消息,智能体推理部分的 10 倍就是需要睁大眼睛看的一条。英伟达首次参加了 MLPerf Endpoints v1.0,这是一项新测试,考的不是训练,而是智能体在真实编码和企业工作流里的表现:模型要多轮调用工具、检查结果、完成任务,既要快,还要保证任务完成率。在 Kimi K3 模型的测试中,Vera Rubin NVL72 在相同响应速度下,每瓦吞吐量超过 GB300 NVL72 的 10 倍。具体数字是:Vera Rubin 用 32 块加速器跑出 41,414.2 tokens/秒,功耗 100.89 千瓦;GB300 用 48 块加速器跑出 2,210.4 tokens/秒,功耗 60 千瓦。换算下来,Rubin 不仅总吞吐量高出一个数量级,用的加速器还更少。

为什么这个数字对行业这么重要?因为数据中心真正的瓶颈早就不是买不买得起芯片,而是弄不到足够的电。一座数据中心的供电和散热是有上限的,在同样的电力预算下,每瓦能多干多少活,直接决定了能同时服务多少个智能体用户。智能体的工作方式又特别耗算力:一个任务要来回多轮推理、反复调用工具,token 消耗量远高于一次性的问答。谁能在单位电力下多跑智能体,谁就能在同样的机房里多赚钱。这正是英伟达把“每瓦吞吐量”放在标题里的原因。

但是,这个 10 倍必须打上一个醒目的限定:Endpoints 的 Vera Rubin 成绩是 provisional,也就是暂定结果,尚待 MLCommons Association 核验与同行评审,可能变动。英伟达自己的脚注写得明白,GB300 的成绩已经过 MLCommons 核验,而 Vera Rubin 的成绩还在等待核验,同行评审之后数字可能调整。训练部分的成绩没有这个问题,但推理部分的 10 倍在核验完成之前,只能当作“英伟达提交的暂定成绩”,不能当作已经盖章的定论。任何把 10 倍写成既定事实的标题,都是在透支这个数字的可信度。

另外还有两个技术细节值得注意。第一,两边的对比口径并不完全对称:Vera Rubin 跑了 1024 个并发查询,GB300 的对照组只跑了 48 个并发查询,虽然双方都满足了“每用户每秒至少 50 个 token”的响应速度门槛,但并发规模不同,吞吐量的量级差异里有一部分来自规模本身。第二,英伟达公布的 Kimi K3 只是其中一个模型,同一批还包括 DeepSeek-V4.1-Flash 和 Qwen3.6-35B-A3B 等模型,不同模型上的倍数并不相同。10 倍是 Kimi K3 这一个点上的数字,不是所有智能体工作负载的通用结论。

为什么偏偏是现在:财报前夜,风波之中的一张牌

成绩公布的时机,很难说只是巧合。11 月 12 日前后,黄仁勋辞任英伟达 CEO,董事会任命 CFO Colette Kress 为临时 CEO,同时表示正在调查相关事宜并物色继任者。消息传出后,NVDA 上周跌 12.8%,是 2025 年 3 月以来最差的单周表现。11 月 17 日周二盘后,英伟达就要发布财报,市场预期营收约 1092 亿美元,这是黄仁勋离任后的第一份财报,也是 Kress 第一次以临时 CEO 身份面对华尔街的电话会。在这个节骨眼上公布一份横扫基准测试的成绩,技术意义之外,显然也有稳定军心的意思:公司要告诉市场,产品路线图没有因为人事变动而停摆,下一代平台已经能拿出成绩。

但市场会不会买账,要看 11 月 17 日财报电话会上的回答。财报数字本身反映的是已经结束的那个季度,而黄仁勋离任发生在季度结束之后,财报数字并不能回答“公司接下来由谁掌舵、战略会不会变”这个真正的问题。真正能安抚市场的,是 Kress 能不能在电话会上讲清楚三件事:Rubin 的量产和交付时间表有没有变化,下一季度的指引是否依然强劲,以及董事会对继任者的安排推进到了哪一步。基准测试的成绩可以证明产品没出问题,但它回答不了人事问题,投资者心里清楚这一点。

