英伟达重启Rubin CPX推理芯片，瞄准长上下文预填充成本
nashnova research
英伟达重启此前被市场视为搁置的Rubin CPX芯片项目，专攻AI推理中预填充阶段的降本，郭明錤预计2027年Q1量产——这意味着英伟达正式将推理成本拆解为独立硬件赛道。
为什么英伟达要单独做一颗"预填充专用芯片"？
随着大模型上下文越来越长，推理过程中超过50%的算力消耗来自预填充（prefill，把用户输入的所有文字一次性"读完"并生成缓存的阶段）。
这意味着→ 预填充已经不是推理的"准备动作"，而是占据一半以上成本的主战场。
用大白话说＝ 你跟AI对话时，它"读你的问题"比"写回答"还贵——英伟达决定专门造一颗芯片来压低"读"的成本。
新版CPX的核心规格变了什么？
算力接近标准Rubin GPU，单卡最高功耗同为2300瓦；但显存从此前方案的128GB GDDR7升级为168GB HBM4，仍低于标准Rubin的288GB HBM4。
8卡计算托盘合计约1.34TB显存，足以覆盖大多数长上下文的预填充和KV Cache（模型"读"完输入后生成的临时缓存）需求。
这反映出 CPX的设计思路不是堆通用算力，而是在显存容量和预填充效率之间找最优性价比点。
机架架构为什么从"共享"改成"独立"？
旧方案中CPX与Rubin GPU共享机架；新版改用独立的MGX ETL机架，客户可单独扩展CPX算力。
部署规模可选64、128、192或256张CPX GPU，每64张为一个机架模块（8个计算托盘 × 8张GPU + 1个交换机托盘）。
用大白话说＝ 以前买CPX必须"捆绑"买整套大机架，现在可以像搭积木一样按需加购——采购门槛大幅降低。
互联带宽为什么刻意"降规格"？
托盘内部8张CPX通过NVLink互联，单卡带宽1–1.5TB/s，仅为标准Rubin GPU的3.6TB/s的约40%。
托盘之间用Spectrum-6以太网全铜链路，跨机架则走OSFP光纤链路——分层设计，逐级降速。
这意味着→ CPX不追求全链路高带宽，而是把互联成本压到预填充场景刚好够用的水平，进一步拉低整体性价比。
CPX和标准Rubin GPU怎么配合工作？
英伟达推荐CPX与Vera Rubin NVL72按1:1比例部署：CPX负责预填充并生成KV Cache，再通过以太网RDMA传给Rubin GPU完成解码（"写回答"）。
用大白话说＝ CPX是"读题专员"，Rubin GPU是"答题专员"，各干各的活，整体成本比一颗芯片全干要低。
郭明錤将其定位为"长上下文预填充的最佳性价比方案"——但能否兑现降本承诺，要看2027年量产后的实际表现。
市场有风险，内容仅供研究参考，不构成投资建议。