CES_2026_英伟达六大芯片协同升级_算力+存力迈入新纪元_14页_1mb

报告摘要

CES 2026：英伟达六大芯片协同升级，算力+存力迈入新纪元

核心内容概述

在2026年国际消费电子展（CES）上，英伟达正式发布了Vera Rubin平台，该平台由六款全新芯片组成，旨在打造更高效的AI超级计算机。平台涵盖算力、存储、PCB、机架等多个环节的协同优化，标志着全球算力基础设施正向“AI工厂”范式转型。同时，英伟达进一步扩展其开源模型生态，并在物理AI领域推出多个商业化落地的模型与工具链，推动AI技术向更广泛的应用场景延伸。

主要观点与关键信息

1. Vera Rubin平台发布

平台组成：包含VeraCPU、RubinGPU、NVLink6交换机、ConnectX-9 SuperNIC、BlueField-4 DPU和NVIDIA Spectrum-6以太网交换机。
设计目标：通过六大芯片的协同设计，显著提升AI训练与推理效率，降低token成本。
旗舰产品：Vera Rubin NVL72机架级系统，支持更大规模的AI工厂部署，具备持续智能生成能力。

2. 算力提升

RubinGPU：
- 引入Transformer引擎，NVFP4推理性能达50PFLOPS，是Blackwell GPU的5倍。
- NVFP4训练性能达35PFLOPS，是Blackwell的3.5倍。
- 向后兼容，保持推理精度的同时提升BF16/FP4性能。
VeraCPU：
- 搭载88个Olympus核心，176线程空间多线程。
- 支持1.8TB/s NVLink-C2C一致性内存架构，系统内存达1.5TB，是Grace CPU的3倍。
- 搭载LPDDR5X内存子系统，带宽达1.2TB/s，支持机架级机密计算。

3. 存储优化

HBM4：
- 每块RubinGPU配备288GB HBM4，总内存带宽提升至22TB/s，是Blackwell的2.8倍。
- 支持长上下文推理、高批次MoE执行和交互式推理。
NAND存储：
- 引入NVIDIA推理上下文内存存储平台，由BlueField-4 DPU驱动，支持KV Cache存储。
- 每个节点配备150TB上下文NAND，每块GPU额外获得16TB NAND，带宽保持200Gbps。
- 相比传统存储，每秒token数提升5倍，能效提升5倍。

4. PCB架构革新

从Cable Tray到Cableless：
- Rubin NVL72采用无缆互联架构，通过PCB板直接实现组件间信号传输。
- 组装速度提升18倍，显著缩短现场维护时间，降低部署与运营成本。

5. Rack系统协同设计

DGX SuperPOD：
- 由8套DGX Vera Rubin NVL72系统组成，采用NVLink6纵向扩展与Spectrum-X Ethernet横向扩展。
- 内置推理上下文内存存储平台，通过NVIDIA Mission Control软件管理，实现极致效率。
- 相比Blackwell，训练相同规模的MoE模型仅需1/4的GPU数量，token成本降低至1/10。

6. 开源模型生态扩展

Open Model Universe：
- 新增和更新了覆盖六大领域的模型、数据集、代码库和工具。
- Nemotron 3：重点重构Agentic AI范式，覆盖推理、RAG、安全、语音四个方向。
- Nemotron系列模型：
  - 推理方向：Nemotron 3 Nano、Nemotron 2 Nano VL等。
  - RAG方向：Nemotron Embed VL、Nemotron Rerank VL等。
  - 安全方向：Nemotron Content Safety、NeMo Guardrails。
  - 语音方向：Nemotron ASR、Granary Dataset、NeMo Library。

7. 物理AI商业化进展

Cosmos：
- 开源的物理AI世界基础模型，支持语言、图像、3D和动作的关联。
- 预训练数据包括海量视频、真实驾驶与机器人数据、3D模拟。
- 能实现物理AI技能，如生成内容、推理、预测轨迹。
Alpamayo：
- 面向自动驾驶领域的首个开源VLA推理模型。
- 引入“推理”能力，理解复杂场景中的因果关系，预测意图，处理多步决策。

投资建议

建议关注领域与标的

海外AI产业链：
- 工业富联、沪电股份、鹏鼎控股、胜宏科技、生益科技、生益电子等。
国产AI产业链：
- 寒武纪、芯原股份、海光信息、中芯国际、深南电路等。
存储领域：
- 德明利、江波龙、兆易创新、聚辰股份、普冉股份等。
SoC领域：
- 瑞芯微、乐鑫科技、恒玄科技、晶晨股份、中科蓝讯等。

风险提示

AI发展不及预期：AI前期投资规模大，大模型开发难度高，可能影响技术进展。
下游需求不足：AI应用普及度有限，若需求增长不及预期，可能影响上游产业链发展。

产业链价值提升

算力、存储、PCB、机架等环节：通过协同设计实现性能飞跃，价值量显著提升。
基础设施层：构建AI原生的存储和计算架构，为多智能体系统和高并发推理提供支持。
运营成本下降：部署时间缩短，维护效率提高，长期运营成本降低。

总结

Vera Rubin平台的发布标志着英伟达在AI算力基础设施上的全面升级，六大芯片协同优化，显著提升推理性能和存储效率。同时，开源模型生态的扩展和物理AI的商业化进展，展示了英伟达在AI应用领域的深度布局。该平台的推出将推动全球算力设施向“AI工厂”转型，为AI行业带来新的增长点，建议关注相关产业链核心企业。

展开完整摘要