还有一个背景不能忽略。就在 11 月 16 日当天,供应链分析师郭明錤称 OpenAI、Anthropic 向谷歌下了大额 TPU 订单。这个消息与本文的主题不在同一条线上,细节留给本轮另一篇文章展开,但它提醒了一件事:英伟达的客户正在认真地给自己准备备选方案。Rubin 的成绩越漂亮,这个背景就越值得玩味——如果客户对英伟达的供应和定价完全放心,何必急着向竞争对手下大单?

对买家意味着什么:省电就是省钱,但下单前先看三点

对正在规划算力采购的云厂商和大模型公司来说,Rubin 的成绩单指向一个很实际的结论:如果数字在真实工作负载上大致成立,同样规模的训练和推理任务,Rubin 需要的卡数更少、耗电更低、机房占用更小。在电力已经成为数据中心第一约束的今天,这三点加起来就是真金白银。CoreWeave 同一天公布的成绩提供了一个旁证:这家云厂商用 256 块 Rubin GPU 在 17.65 分钟内训完了 DeepSeek-V3 671B,比它自己同规模的 GB200 系统快 2.7 倍,而且是第一家拿出多机架 Rubin 成绩的云厂商。第三方云厂商能复现接近的提升,说明 Rubin 的性能不是只存在于英伟达自己的实验室里。

但买家下单之前,至少要先看清三点。第一,英伟达没有公布 Rubin 的售价,也没有给出具体的客户交付时间表,性能翻倍不等于性价比翻倍,最终要看每美元、每瓦特能买到多少有效算力。第二,训练测试里的 2 倍和推理测试里的 10 倍,测的都是标准化模型,买家自己的模型结构不同,提升幅度也会不同,采购决策之前必须用自己的工作负载实测。第三,供应是另一个变量:新平台量产初期的产能爬坡、机架级系统的交付周期,都会影响实际到货时间。成绩单解决的是“值不值得买”的问题,回答不了“什么时候能拿到货”。

对竞争对手意味着什么:谷歌 TPU 和 AMD 的压力同时变大

Rubin 首秀横扫,对竞争对手来说不是好消息。先看谷歌。TPU 一直是英伟达在数据中心领域最现实的替代者,谷歌既用 TPU 训练自家模型,也通过谷歌云对外出租 TPU 算力。OpenAI 和 Anthropic 向谷歌下大额 TPU 订单的消息,说明头部模型公司正在把鸡蛋往不同的篮子里放。但 Rubin 的 2 倍训练性能和 10 倍推理能效(即使后者还是暂定成绩),等于把英伟达与追赶者之间的代际差距又拉开了一档。谷歌要留住这些新客户,TPU 的下一代产品必须拿出能对标的成绩,否则“备选方案”的吸引力会随着 Rubin 的量产而递减。

再看 AMD。AMD 的 MI 系列加速器在过去两年里一直在争夺英伟达之外的市场份额,尤其是在对成本敏感的推理市场。但 MLPerf 这一轮里,唯一在全部七项训练测试中提交成绩的平台是英伟达,AMD 并没有拿出全项覆盖的成绩单。Rubin 的出现意味着 AMD 追赶的目标又往前挪了一代,差距不是缩小了,而是在拉大。当然,基准测试不是市场的全部,AMD 的优势一直在于价格和开放生态,英伟达的 CUDA 护城河再深,也总有客户愿意为第二供应商留出份额。但从技术叙事的角度看,Rubin 的首秀让 AMD 的追赶故事变得更难讲了。

