Nvidia Vera Rubin首曝基准测试：AI企业面临硬件升级成本压力

Nvidia的下一代Vera Rubin平台近期发布了首个独立基准测试结果，揭示了其在高性能计算领域的重大突破。这一进展虽推动了技术演进，却也给人工智能企业带来新的经济负担：紧跟硬件迭代节奏的成本正快速攀升。

性能飞跃背后的经济现实

在最新的MLPerf Inference v6.1测试中，Vera Rubin NVL72在处理Qwen3-VL模型时，最大吞吐量达到前代GB300 NVL72的3.7倍；在DeepSeek-R1任务中，性能提升也达到了2.5倍。这些数据由Nvidia官方发布，并强调此次提交为大规模部署前的预览版本，意味着实际应用中的表现可能受多种因素影响。

值得注意的是，该性能提升仅针对特定工作负载，不代表所有AI任务均能获得同等效率改善。这反映出当前算力竞赛已进入高度场景化阶段，企业需根据自身业务需求评估硬件投入产出比。

旧有集群加速淘汰

基准测试同时暴露了底层基础设施的快速贬值趋势。数据显示，由288个GPU构成的四机架GB300 NVL72系统实现了99%的扩展效率，且仅通过软件优化就使性能相比上一轮提升最高达1.6倍。

与此同时，竞争对手也在积极布局。AMD推出Instinct MI355X和MI350系列加速器，其由Crusoe运营的512个GPU系统更创下MLPerf历史上最高的聚合Token吞吐量纪录。

这种激烈竞争正在缩短设备生命周期。如今，云服务商不再仅关注算力规模，而是频繁评估现有集群是否仍具备与新一代系统抗衡的能力——每机架、每瓦功耗的性能差异，已成为关键决策依据。

从技术竞赛转向资本博弈

当前的核心矛盾已从单纯的技术领先，演变为对资金实力的考验。以CoreWeave为例，其可转换票据发行额从30亿美元扩大至37亿美元，显示企业在持续扩张中正承受巨大的资产负债表压力。

类似情况也出现在Nebius等企业身上。整个AI基础设施领域正越来越依赖债务融资支撑扩张。路透社报道指出，随着投资者开始质疑行业还能承受多少新增资本支出，相关借款人的利差正在逐步扩大，反映出市场对长期可持续性的担忧。

Nvidia方面表示，更高的吞吐量有助于降低单个生成Token的成本，从而在长期实现更好的经济回报。然而，由于未公布具体机架定价信息，外界难以将3.7倍的性能优势直接换算为投资回报率，这也增加了评估难度。