輝達重啟Rubin CPX推理晶片，瞄準長上下文預填充成本
nashnova research
英偉達重啟此前被市場視為擱置的Rubin CPX晶片項目，專攻AI推理中預填充階段的降本，郭明錤預計2027年Q1量產——這意味著英偉達正式將推理成本拆解為獨立硬件賽道。
為甚麼英偉達要單獨做一顆「預填充專用晶片」？
隨著大模型上下文愈來愈長，推理過程中超過50%的算力消耗來自預填充（prefill，將用戶輸入的所有文字一次過「讀完」並生成緩存的階段）。
這意味著→ 預填充已經不是推理的「準備動作」，而是佔據一半以上成本的主戰場。
簡單來說＝ 你同AI對話時，它「讀你的問題」比「寫回答」還貴——英偉達決定專門造一顆晶片來壓低「讀」的成本。
新版CPX的核心規格變了甚麼？
算力接近標準Rubin GPU，單卡最高功耗同為2,300瓦；但顯存從此前方案的128GB GDDR7升級為168GB HBM4，仍低於標準Rubin的288GB HBM4。
8卡計算托盤合計約1.34TB顯存，足以覆蓋大多數長上下文的預填充及KV Cache（模型「讀」完輸入後生成的臨時緩存）需求。
這反映出 CPX的設計思路並非堆砌通用算力，而是在顯存容量與預填充效率之間找最優性價比。
機架架構為何從「共享」改為「獨立」？
舊方案中CPX與Rubin GPU共享機架；新版改用獨立的MGX ETL機架，客戶可單獨擴展CPX算力。
部署規模可選64、128、192或256張CPX GPU，每64張為一個機架模組（8個計算托盤 × 8張GPU + 1個交換機托盤）。
簡單來說＝ 以前買CPX必須「捆綁」買整套大機架，現在可以如砌積木般按需加購——採購門檻大幅降低。
互聯頻寬為何刻意「降規格」？
托盤內部8張CPX透過NVLink互聯，單卡頻寬1–1.5TB/s，僅為標準Rubin GPU 3.6TB/s的約40%。
托盤之間用Spectrum-6以太網全銅鏈路，跨機架則走OSFP光纖鏈路——分層設計，逐級降速。
這意味著→ CPX不追求全鏈路高頻寬，而是將互聯成本壓到預填充場景剛好夠用的水平，進一步拉低整體性價比。
CPX和標準Rubin GPU怎樣配合運作？
英偉達建議CPX與Vera Rubin NVL72按1:1比例部署：CPX負責預填充並生成KV Cache，再透過以太網RDMA傳至Rubin GPU完成解碼（「寫回答」）。
簡單來說＝ CPX是「讀題專員」，Rubin GPU是「答題專員」，各司其職，整體成本比一顆晶片全包要低。
郭明錤將其定位為「長上下文預填充的最佳性價比方案」——但能否兌現降本承諾，要看2027年量產後的實際表現。
市场有风险，内容仅供研究参考，不构成投资建议。