Rubin备受期待之际，英伟达持续优化Blackwell，GB200能效三个月翻4倍

英伟达正在用一套持续的软件栈优化，给Blackwell平台“续命”——在延长其生命周期、让老客户不急着换代的同时，也为下一代Rubin架构的规模化落地悄悄蓄力。

就在新一代Rubin平台加速部署的当口，英伟达透露了一个相当亮眼的数据：仅用三个月，GB200 NVL72在运行DeepSeek R1 0528模型时的每兆瓦算力吞吐量（TPS/MW）就翻了4倍。这背后，是四个月内完成的38项重大优化，超过25万次模拟配置筛选，以及累计140万GPU小时的实测验证。

与此同时，GB300“Blackwell Ultra”平台在AI训练基准测试中也拿出了新纪录。256卡规模下，GB300 NVL72在DeepSeek-V3 671B预训练任务中，达到了每GPU 1648 TFLOPs的吞吐量——这不仅是全球最高，还比GB200的606 TFLOPs提升了约3倍。更值得留意的是，这个数字在过去六个月里，已经累计增长了1.5倍。

GB200能效大幅跃升，优化覆盖90%以上模型

具体到GB200 NVL72，英伟达表示，针对该平台的系列优化，使其在运行DeepSeek R1 0528（1K输入/1K输出配置）时，每兆瓦算力吞吐量在三个月内实现了4倍增长。

支撑这一提升的，是四个月内完成的38项重大优化迭代。这些优化经过超过25万次模拟配置筛选，并累计消耗140万GPU小时进行实测验证。英伟达特别指出，其中超过90%的优化成果可以跨模型复用，适用于其AI产品组合中的其他模型，并非专为单一任务量身定制。

这意味着什么？现有数据中心客户无需更换硬件，只需要通过软件升级，就能获得显著的能效收益。对于算力成本高度敏感的超大规模云厂商和企业客户来说，这显然具有直接的经济价值。

GB300刷新训练纪录，六个月性能提升1.5倍

在AI训练侧，GB300 NVL72同样展现出了强劲的性能势头。256卡规模下，基于Megatron Core框架对DeepSeek-V3 671B模型进行预训练，GB300 NVL72实现了每GPU 1648 TFLOPs的吞吐量，较此前GB200的606 TFLOPs提升约3倍，并创下该任务的全球最高纪录。

更值得关注的是，这一数字并非静止的硬件极限。GB300 NVL72在Megatron Core框架下的表现，已从2025年11月的1088 TFLOPs/GPU增长至2026年6月的1648 TFLOPs/GPU，六个月内累计提升约1.5倍。

在主流AI框架的协同优化方面，英伟达与PyTorch及JAX社区的深度合作同样带来了显著增益。在TorchTitan（PyTorch原生训练栈）上，GB300 NVL72对DeepSeek-V3 671B的训练性能，相较未优化基线配置提升了6倍——从199 TFLOPs/GPU跃升至1197 TFLOPs/GPU。JAX框架下的提升幅度更为突出，截至2026年7月，每GPU吞吐量达到4082 Tokens/s，对应1025 TFLOPs/GPU，较2026年1月的418 Tokens/s提升了约10倍。

扩展效率接近理论上限，800 Gb/s网络是关键

大规模训练场景下的扩展效率，历来是衡量AI基础设施实用性的核心指标之一。英伟达披露，在256至1024卡的扩展区间内，GB300 NVL72在三大主流框架下均维持了接近理论上限的扩展效率：Megatron Core达到98.5%，TorchTitan与JAX均达到97%。

英伟达将这一扩展表现归因于NVL72机架内置的800 Gb/s Scale-Out网络芯片。高速互联直接决定了多机训练中的通信开销，进而影响整体扩展效率。可以说，这个网络能力，是支撑上述跨框架高效率表现的核心基础设施组件。

Rubin平台加速落地，Blackwell优化仍在持续

上述优化进展发布之际，英伟达的下一代Vera Rubin平台已进入全球部署阶段。据报道，Vera Rubin NVL72在Token吞吐量上相较Blackwell实现了约10倍提升——GB200 NVL72约为80,000 Tokens/s，而Vera Rubin NVL72在同等150MW功耗下可达800,000 Tokens/s。

不过，Blackwell平台已经在全球无数数据中心完成了部署。英伟达的策略，其实与之前Hopper世代如出一辙：在新平台推进的同时，持续通过软件优化挖掘已部署硬件的潜力。这样做的逻辑很清晰——不仅延长了现有客户的硬件投资回报周期，也进一步强化了英伟达在AI基础设施生态中的平台黏性。对于市场而言，在Blackwell与Rubin双线并进的格局下，英伟达正在逐步构筑起一道竞争对手难以在短期内逾越的软件护城河。