NVIDIA 在 CES 2026 上发布 Vera Rubin 架构：VR NVL72 机架

在 2026 年国际消费电子展 (CES) 上，NVIDIA 发布了 Rubin 平台，其核心产品是 Vera Rubin NVL72 机架式系统。这是 NVIDIA 的第三代机架式架构，将六款联合设计的芯片集成到一个统一的系统中。该平台将于 2026 年下半年通过合作伙伴渠道发售，所有六款芯片均已完成制造，目前正在进行实际工作负载验证。

Vera Rubin NVL72：六芯片，一个统一系统

Vera Rubin NVL72 采用了 NVIDIA 所谓的“极限协同设计”，其中六个不同的芯片被共同开发，以作为一个统一的系统运行。

Vera CPU：专为人工智能工厂设计的ARM芯片

NVIDIA 首次展示的芯片是 Vera CPU，NVIDIA 继续加大对用于 AI 工作负载的定制 ARM 芯片的投入。Vera CPU 基于 88 个定制的 Olympus ARM 内核，完全兼容 Armv9.2，专为满足现代 AI 工厂的数据传输和智能体处理需求而设计。它采用 NVLink-C2C 连接，可为 Rubin GPU 提供 1.8 TB/s 的带宽，C2C 带宽是上一代产品的两倍，运行速度是 PCIe Gen 6 的七倍。与上一代 Grace CPU 相比，Vera CPU 在数据处理、压缩和代码编译方面的性能提升了一倍。

代际对比：Blackwell Ultra 与 Vera Rubin NVL72

Rubin GPU：Transformer Engines、NVFP4 和 HBM4

接下来是本次发布会的明星产品——NVIDIA Rubin GPU。它搭载了第三代Transformer引擎，并配备了硬件加速的自适应压缩技术。这项技术能够动态调整Transformer各层的精度，在可以降低精度的地方提高吞吐量，同时在关键区域保持高精度。这款NVFP4实现的推理计算能力高达50 petaflops（是Blackwell的5倍），训练计算能力高达35 petaflops（是Blackwell的3.5倍）。Rubin GPU是首款集成HBM4显存的GPU，带宽高达22 TB/s，这一显著提升解决了大型MoE模型面临的内存带宽瓶颈问题。

NVLink 6：机架级全对全通信

NVIDIA NVLink 6 交换机将单 GPU 带宽提升至 3.6 TB/s，整套机架可提供 260 TB/s 的纵向扩展网络带宽——超过全球互联网横截面带宽的两倍。这种纵向扩展架构使每个 GPU 都能同时与其他所有 GPU 通信（这是 MoE 专家并行计算的必要条件），其中所有专家必须在集群内共享计算结果。内置的网络内计算能力可加速集体运算并减少网络拥塞，从而卸载原本会占用 GPU 计算周期的工作。

ConnectX-9 SuperNIC：重新定义横向扩展网络

NVIDIA ConnectX-9 超级网卡可处理横向扩展网络，每个 GPU 可提供 1.6 TB/s 的 RDMA 带宽，实现机架外部的通信。ConnectX-9 与 Vera CPU 联合设计，旨在最大限度地提高数据路径效率，并引入完全软件定义、可编程的加速数据路径，使 AI 实验室能够实现针对其特定模型架构优化的自定义数据传输算法。

BlueField-4 DPU 和 ASTRA 安全架构

BlueField-4 是 NVIDIA 的第四代数据处理单元 (DPU)，它从根本上重新定义了 AI 工作负载的存储和网络架构。与 BlueField-3 的 16 个 ARM Cortex-A78 核心相比，这款全新的 DPU 配备了 64 核 NVIDIA 级 CPU，计算性能提升了 6 倍。它集成了 ConnectX-9 SuperNIC（而非 BlueField-3 的 ConnectX-7），网络带宽翻倍至 800 Gb/s。GPU 对数据存储的访问速度也比上一代产品快了 2 倍。除了规格上的提升，BlueField-4 的意义在于它所实现的：一种全新的 AI 原生存储基础设施，NVIDIA 将其定位为大规模智能 AI 的关键所在。

