10 月初，产业链传出的关键进展是：新一代 Vera Rubin NVL72 不再是 roadmap 上的参数，而是真的进了生产环境。CoreWeave 已把 NVL72 送进生产部署，编码智能体公司 Cognition 成为首个跑生产负载的客户。与此同时，Google Cloud、Azure、Oracle、Mistral 等都在列部署名单。据现场数据，在 SWE-2 这类智能体负载上，NVL72 的总 Token 吞吐较 GB200 NVL72 提升约 4.8 倍，强化学习每 GPU 输出提升约 3.8 倍。

成本数字是怎么往下走的

英伟达官方口径很有说服力：GB300 NVL72 在单用户交互 116 TPS 场景下，借助 Dynamo 与 TensorRT-LLM 把推理成本做到每百万 token 约 0.123 美元（SemiAnalysis 2026 年 4 月基准），比 HGX H200 低约 35 倍。而 Vera Rubin NVL72 更狠——每百万 token 成本约为 GB200 NVL72 的十分之一，每兆瓦 Token 产出最高约 10 倍；按 SemiAnalysis 的 AgentX 数据，相较 GB300 NVL72 每百万 token 成本还能再降约 45 倍。

这套机器的物理配置是 72 颗 Rubin GPU 加 36 颗 Vera CPU，NVFP4 推理算力达数千 PFLOPS 级别。

为什么「投产」比「发布」重要

发布只证明能做出来，投产才证明能源源不断地卖、客户敢真金白银地跑。Cognition 这类客户用 Devin 这类产品同时开更多会话、跑多步推理不再排队，说明智能体负载真的在吃掉新硬件。对 AI 工厂而言，每兆瓦吞吐决定收入，每百万 token 成本决定利润——这正是英伟达反复强调的算账逻辑。

这套机器的物理配置是 72 颗 Rubin GPU 加 36 颗 Vera CPU，配合 NVLink 与高速互联，把整机做成一个统一的计算池。它对应的不再是一台台服务器，而是一座座「AI 工厂」的标准产线。

从 H200 到 GB300 再到 Vera Rubin，每百万 token 成本被连续打下来，背后是硬件、互联、软件栈的协同优化。这种节奏意味着，智能体的规模化商用第一次在经济上变得可持续。

判断

Vera Rubin 的量产意味着智能体规模化的最后一块拼图在补齐：当持续在线的 Agent 成为主流，按 token 计的推理成本会被新一代机架再次压低。对创业公司，这是好消息——单位任务成本下行让更多商业模式跑得通；对英伟达，这是它把「卖卡」升级成「卖 AI 工厂产能」的又一年。

去论坛讨论

这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Vera Rubin NVL72