软件先容

开云娱乐官方使用指南

第一步：导入文件

翻开软件，，，，点击"?添加 开云娱乐官方"按钮，，，，从电脑中选择《开云娱乐官方》文件，，，，或直接将其拖拽至软件界面中。。

第二步：设置剖析

软件会自动识别并剖析导入的文件，，，，您可凭证界面提醒选择所需的生涯路径或下载名堂。。

第三步：最先下载

确认无误后，，，，点击"最先下载/处理"按钮。。期待进度条读取完毕，，，，即可在设定的文件夹中审查下载好的正版文件。。

3360亿晶体管！英伟达Rubin GPU细节首曝：智能体AI能效提升10倍，，，，开云娱乐官方

7月22日新闻，，，，在GTC 2026正式宣布之后，，，，英伟达（NVIDIA）克日首次完整果真了Rubin AI GPU架构的手艺细节。。作为下一代AI数据中心平台的焦点盘算芯片，，，，Rubin不但肩负着接替Blackwell的使命，，，，也将成为未来Agentic AI（智能体AI）时代的主要算力基础。。

凭证英伟达宣布的数据，，，，相比Blackwell架构，，，，Rubin在单位能耗下的Agentic AI推理吞吐量提升最高可达10倍。。这一性能跃升主要来自三项要害架构立异：全新增强版Tensor Core（张量焦点）、 新一代HBM4高带宽内存子系统、第三代Transformer Engine（Transformer引擎）。。

接纳双裸片设计，，，，集成3360亿颗晶体管

Rubin GPU接纳台积电（TSMC）3nm N3P制程工艺制造，，，，由两颗抵达光罩尺寸上限（Reticle Limit）的GPU裸片组成，，，，并通过英伟达自研的NV-HBI（High-Bandwidth Interface）高速互连手艺封装为一颗完整GPU。。

整个Rubin GPU共集成约3360亿颗晶体管，，，，较Blackwell GB300增添约62%，，，，也是现在业内集成度最高的AI GPU之一。。

从架构来看，，，，每颗Rubin GPU包括：8个GPC（Graphics Processing Cluster，，，，图形处理集群）、224个SM（Streaming Multiprocessor，，，，流式多处理器）、896个Tensor Core（张量焦点）。。

凭证平均盘算，，，，每个GPC约拥有28个SM和112个Tensor Core。。不过从官方框图来看，，，，Rubin现实上接纳了两种差别设置的GPC，，，，一种集成30个SM，，，，另一种集成26个SM。。

每颗裸片内部包括4个GPC，，，，同时毗连：大容量漫衍式L2 Cache、Gigathread Engine、4组HBM4内存控制器（每裸片4096-bit）和NVLink接口。。

别的，，，，Rubin还集成了：

PCIe Gen6控制器，，，，用于毗连主机CPU；；
；；；

第六代NVLink IO，，，，可提供最高3600GB/s GPU互连带宽；；
；；；

MIG（Multi-Instance GPU）控制器，，，，实现GPU资源切分；；
；；；

NVDEC视频解码单位；；
；；；

基于TEE-I/O（Trusted Execution Environment）的Confidential Computing（神秘盘算）能力，，，，可包管AI事情流中数据静态、传输及运行历程中的清静。。

首次接纳HBM4，，，，带宽高达22TB/s

内存子系统是Rubin最大的升级之一。。Rubin首次接纳HBM4高带宽内存，，，，共设置8组12-Hi堆叠，，，，总容量抵达288GB。。

详细来看，，，，8组12-Hi HBM4，，，，每组容量36GB，，，，单颗DRAM容量3GB，，，，总容量288GB，，，，整体峰值带宽抵达22TB/s，，，，是现在英伟达最快的HBM内存方案。。相比Blackwell约8TB/s带宽，，，，Rubin实现约2.8倍提升。。

与此同时，，，，Rubin还配备升级版Tensor Memory Accelerator（TMA），，，，进一步优化GPU内部重大数据搬运效率。。

整个数据传输系统包括：

HBM4：22TB/s

NVLink 6：GPU之间3600GB/s

NVLink-C2C：CPU-GPU之间1800GB/s

PCIe Gen6 x16：256GB/s

HBM4显著提升Token天生效率

随着大语言模子参数一直增添，，，，模子推理越来越受到内存带脱期制。。英伟达体现，，，，现在AI推理普遍面临更长Context窗口、更大的KV Cache、更高并发Token天生。。HBM4的大带宽可有用解决上述瓶颈。。

详细而言，，，，容量提升意味着，，，，可容纳更大模子常驻显存、支持更长上下文窗口、支持更大的KV Cache、提高推理并发能力、镌汰KV Cache外存交流。。

带宽提升则意味着，，，，提高Token逐个天生阶段的数据供应速率、阻止Tensor Core期待数据、提高GPU使用率。。

别的，，，，升级后的TMA及内存局部性优化战略，，，，可进一步提高重大数据结构下的有用带宽使用率。。

英伟达体现，，，，HBM4使Rubin能够支持未来多万亿参数模子、更长上下文推理以及高并发Agentic AI事情负载。。

全新Tensor Memory Accelerator优化MoE模子推理

针对现在普遍应用的MoE（Mixture of Experts，，，，混淆专家）模子，，，，Rubin进一步增强了Tensor Memory Accelerator（TMA）。。