BlueField-4 将网络、存储和安全处理任务卸载到 CPU 上，使 Rubin GPU 和 Vera CPU 能够专注于模型执行。它已完全集成到 NVIDIA 企业级 AI 工厂的验证设计中，并获得 Red Hat、Palo Alto Networks、Fortinet 等公司的生态系统支持。

BlueField-4 还引入了 ASTRA（高级安全可信资源架构）。这种系统级信任架构提供了一个统一的控制点，用于安全地配置、隔离和运行大规模 AI 环境，同时不会影响性能。

整个机架上的机密计算

Vera Rubin NVL72 是首款在整个系统范围内提供 NVIDIA 机密计算的机架级平台。第三代机密计算可在 CPU、GPU 和整个 NVLink 域中维护数据安全，所有总线在传输过程中均经过加密。这解决了企业和 AI 实验室在共享基础设施上运行专有模型时日益关注的问题：即使部署在第三方系统上，也能确保模型、训练数据和推理工作负载的安全。

NVIDIA Spectrum-6 以太网交换机为 NVIDIA 的横向扩展网络提供强大支持。它基于 200G SerDes 技术，采用共封装光模块 (CPO)，交换容量高达 102 TB/s，可为 VR NVL72 机架提供东西向流量支持。采用 CPO 技术意义重大。NVIDIA 声称，通过将光模块直接集成到交换机芯片中，与传统的可插拔光模块相比，可靠性提高了 10 倍，正常运行时间延长了 5 倍，电源效率提高了 5 倍。

降低教育部模型成本和提高效率

NVIDIA 表示，VR NVL72 在与 Blackwell 相同的延迟下，进行大型混合专家模型推理时，代币成本仅为 Blackwell 的七分之一。它只需四分之一的 GPU 即可在相同时间内训练相同的大型 MoE 模型。该平台每瓦的推理计算能力是 Blackwell 的 8 倍。

这些改进满足了 MoE 模型的需求，这类模型针对任何给定的令牌仅激活其专家子集。例如，Kimi K2 Thinking 模型使用了 384 位专家，但每次只激活 8 位，这需要大量的 GPU 间通信。VR NVL72 的 260 TB/s 可扩展网络能够处理这种通信模式。

专为大规模应用而设计的无缆机架

VR NVL72 采用模块化、无电缆、无风扇、无软管的托架设计，仅使用 PCB 和连接器，无需内部布线。计算托架插入机架时通过盲插连接器连接，无需手动布线。唯一的外部连接是连接到液冷模块的两根液体进出水软管。

之前的系统，例如 GB300 NVL72，组装一个计算托架大约需要 100 分钟。每根线缆连接都是潜在的故障点，在数十万个 GPU 的规模下，这个问题尤为严重。线缆布线限制了散热路径并占用空间，而风扇则增加了机械复杂性和噪音。

全新设计将组装和维护时间缩短了 18 倍。该平台还配备了第二代 RAS（可靠性、可用性、可维护性）引擎，涵盖 GPU、CPU 和 NVLink，提供实时健康检查、容错和主动维护功能。NVLink 交换机托架现在支持零停机维护，即使移除或部分安装交换机托架，机架也能保持运行。在数十万 GPU 的规模下，这些可维护性的改进将直接转化为集群的正常运行时间和吞吐量。

这种架构为未来更高密度的配置奠定了基础。这也是关键所在。 允许之前预告过的 我们在人工智能基础设施峰会上介绍了 Vera Rubin CPX 机架设计。此外，还增加了上下文处理 GPU。 在原本就十分紧凑的设计中，仍然使用相同的计算模块。

