Rubin HeliosNVIDIA 和 AMD 的新一代 GPU 平台NVIDIA Rubin 和 AMD Helios 是面向 AI 数据中心的两大全新机架级GPU 平台。本文介绍它们是什么、为什么重要以及它们在 2026–2027 年的对比情况。AI 数据中心GPU 平台NVIDIA RubinAMD Helios机架级 AI在过去一款新 GPU 意味着一张更快的显卡和更吵的风扇。而在 2026 年真正的 GPU 大戏发生在数据中心里成排的机架、严肃的散热方案以及粗得像是从变电站里拉出来的供电电缆。NVIDIA 的 Rubin GPU 平台和 AMD 的 Helios 机架级 AI 平台正是在这里登场——这两个名字听起来像太空计划但实际上是为大规模构建和运行 AI 而设计的系统方案。两家公司都在推动同一个理念单颗芯片已经不够了。一套现代 AI 系统需要 GPU、CPU 搭档、机架内 GPU 之间的高速互连、机架之间的高速网络以及能让所有设备连续数月保持满负荷运转的软件。NVIDIA 称之为机架级的极致协同设计co-designAMD 则把 Helios 定位为一个与合作伙伴共同构建的、符合 OCP 规范的开放式机架架构。为什么GPU 平台正在取代一颗 GPU当今最大的 AI 模型撞上的瓶颈并不只是核心不够多这么简单。有三个约束反复出现1内存为王。训练和部署现代模型需要巨大的内存容量和带宽。这正是 HBM高带宽内存重要性不断提升的原因。2通信决定速度。许多当前的工作负载——尤其是混合专家MoE模型——依赖 GPU 之间快速且可预测的通信。MoE 模型会把 token路由给不同的专家这种路由会产生大量的 GPU 间流量。如果互连太弱昂贵的 GPU 就只能空转等待。3每 token 成本和功耗至关重要。推理需求正在爆发式增长。问题不再是一颗 GPU 有多快而是每瓦功耗、每欧元能换来多少有效 token一个能降低每 token 成本的平台足以改变云服务定价、模型规模的选择甚至产品战略。因此NVIDIA 和 AMD 都在销售把整个机架当作一台巨型计算机的系统。如今的平台不仅包括计算芯片还包括互连结构机架内的 scale-up 和机架间的 scale-out以及保障机器持续运行的安全与可靠性特性。这就是 Rubin 和 Helios 给人的感觉与以往发布会不同的原因。它们不太像新款显卡更像是新的数据中心积木。NVIDIA Rubin GPU 平台 2026规格、发布时间与关键特性NVIDIA 将 Rubin 定位为 Blackwell 的继任者围绕 Vera Rubin NVL72 等机架级系统以及更小的 HGX 系统构建。NVIDIA 把 Rubin 描述为一个在机架层级协同设计的六芯片平台Vera CPU、Rubin GPU、NVLink 6 交换机、ConnectX-9 SuperNIC、BlueField-4 DPU以及 Spectrum 以太网交换机。这份六芯片清单不是装饰。NVIDIA 想表达的是机架即产品。GPU 是明星但配角们承担着喂数据、搬运结果、保障系统安全的苦活。Rubin 的核心承诺降低每 token 成本尤其是 MoE 与推理型 AINVIDIA 表示Rubin 面向智能体 AIagentic AI、高级推理和大规模 MoE 推理。在其发布宣传中NVIDIA 宣称 Rubin 的推理每 token 成本最高可比 Blackwell 降低 10 倍训练某些 MoE 模型所需的 GPU 数量可比上一代平台减少 4 倍。这些都是很大的宣称实际效果将取决于具体模型和软件。不过方向很明确Rubin 的设计目标是让整机架更高效而不只是赢下某一项基准测试。Transformer 引擎与 NVFP4在不损失精度的前提下追求效率在 Rubin 平台页面上NVIDIA 重点介绍了新一代 Transformer 引擎通过硬件加速的自适应压缩来提升 NVFP4 性能同时保持精度。NVIDIA 还表示Rubin 的 NVFP4 推理性能最高可达 50 petaFLOPS。为什么聚焦 FP4 这类格式因为推理往往受限于经济性。