在CES大会期間，英偉達全新推出的Rubin架構成了最近市場討論的焦點，什麼MOE架構之外另一重大突破，什麼為Agentic AI時代量身設計等等，我深入看了下，的確感受到老黃“自我革命”那味了：

1）過去英偉達依附的是GPU硬體優勢，踩上了各大AI巨頭都在瘋狂採購算力訓練大模型的紅利期。那時候邏輯很簡單，誰的顯卡多誰就能訓練出最好的模型。

但現在AI戰爭已經從“算力”戰場轉移到“推理”，尤其是Agentic時代到來後，AI需要處理高頻、多步、超長上下文的推理。

這個時候，模型參數動輒萬億，資料吞吐量極大，GPU 算得再快，如果內存傳資料不夠快，GPU 就得空轉，這就是“存力牆”，換句話說，顯卡多已經解決不了問題了，还需要高顯存和帶寬來支撐。Rubin要解決的就是這個問題。

2）所以 Rubin首發的HBM4就好撐第四代高帶寬內存，可以讓帶寬到達22TB/s。但更關鍵的是它配合NVLink 6技術（機架內帶寬260TB/s），把72張卡在邏輯上變成了“一顆巨型晶片”。

這意味著什麼？以前你買顯卡，買的是一個個獨立元件，資料在卡與卡之間傳輸就像快遞要經過好幾個中轉站。現在Rubin通過極高密度的互連，讓資料在不同GPU之間流轉時幾乎感覺不到物理距離，72個工人不再各幹各的，而是共享一個大腦。

我想這才是Rubin真正的殺招：不是單純堆硬體參數，而是讓整個系統資料流轉的重構。

3）如果說MOE（ 混合專家模型架構 ）是英偉達被DeepSeek等後起之秀堆英偉達“暴力堆卡”商業模式的一次降維打擊，那Rubin怎麼看都是老黃的一次戰略反擊，不在跟你們比誰更省卡，而是直接重構AI的使用成本。当然，出此奇招也意味着英偉達徹底要和暴力堆卡的舊模式說再見了。

老黃算的是另一筆帳，Agentic時代要真正落地到千行百業，就必須跨過Token成本這道坎，這是英偉達守不住的大勢所趨。

在老黃看来，与其等着被谷歌、Meta等大廠自研芯片蚕食市場，又或者被DeepSeek等用模式顛覆供給側市場，还不如主动做破局的那個人。

4）問題來了，自我革命後的英偉達要如何自處？路徑也很清晰，從"賣顯卡"變成"賣系統"，從服務少數大廠變成讓AI真正普及。

以前你買H100，英偉達賺的永遠是那一份顯卡的錢，以後的Rubin會告訴你：你得買整套NVL72機架——72張GPU、NVLink Switch、全液冷系統、機櫃，甚至包括配套的軟體棧，全部打包賣給你。

老黃的算盤也很清楚，看起來打包後的硬體成本更貴了，但附加了極致的推理效率，把採購方AI使用的單元成本給拉下來了，也自然不會丟失市場份額。

但但但，這套玩法對中小玩家的門檻也更高了。只有大廠和雲服務商才能玩得起，會進一步加劇算力壟斷。在當前競爭形勢下堪稱一次豪賭，因為一旦HBM4量產存在問題，就會被AMD、谷歌TPU等抓住窗口期推出的替代方案給取代，那英偉達賣系統的美夢可能沒那麼容易實現了。