更深一层的影响在行业格局上。过去几年,AI 算力的竞争是“英伟达一家独大、其他人分食剩余市场”,Rubin 的成绩如果能在量产中兑现,这个格局短期内很难被撼动。真正的变数不在芯片本身,而在客户的战略选择:头部模型公司愿不愿意为了供应链安全,持续向谷歌 TPU、AMD 甚至自研芯片投入真金白银。11 月 16 日的 TPU 大单消息和 Rubin 的成绩单同时出现,恰好说明这场拉锯还在继续,技术领先和客户分流这两股力量正在互相角力。

投资者与从业者接下来盯什么:三件事,缺一不可

第一件是 MLCommons 对 Endpoints 暂定成绩的核验结果。训练部分的成绩已经板上钉钉,但 10 倍能效这个最抓眼球的数字还在等待核验与同行评审。如果核验后数字基本不变,Rubin 在智能体推理上的领先地位就坐实了;如果出现明显下调,市场对这轮宣传的信任度会打折扣,英伟达的股价也可能跟着波动。核验结果公布的时间点值得盯紧,它是这轮成绩单里唯一还没落地的部分。

第二件是 11 月 17 日的财报电话会。市场预期营收约 1092 亿美元,数字本身大概率会达标,真正的看点在指引和人事。Kress 会不会给出下一季度同样强劲的指引?她会不会谈 Rubin 的量产进度和客户订单情况?董事会对继任 CEO 的物色有没有时间表?这三个问题的回答,决定了财报夜之后股价往哪个方向走。基准测试的成绩已经把“产品行不行”的问题提前回答了一半,电话会要回答的是“公司稳不稳”。

第三件是 Rubin 的量产与交付时间表。基准测试跑得再快,也要变成能按时交货的机架才算数。英伟达至今没有公布 Rubin 的具体上市时间和客户交付节奏,下一阶段要看公司在财报电话会和后续场合的表态,以及 CoreWeave、戴尔、Supermicro 这些合作伙伴的交付动态。历史经验是,新平台从基准测试首秀到大规模交付之间往往隔着几个季度,这段时间里任何关于产能和良率的消息,都会直接影响市场对 Rubin 的估值。

对从业者来说,还有一个更实际的看点:Rubin 的软件栈成熟度。英伟达强调 CUDA 软件栈在新架构上已经高度成熟,CoreWeave 等第三方能快速复现成绩就是佐证。如果 Rubin 的软件生态真的做到了开箱即用,客户从 Blackwell 向 Rubin 迁移的成本会比预期更低,换代速度也会更快。反之,如果大规模部署中暴露出软件或系统层面的问题,2 倍的纸面性能就要打折扣。

结语:底牌是真的,但烟雾还没有散

回到标题里的问题:Vera Rubin 的首秀,到底是财报前夜的底牌,还是烟雾弹?从训练测试看,它更像底牌。七项全胜、六项单卡性能最高翻倍、DeepSeek-V3 上 4.14 分钟对 8.03 分钟、97% 的扩展效率,这些数字互相印证,而且有 20 家机构的第三方提交做旁证,含金量是实打实的。从智能体推理看,它更像一张还没完全翻开的牌:10 倍能效的数字确实惊人,但它还挂着 provisional 的标签,等 MLCommons 核验之后才能算数。把训练的 2 倍和推理的 10 倍混为一谈,当成同样可信的结论,是这轮宣传里最容易踩的坑。

更大的图景是,英伟达正处在一个罕见的时刻:产品线上,Rubin 刚刚证明了自己仍在代际领先;管理层上,公司却刚刚失去了执掌 33 年的创始人。基准测试可以证明芯片没出问题,但它证明不了公司治理没出问题。11 月 17 日的财报夜,投资者要同时消化这两件事:财报数字和电话会回答的是公司稳不稳,Rubin 的成绩单回答的是产品强不强。两个问题的答案加起来,才是英伟达接下来走向的完整画面。至少在今天,产品这一半的答案是肯定的。

相关阅读

© 版权声明
THE END
喜欢就支持一下吧
点赞180 分享
评论 共3条
头像-北美指南
欢迎您留下宝贵的见解!
提交
头像-北美指南

昵称

取消
昵称表情代码图片快捷回复