如果你能降低每个 token 的计算和内存成本就能服务更多用户、跑更长的上下文窗口或者在不增购机架的情况下压低延迟。Scale-out 网络一个机架不够用时单个机架可以很强大但大型 AI 集群需要连接许多机架。在 NVIDIA 的 CES 发布会上Rubin 平台的技术栈包括用于 scale-out 网络的 Spectrum-X 以太网光子Photonics以及 ConnectX-9 和 BlueField-4。这指向一个关键趋势网络带宽和延迟如今已成为 GPU 平台叙事的一部分。机架之间的数据搬运其代价时间和功耗可能不亚于计算本身。时间线与采用信号在 CES 2026 上NVIDIA 表示 Rubin 已全面量产合作伙伴的产品预计于 2026 年下半年推出。路透社还报道称NVIDIA 与 Meta 达成的多年期供应协议涵盖 Blackwell 和未来的 Rubin AI 芯片以及 Grace 和 Vera CPU。当超大规模云厂商开始围绕某个平台做规划时通常意味着这个平台会成真——而且很快。AMD Helios 机架级 AI 平台MI450/MI455X、UALink 与时间线Helios 是 AMD 对机架级 AI 的回应但 AMD 的卖法风格不同。AMD 将 Helios 定位为一个开放的、符合 OCP 规范的机架设计基于 Meta 提交给开放计算项目Open Compute Project的规范。AMD 表示Helios 正以参考设计的形式向 OEM/ODM 合作伙伴发布预计 2026 年开始大规模部署。换句话说Helios 就是要被众多系统厂商复制、改造和制造的——而不是一个被严格控制的单一封闭技术栈。现实中的 HeliosMeta 部署与吉瓦级规模2026 年 2 月 24 日AMD 与 Meta 宣布达成最终合作协议将跨多代产品部署高达 6 吉瓦的 AMD Instinct GPU。AMD 表示首个吉瓦级部署预计于 2026 年下半年开始发货由基于 MI450 架构的定制 Instinct GPU 和第六代 EPYCVeniceCPU 驱动运行 ROCm 软件栈构建于 Helios 之上。吉瓦级 GPU 部署这个量级告诉你这个市场早已告别玩票阶段。开放与互连UALink以及早期阶段机架级系统的优劣取决于它的 scale-up 互连结构。Helios 与 UALink 等开放互连理念绑定但报道显示早期的 Helios 系统可能先采用以太网承载的 UALinkUALink over Ethernet原生 UALink 随后才会上量。对买家而言开放互连可以减少供应商锁定。对 AMD 而言这是一项庞大的生态工程硬件、交换和软件必须同步成熟。机架密度与性能目标的已知信息独立报道将 Helios 描述为一种极高密度的机架设计。Tom’s Hardware 报道称Helios 机架可装入 72 颗 Instinct MI455X 加速器、约 31 TB HBM4 显存推理性能目标约为 2.9 FP4 exaFLOPS训练性能目标约为 1.4 FP8 exaFLOPS报道同时提到早期机型采用以太网承载 UALink。The Next Platform 也报道了 Helios 的机架配置和大规模带宽数据。这些数字会因最终出货系统而异但它们表明 AMD 瞄准的正是与 NVIDIA 机架系统相同的AI 工厂级别。合作伙伴战略印度、系统厂商与生态打法AMD 正通过合作伙伴关系推进 Helios。2026 年 2 月AMD 宣布与塔塔咨询服务公司TCS合作围绕基于 Helios 的机架级 AI 基础设施设计在印度进行部署。Helios 也正在进入商用服务器领域Tom’s Hardware 报道称HPE 计划于 2026 年在全球推出基于 Helios 的系统。这是典型的 AMD 打法靠合作伙伴、标准设计和多渠道进入市场取胜。Rubin 对比 Helios简短而实用的比较两大平台为同一个现实而生AI 如今受限于内存、网络和整体系统效率。所以两者都把机架放在首位。有趣的差异在于实现路径NVIDIA Rubin 极致集成。