英伟达Vera Rubin首测数据出炉：Token成本暴降35倍，Agent时代的地基铺好了

8月24日，Hot Chips 2026大会现场，黄仁勋拿出了一组让全场倒吸凉气的数据。

首测数据：比GB300快30倍

英伟达首次公布了下一代旗舰级机柜Vera Rubin NVL72的片上实测数据。不是PPT，不是预估，是跑着DeepSeek-V4-Pro的真实Agent编码任务测出来的。

结果是这样的：对比当前主力机皇GB300 NVL72，Vera Rubin的每兆瓦吞吐量最高提升了30倍，Token成本最高降低了35倍。注意，是比已经很强的GB300再提升30倍，不是跟两年前的H200比。

有网友说了句大实话："以前嫌H200三万美元一张贵，现在回头一看，H200连丐版都算不上了。"

为什么是30倍？不是靠单颗芯片

很多人第一反应是芯片制程又突破了。其实不是。Vera Rubin的飞跃来自"极限协同设计"——六颗核心芯片同时重新设计。

Rubin GPU负责大规模上下文处理，Groq 3 LPX负责极速Token生成，Vera CPU专门调度Agent的工具调用和子任务分发。再加上第六代NVLink的72 GPU互联，比以太网快10倍、延迟低3倍。NVFP4量化把模型权重压到4位精度，内存占用大幅缩减。

简单说，老黄不卖显卡了，他卖的是一整座"AI发电厂"。

老基准作废了，Agent时代需要新尺子

这次发布有个有意思的信号：英伟达官方宣布传统AI跑分基准全部作废。

过去的基准测试测的是固定长度的问答，比如8K或1K序列。但Agent的工作模式完全不同。OpenRouter的数据表明，一个Agent任务消耗的Token是普通聊天的15倍，Agent会不断推理、调用工具、协调子Agent、累积上下文。用旧的尺子量新的活儿，量不出来。

英伟达这次用了SemiAnalysis的AgentX基准，回放真实的代码编写会话，包含上下文增长、工具调用和子Agent生成。这才是Agent时代的真实工作负载。

Groq 3 LPX量产：每秒3400个Token

同一天，英伟达宣布Groq 3 LPX全面量产。这是去年花200亿美元收购Groq后推出的首款产品。

实测数据：运行Gemma 4 31B模型，10万Token超长上下文，输出速度3400 Token/秒，比竞品快4倍。编码任务中最大输出速度达到6981 Token/秒。生成5000个Token的时间从50秒降到1.5秒。

这套架构把上下文处理和Token生成分离开来——Rubin GPU管"读"，Groq LPX管"写"，各干最擅长的事。

马斯克连夜装机，还要送上太空

最具野心的棋是Vera CPU。这是英伟达专门为Agent造的CPU，88个自研Olympus核心，LPDDR5X内存带宽1.2TB/s。英伟达的逻辑是：Agent背后要跑上百步操作，工具调用、代码执行、上下文翻阅、数据处理，这些全压CPU身上，必须给它专门造一颗。

马斯克的SpaceXAI当天就宣布规模化部署Vera CPU，正在建设吉瓦级算力工厂驱动Grok。更疯狂的是，第一代"Starmind"AI卫星计划采用Vera Rubin NVL72系统，2028年大规模部署。算力直接打上太空。

对Agent行业意味着什么

算一笔账就明白了。当Token成本下降35倍，意味着24小时无休的数字员工在经济上变得可行。过去跑一个复杂Agent任务要几十美元的API费用，现在可能只要一两美元。

这会直接催生ToC端超级应用的大爆发。当调用成本低到可以忽略，产品设计的逻辑就变了——不再是"这个功能太贵不敢做"，而是"还有什么场景没覆盖到"。

从一块GPU到整座Agent工厂，英伟达这次重新铺了整个Agent时代的地基。地基铺好了，上面的楼能盖多高，就看各路玩家的本事了。