推理上下文记忆存储平台

NVIDIA 在 CES 2026 上发布了推理上下文内存存储平台，这是一种专为键值缓存 (KV 缓存) 构建的全新 AI 原生存储基础设施。该平台采用 BlueField-4 和 Spectrum-X 以太网技术，与用于推理上下文的传统网络存储相比，其每秒令牌处理能力提升高达 5 倍，每美元总拥有成本 (TCO) 性能提升高达 5 倍，能效提升高达 5 倍，并且首次令牌处理时间缩短了 20 倍。BlueField-4 的硬件加速 KV 缓存放置功能消除了元数据开销并减少了数据移动，而 Spectrum-X 以太网则为基于 RDMA 的访问提供了高带宽、低延迟的架构。

该平台旨在解决LLM推理中日益严重的瓶颈：键值缓存管理。Transformer模型使用注意力机制，其中每个生成的token都必须关注所有先前的token。如果没有缓存，则需要为每个token重新计算键值向量，导致复杂度为O(n²)。键值缓存将这些预先计算好的矩阵存储在内存中以供重用，从而将复杂度降低到O(n)。问题在于，键值缓存的大小与序列长度和批处理大小呈线性增长。一次长上下文对话可能会消耗数GB的内存。在多租户环境中，处理跨越数百万token的上下文窗口的数千个并发请求，GPU HBM将不堪重负。运维人员必须要么减小批处理大小，要么缩短上下文窗口，要么购买更多GPU。

传统网络存储并非为键值缓存访问模式而设计，这种模式需要对分布在多个并发会话中、可能高达TB级的瞬态数据进行低延迟随机访问。推理上下文内存存储平台提供了一个专用的存储层，专门针对这种工作负载进行了优化，位于GPU HBM和传统存储之间。这使得AI工厂能够独立于GPU计算扩展上下文容量。我们之前介绍过如何使用Pliops的键值缓存加速器在NVIDIA Dynamo中实现键值缓存卸载。NVIDIA通过NVIDIA推理上下文内存存储平台进一步扩展了这一功能，并将其集成到其开源的Dynamo项目中。这提供了一个软件框架，将这个新平台的解耦预填充/解码阶段、智能路由和分层存储卸载整合在一起。

包括 VAST Data、NetApp、DDN、戴尔科技、HPE、日立 Vantara、IBM、Nutanix、Pure Storage 和 WEKA 在内的存储合作伙伴正在构建基于 BlueField-4 的平台。这些平台将于 2026 年下半年上市。

Alpamayo：基于推理的自动驾驶车辆物理人工智能

NVIDIA 发布了 Alpamayo 系列开源 AI 模型、仿真工具和数据集，旨在加速安全、基于推理的自动驾驶汽车 (AV) 开发。Alpamayo 系列引入了基于思维链和推理的视觉-语言-动作模型，使自动驾驶汽车的决策过程能够模拟人类的思维方式。NVIDIA Halo 安全系统为这些系统提供了支持。

传统的自动驾驶架构将感知和规划分离，这会在出现新的或异常情况时限制其可扩展性。罕见且复杂的场景“长尾效应”仍然是自动驾驶系统安全应对的最大挑战之一。Alpamayo 通过使模型能够推理因果关系，逐步思考新的场景，从而提高驾驶能力和可解释性，解决了这一问题。

Alpamayo 模型并非直接在车辆中运行，而是作为大规模的教学模型，开发者可以对其进行微调，并将其提炼成完整自动驾驶技术栈的核心。开发者可以将 Alpamayo 适配成更小的运行时模型用于车辆开发，或者将其用作自动驾驶开发工具（例如基于推理的评估器和自动标注系统）的基础。

Alpamayo 模型、仿真和开放数据集

Alpamayo 1 是业界首款面向自动驾驶研究领域的链式推理 VLA 模型，现已在 Hugging Face 平台上线。Alpamayo 1 采用 10 亿参数架构，利用视频输入生成轨迹和推理过程，展现每个决策背后的逻辑。Alpamayo 1 提供开源的模型权重和推理脚本。该系列未来的模型将拥有更高的参数数量、更精细的推理能力、更灵活的输入输出以及更多商业应用选项。