NVIDIA 强调六颗芯片的协同设计并把 NVLink 6 作为关键的机架互连结构。AMD Helios 开放机架架构。AMD 强调 OCP 规范对齐、参考设计以及一个能以不同方式构建类 Helios 机架的生态系统。对许多买家而言决定性因素会更务实软件摩擦针对你特定的模型和库CUDA 与 ROCm 的成熟度对比。网络就绪度NVLink 6 是 NVIDIA 成熟的路径AMD 的开放互连计划很有前景但取决于生态成熟的时间点。交付与供应如果不能按时拿到整机架再好的路线图也只是一份昂贵的 PDF。如果你不是超大规模云厂商这和你有关吗有关——即使你永远不会拥有一个装有 72 颗 GPU 的机架而且你喜欢你的办公楼好好待在地面上。Rubin 和 Helios 将塑造许多团队日常使用的云服务。当数据中心变得更高效云端 AI 就可能更便宜或更强大。这可能意味着更长的上下文窗口、更快的响应或真实产品中更专门化的模型。这也可能意味着云厂商之间更激烈的竞争因为大规模可选的严肃硬件方案终于变多了。此外还有涓滴效应。数据中心平台往往会影响未来的企业服务器、工作站特性有时甚至会影响消费级 GPU 的设计思路。别指望下周就有Rubin 游戏显卡但你可以期待这场平台竞赛推动更好的内存技术、更先进的互连思路以及更成熟的 AI 软件栈。所以即使 Rubin 和 Helios 身在云端它们的影响也会出现在你的屏幕上。最终结论Rubin 和 Helios 表明GPU 正在进化为完整的平台计算 内存 互连结构 安全 软件。竞争的焦点不再是谁的芯片更快而是谁的机架能保持繁忙、保持安全、保持可负担。NVIDIA Rubin 押注深度集成、NVLink scale-up 带宽和紧密设计的六芯片技术栈。AMD Helios 押注开放性、OCP 设计以及以吉瓦为单位计量的大型合作伙伴部署。这两个名字听起来仍像科幻剧的季终集——这部分也许是营销。但平台化的转变不是。原文 全文 - Rubin + Helios: New GPU Platforms from NVIDIA and AMD
Rubin HeliosNVIDIA 和 AMD 的新一代 GPU 平台NVIDIA Rubin 和 AMD Helios 是面向 AI 数据中心的两大全新机架级GPU 平台。本文介绍它们是什么、为什么重要以及它们在 2026–2027 年的对比情况。AI 数据中心GPU 平台NVIDIA RubinAMD Helios机架级 AI在过去一款新 GPU 意味着一张更快的显卡和更吵的风扇。而在 2026 年真正的 GPU 大戏发生在数据中心里成排的机架、严肃的散热方案以及粗得像是从变电站里拉出来的供电电缆。NVIDIA 的 Rubin GPU 平台和 AMD 的 Helios 机架级 AI 平台正是在这里登场——这两个名字听起来像太空计划但实际上是为大规模构建和运行 AI 而设计的系统方案。两家公司都在推动同一个理念单颗芯片已经不够了。一套现代 AI 系统需要 GPU、CPU 搭档、机架内 GPU 之间的高速互连、机架之间的高速网络以及能让所有设备连续数月保持满负荷运转的软件。NVIDIA 称之为机架级的极致协同设计co-designAMD 则把 Helios 定位为一个与合作伙伴共同构建的、符合 OCP 规范的开放式机架架构。为什么GPU 平台正在取代一颗 GPU当今最大的 AI 模型撞上的瓶颈并不只是核心不够多这么简单。有三个约束反复出现1内存为王。训练和部署现代模型需要巨大的内存容量和带宽。这正是 HBM高带宽内存重要性不断提升的原因。2通信决定速度。许多当前的工作负载——尤其是混合专家MoE模型——依赖 GPU 之间快速且可预测的通信。MoE 模型会把 token路由给不同的专家这种路由会产生大量的 GPU 间流量。如果互连太弱昂贵的 GPU 就只能空转等待。3每 token 成本和功耗至关重要。推理需求正在爆发式增长。问题不再是一颗 GPU 有多快而是每瓦功耗、每欧元能换来多少有效 token一个能降低每 token 成本的平台足以改变云服务定价、模型规模的选择甚至产品战略。