跳到主要内容

NVIDIA Rubin CPX (Context Processing Unit)

产品概述​

NVIDIA Rubin CPX（全称 Rubin Context Processing Unit）是 NVIDIA 于 2025年9月9日 发布的业界首款专为超长上下文 AI 推理设计的 GPU，2026 年下半年出货。采用单片式（Monolithic）设计，配备 128GB GDDR7 内存，FP4 算力达 30 PFLOPS，内存带宽仅 2 TB/s——刻意为上下文处理阶段（Compute-bound）优化，而非生成阶段（Memory-bandwidth-bound）。

Rubin CPX 与 Rubin GPU（负责生成阶段）和 Vera CPU（负责调度）配合，组成解耦式推理架构。在 Vera Rubin NVL144 CPX 机架中，144 颗 CPX + 144 颗 Rubin GPU + 36 颗 Vera CPU 提供 8 EFLOPS 总算力，是 GB300 NVL72 的 7.5×。

核心规格​

项目参数
架构Rubin（CPX 专用变体）
制程TSMC 3NP（推测）
封装单片式（Monolithic），非 MCM
显存128 GB GDDR7（消费级显存，非 HBM）
显存带宽2 TB/s
FP4（NVFP4）30 PFLOPS（稀疏，官方标称）
FP8 / FP16未公开
注意力加速3×（vs GB300 NVL72）
TDP500 W
板卡形态独立 GPU（与 Rubin GPU 配对使用）
发布时间2025-09-09（发布）
出货时间2026 H2

⚠️ 设计哲学：CPX 的 2 TB/s 带宽远低于 HBM 方案（B200: 8 TB/s，Rubin R200: 22 TB/s），因为上下文处理阶段是 Compute-bound（算力瓶颈），而非 Memory-bandwidth-bound（生成阶段）。低带宽 GDDR7 大幅降低成本。

解耦式推理架构​

阶段执行单元瓶颈类型CPX 角色
上下文阶段（Context / Pre-fill）Rubin CPXCompute-bound处理 1M+ token 输入
生成阶段（Generation / Decode）Rubin GPUMemory-bandwidth-bound逐 token 生成输出
调度/预处理Vera CPUI/O bound请求调度 + KV Cache 管理

传统方案（GB200/B200）：同一 GPU 处理两阶段，上下文阶段浪费高带宽内存。 CPX 方案：专用 CPX 处理上下文，Rubin GPU 专注生成，总吞吐量提升 6.5×（NVIDIA 官方数据）。

Vera Rubin NVL144 CPX 机架​

项目参数
CPX GPU 数144
Rubin GPU 数144
Vera CPU 数36
总 FP4 算力8 EFLOPS
总高带宽内存100 TB
总内存带宽1.7 PB/s
对比 GB300 NVL72算力 7.5×，内存容量 ~14×
组网Quantum-X800 InfiniBand / Spectrum-X 以太网 + ConnectX-9
调度软件NVIDIA Dynamo 平台

与 Rubin R200 对比​

指标Rubin CPXRubin R200（训练 GPU）
定位推理上下文专用训练 + 推理通用
显存128GB GDDR7288GB HBM4
带宽2 TB/s22 TB/s
FP4 算力30 PFLOPS50 PFLOPS（稀疏）
设计单片式6 芯片 MCM
TDP~500–600W（推测）~1,800W
成本低（GDDR7 vs HBM4）高

适用场景​

  • ✅ 超长上下文推理（1M+ token，代码生成、视频理解）
  • ✅ 多轮对话系统（Context 阶段吞吐量 critical）
  • ✅ RAG（检索增强生成）（大量文档输入）
  • ✅ 推理专用集群（与训练集群分离）
  • ❌ 大模型训练（非目标场景）
  • ❌ 高带宽需求工作负载（生成阶段仍由 Rubin GPU 处理）

投资回报率（ROI）​

NVIDIA 官方数据（SemiAnalysis 引用）：

  • 单机架（NVL144 CPX）：~$50M
  • 年收入贡献：$1.5B–2.5B（推理即服务）
  • ROI：30–50×

相关卡​

参考资料​