NVIDIA Rubin CPX：超长上下文AI推理的算力架构革新

9月10日，NVIDIA正式发布面向超长上下文AI推理场景的定制化协处理芯片Rubin CPX，计划于2026年底实现量产。该芯片并非通用型加速器，而是专为百万级token长度的上下文处理任务设计，其128GB GDDR7显存架构支持单卡高效处理超长输入序列，显著突破传统GPU在长文本推理中的内存瓶颈。在NVFP4精度下，Rubin CPX提供30 PFlops的算力。

Rubin CPX的核心创新在于与主Rubin GPU的协同工作模式：CPX专注高吞吐量的上下文阶段处理，快速完成海量输入数据的特征提取与关联分析；主GPU则聚焦高带宽的生成阶段，确保输出token的连续高效生成。这种分工机制有效解决了传统推理架构中资源错配问题，使整机算力利用率提升300%，大幅降低推理延迟。

在Vera Rubin NVL144整机架架构（配置144颗Rubin GPU与144颗Rubin CPX协处理器）中，系统算力达到8 ExaFlops，内存容量100TB，内存带宽1.7 PB/s，较上一代GB300 NVL72系统性能提升6.5倍。NVIDIA实测数据表明，数据中心部署1亿美元的Rubin CPX系统，可带来约50亿美元的新增收入，主要源于视频预处理时间从分钟级压缩至秒级（如10万行代码处理延迟从5-10分钟降至数秒），以及资源解耦带来的总体拥有成本（TCO）显著优化。

Rubin CPX的推出标志着NVIDIA将超长上下文推理正式纳入独立算力赛道，为2026年后高分辨率视频生成、大规模代码模型推理及智能体系统应用提前构建了基础设施。