AlpaSim 是一个完全开源的端到端仿真框架，用于高保真自动驾驶汽车开发，可在 GitHub 上获取。它提供逼真的传感器建模、可配置的交通动态和可扩展的闭环测试环境，从而实现快速验证和策略改进。

物理人工智能开放数据集包含超过 1,700 小时的驾驶数据，涵盖了最广泛的地理区域和路况，囊括了罕见且复杂的现实世界边缘案例，对于推进推理架构至关重要。这些数据集可在 Hugging Face 上获取。

开发人员可以根据专有的舰队数据微调 Alpamayo 模型版本，将其集成到使用 NVIDIA DRIVE AGX Thor 加速计算构建的 NVIDIA DRIVE Hyperion 架构中，并在商业部署之前通过模拟验证性能。

NVIDIA DRIVE、冗余AV堆栈和梅赛德斯-奔驰CLA

英伟达已投入数千人的团队，在自动驾驶汽车领域深耕八年。该公司构建了完整的技术栈：芯片（双路Orin处理器、下一代双路Thor处理器）、基础设施（Omniverse和Cosmos）、模型（Alpamayo）以及应用层。五年前，梅赛德斯-奔驰与英伟达合作部署了这套技术栈。

首款采用NVIDIA全栈式自动驾驶技术的梅赛德斯-奔驰CLA将于2026年第一季度在美国上市，第二季度在欧洲上市，第三/四季度在亚洲上市。欧洲新车安全评鉴协会（Euro NCAP）给予CLA最高主动安全评分，该评分是2025年所有参赛车辆中最高的。系统中的每一行代码和每一个芯片都经过了安全认证。

该系统并行运行两套完整的自动驾驶（AV）协议栈。Alpamayo 协议栈采用链式推理，能够处理复杂的驾驶场景。其底层是一套完整的传统自动驾驶协议栈，具有完全可追溯性，耗时六到七年才开发完成。策略和安全评估人员会根据置信度决定使用哪套协议栈。如果 Alpamayo 遇到置信度不足的场景，系统将回退到传统协议栈。这种软件的多样性和冗余性，与安全关键型系统处理硬件冗余的方式相呼应。

NVIDIA 将继续使用新版本的 Alpamayo 更新系统。包括捷豹路虎、Lucid、Uber 和伯克利 DeepDrive 在内的移动出行合作伙伴正在使用 Alpamayo 开发基于推理的 L4 级自动驾驶技术。

新型物理人工智能模型和机器人技术公告

除了基础设施和系统方面的发布，NVIDIA 还利用 CES 2026 推进其物理人工智能战略，发布了新的开放模型、框架和边缘平台，以加速机器人技术的发展。该公司推出了用于机器人学习的 Cosmos 世界模型和 GR00T 推理模型的更新版本，以及用于大规模机器人评估的全新开源工具（包括 Isaac Lab-Arena）。OSMO 是一个边缘到云的编排框架，旨在简化跨异构计算环境的训练工作流程。

NVIDIA重点介绍了其机器人技术栈在业界的广泛应用，包括Boston Dynamics、Caterpillar、LG Electronics和NEURA Robotics在内的合作伙伴展示了基于NVIDIA技术构建的下一代自主机器人。该公司还宣布与Hugging Face加强合作，将NVIDIA Isaac和GR00T模型集成到开源的LeRobot框架中，进一步扩大全球机器人开发者社区的访问权限。

在边缘计算领域，NVIDIA 确认了搭载 Blackwell 处理器的 Jetson T4000 模块的上市，该模块可显著提升自主机器和工业机器人的 AI 计算能力和能效。这些公告共同强化了 NVIDIA 将其全栈 AI 平台扩展到数据中心之外的战略，该平台涵盖仿真、模型、边缘计算以及在机器人和自主系统中的实际部署。