因此NVIDIA 和 AMD 都在销售把整个机架当作一台巨型计算机的系统。如今的平台不仅包括计算芯片还包括互连结构机架内的 scale-up 和机架间的 scale-out以及保障机器持续运行的安全与可靠性特性。这就是 Rubin 和 Helios 给人的感觉与以往发布会不同的原因。它们不太像新款显卡更像是新的数据中心积木。NVIDIA Rubin GPU 平台 2026规格、发布时间与关键特性NVIDIA 将 Rubin 定位为 Blackwell 的继任者围绕 Vera Rubin NVL72 等机架级系统以及更小的 HGX 系统构建。NVIDIA 把 Rubin 描述为一个在机架层级协同设计的六芯片平台Vera CPU、Rubin GPU、NVLink 6 交换机、ConnectX-9 SuperNIC、BlueField-4 DPU以及 Spectrum 以太网交换机。这份六芯片清单不是装饰。NVIDIA 想表达的是机架即产品。GPU 是明星但配角们承担着喂数据、搬运结果、保障系统安全的苦活。Rubin 的核心承诺降低每 token 成本尤其是 MoE 与推理型 AINVIDIA 表示Rubin 面向智能体 AIagentic AI、高级推理和大规模 MoE 推理。在其发布宣传中NVIDIA 宣称 Rubin 的推理每 token 成本最高可比 Blackwell 降低 10 倍训练某些 MoE 模型所需的 GPU 数量可比上一代平台减少 4 倍。这些都是很大的宣称实际效果将取决于具体模型和软件。不过方向很明确Rubin 的设计目标是让整机架更高效而不只是赢下某一项基准测试。Transformer 引擎与 NVFP4在不损失精度的前提下追求效率在 Rubin 平台页面上NVIDIA 重点介绍了新一代 Transformer 引擎通过硬件加速的自适应压缩来提升 NVFP4 性能同时保持精度。NVIDIA 还表示Rubin 的 NVFP4 推理性能最高可达 50 petaFLOPS。为什么聚焦 FP4 这类格式因为推理往往受限于经济性。如果你能降低每个 token 的计算和内存成本就能服务更多用户、跑更长的上下文窗口或者在不增购机架的情况下压低延迟。Scale-out 网络一个机架不够用时单个机架可以很强大但大型 AI 集群需要连接许多机架。在 NVIDIA 的 CES 发布会上Rubin 平台的技术栈包括用于 scale-out 网络的 Spectrum-X 以太网光子Photonics以及 ConnectX-9 和 BlueField-4。这指向一个关键趋势网络带宽和延迟如今已成为 GPU 平台叙事的一部分。机架之间的数据搬运其代价时间和功耗可能不亚于计算本身。时间线与采用信号在 CES 2026 上NVIDIA 表示 Rubin 已全面量产合作伙伴的产品预计于 2026 年下半年推出。路透社还报道称NVIDIA 与 Meta 达成的多年期供应协议涵盖 Blackwell 和未来的 Rubin AI 芯片以及 Grace 和 Vera CPU。当超大规模云厂商开始围绕某个平台做规划时通常意味着这个平台会成真——而且很快。AMD Helios 机架级 AI 平台MI450/MI455X、UALink 与时间线Helios 是 AMD 对机架级 AI 的回应但 AMD 的卖法风格不同。AMD 将 Helios 定位为一个开放的、符合 OCP 规范的机架设计基于 Meta 提交给开放计算项目Open Compute Project的规范。AMD 表示Helios 正以参考设计的形式向 OEM/ODM 合作伙伴发布预计 2026 年开始大规模部署。换句话说Helios 就是要被众多系统厂商复制、改造和制造的——而不是一个被严格控制的单一封闭技术栈。现实中的 HeliosMeta 部署与吉瓦级规模2026 年 2 月 24 日AMD 与 Meta 宣布达成最终合作协议将跨多代产品部署高达 6 吉瓦的 AMD Instinct GPU。