随着MoE模子专家数目一直增添，，，，专家权重的数据定位与搬运成为新的性能瓶颈。。

新版TMA通过优化形貌符（Descriptor）治理机制，，，，可更高效地定位和调理专家权重，，，，镌汰数据搬运开销。。

同时，，，，Rubin新增Inline Descriptor支持，，，，使多个Tensor共享统一形貌信息，，，，仅需在运行历程中动态修改内存地点、Stride等参数即可完成调理。。

英伟达体现，，，，这一刷新可使MoE模子在专家数目进一步增添后仍坚持较高扩展效率，，，，并将更多GPU盘算资源用于推理盘算，，，，从而提升整体吞吐能力。。

Tensor Core吞吐翻倍，，，，Transformer推理进一步加速

Rubin另一项焦点升级来自Tensor Core。。新版Tensor Core单个时钟周期可处理的数据量翻倍，，，，其主要通过扩大Tensor盘算中的K维数据处理能力实现。。

以矩阵乘法（GEMM）为例：在Blackwell上需要执行4轮K循环，，，，而Rubin仅需2轮即可完成相同盘算。。这不但提升盘算吞吐，，，，也降低了Kernel调理延迟。。与此同时，，，，Rubin进一步优化了Transformer中的Attention盘算流程。。

据官方先容，，，，其接纳Activation Sparsity（激活希罕）连系Adaptive Compression（自顺应压缩）手艺，，，，可将Attention Score压缩为结构化2:4希罕名堂，，，，仅生涯非零数据及对应元数据。。

这样既镌汰Attention Score写入与存储开销，，，，也降低后续Attention盘算的数据传输量，，，，同时坚持最终输出仍为标准Dense名堂，，，，无需修改模子结构。。

别的，，，，Rubin还提升了Softmax及指数运算（Exponential）性能。。

差别精度下盘算能力提升如下：

FP32吞吐抵达GB300水平，，，，是GB200的2倍；；
；；；

BF16/FP16吞吐相比GB200提升4倍，，，，相比GB300提升2倍。。

更低Kernel延迟，，，，更适合Agentic AI推理

Rubin还增强了GPU内部Kernel之间的调理协同能力。。古板GPU通常需要期待上一阶段Kernel所有完成后再启动下一阶段盘算，，，，而Rubin允许后续Kernel在所需输入数据准备完成后即可提前启动。。

这样能够镌汰GPU空闲时间、提高差别Kernel执行重叠度、提升流水线使用率。。英伟达以为，，，，这关于Agentic AI推理尤为主要。。

由于Agentic AI使命通常需要模子逐步天生Token，，，，各Kernel之间保存一连依赖关系，，，，Kernel间延迟将直接影响单用户Token天生速率（Tokens/s）。。

DSX MaxLPS进一步优化AI数据中心能效

除了GPU自己，，，，Rubin平台也针对数据中心能效举行了大宗优化。。

以Vera Rubin NVL72系统为例，，，，其新增了Dynamic Power Steering（动态功率调理）和Intelligent Power Smoothing（智能功率平滑）。。系统通过集成储能？？椋，，，可吸收GPU瞬时功率波动。。

英伟达体现，，，，相较上一代平台平均功耗降低约10%，，，，50毫秒峰值功耗降低约20%。。从而使整个AI服务器能够更稳固运行于最大功率区间，，，，提高整体Token输出效率。。

别的，，，，英伟达还推出DSX OS操作系统，，，，其中集成DSX MaxLPS，，，，可统一治理GPU、机柜、液冷系统以及AI事情负载，，，，实现调理、生命周期治理及康健状态自动化。。

官方数据显示，，，，在相同供电预算下，，，，DSX MaxLPS可支持安排约40%更多GPU资源，，，，从而进一步提升AI数据中心整体算力密度和推理吞吐能力。。

从3360亿颗晶体管的双裸片设计，，，，到首次引入HBM4内存、增强版Tensor Core、第三代Transformer Engine，，，，以及围绕MoE模子、Agentic AI推理和数据中心能效所举行的一系列架构优化，，，，Rubin代表着英伟达AI GPU的一次周全升级。。

可以看出，，，，相较于Blackwell主要面向大模子训练和通用推理，，，，Rubin的设计重点已经显着转向以智能体（Agentic AI）为代表的新一代AI应用场景，，，，通过提升Token天生效率、降低推理延迟、优化内存带宽使用率及提高单位能耗算力输出，，，，为未来更大规模、更高并发、更长上下文的大模子安排涤讪硬件基础。。

编辑：芯智讯-浪客剑