AMD 表示首个吉瓦级部署预计于 2026 年下半年开始发货由基于 MI450 架构的定制 Instinct GPU 和第六代 EPYCVeniceCPU 驱动运行 ROCm 软件栈构建于 Helios 之上。吉瓦级 GPU 部署这个量级告诉你这个市场早已告别玩票阶段。开放与互连UALink以及早期阶段机架级系统的优劣取决于它的 scale-up 互连结构。Helios 与 UALink 等开放互连理念绑定但报道显示早期的 Helios 系统可能先采用以太网承载的 UALinkUALink over Ethernet原生 UALink 随后才会上量。对买家而言开放互连可以减少供应商锁定。对 AMD 而言这是一项庞大的生态工程硬件、交换和软件必须同步成熟。机架密度与性能目标的已知信息独立报道将 Helios 描述为一种极高密度的机架设计。Tom’s Hardware 报道称Helios 机架可装入 72 颗 Instinct MI455X 加速器、约 31 TB HBM4 显存推理性能目标约为 2.9 FP4 exaFLOPS训练性能目标约为 1.4 FP8 exaFLOPS报道同时提到早期机型采用以太网承载 UALink。The Next Platform 也报道了 Helios 的机架配置和大规模带宽数据。这些数字会因最终出货系统而异但它们表明 AMD 瞄准的正是与 NVIDIA 机架系统相同的AI 工厂级别。合作伙伴战略印度、系统厂商与生态打法AMD 正通过合作伙伴关系推进 Helios。2026 年 2 月AMD 宣布与塔塔咨询服务公司TCS合作围绕基于 Helios 的机架级 AI 基础设施设计在印度进行部署。Helios 也正在进入商用服务器领域Tom’s Hardware 报道称HPE 计划于 2026 年在全球推出基于 Helios 的系统。这是典型的 AMD 打法靠合作伙伴、标准设计和多渠道进入市场取胜。Rubin 对比 Helios简短而实用的比较两大平台为同一个现实而生AI 如今受限于内存、网络和整体系统效率。所以两者都把机架放在首位。有趣的差异在于实现路径NVIDIA Rubin 极致集成。NVIDIA 强调六颗芯片的协同设计并把 NVLink 6 作为关键的机架互连结构。AMD Helios 开放机架架构。AMD 强调 OCP 规范对齐、参考设计以及一个能以不同方式构建类 Helios 机架的生态系统。对许多买家而言决定性因素会更务实软件摩擦针对你特定的模型和库CUDA 与 ROCm 的成熟度对比。网络就绪度NVLink 6 是 NVIDIA 成熟的路径AMD 的开放互连计划很有前景但取决于生态成熟的时间点。交付与供应如果不能按时拿到整机架再好的路线图也只是一份昂贵的 PDF。如果你不是超大规模云厂商这和你有关吗有关——即使你永远不会拥有一个装有 72 颗 GPU 的机架而且你喜欢你的办公楼好好待在地面上。Rubin 和 Helios 将塑造许多团队日常使用的云服务。当数据中心变得更高效云端 AI 就可能更便宜或更强大。这可能意味着更长的上下文窗口、更快的响应或真实产品中更专门化的模型。这也可能意味着云厂商之间更激烈的竞争因为大规模可选的严肃硬件方案终于变多了。此外还有涓滴效应。数据中心平台往往会影响未来的企业服务器、工作站特性有时甚至会影响消费级 GPU 的设计思路。别指望下周就有Rubin 游戏显卡但你可以期待这场平台竞赛推动更好的内存技术、更先进的互连思路以及更成熟的 AI 软件栈。所以即使 Rubin 和 Helios 身在云端它们的影响也会出现在你的屏幕上。最终结论Rubin 和 Helios 表明GPU 正在进化为完整的平台计算 内存 互连结构 安全 软件。竞争的焦点不再是谁的芯片更快而是谁的机架能保持繁忙、保持安全、保持可负担。NVIDIA Rubin 押注深度集成、NVLink scale-up 带宽和紧密设计的六芯片技术栈。AMD Helios 押注开放性、OCP 设计以及以吉瓦为单位计量的大型合作伙伴部署。这两个名字听起来仍像科幻剧的季终集——这部分也许是营销。但平台化的转变不是。原文