🎯 半导体 · AI算力

🔥 英伟达正评估削减 Rubin Ultra 芯片显存容量的激进方案，试图在性能与成本之间重新寻找平衡。

一、显存容量为何成了被"动刀"的对象

在英伟达新一代 Vera Rubin 架构中，Rubin GPU 采用台积电 3nm 工艺，集成 3360 亿个晶体管，并搭载 288GB HBM4 显存，带宽高达 22TB/s，FP4 推理算力达 50 PFLOPS，是上一代 Blackwell 的五倍。如此激进的规格，背后是高企的成本与供应链压力。市场传闻英伟达正在考量削减 Rubin Ultra 芯片显存容量的激进方案，正是对这一矛盾的直接回应。

显存容量下调，表面看是"缩水"，实则是英伟达在可制造性、良率与客户实际需求之间的一次主动权衡。大模型训练与推理对显存的需求并非线性增长，一味堆料未必带来同等比例的收益。

二、成本、供应与竞争的三重倒逼

过去一年，HBM 高带宽内存供应持续紧张、价格一路上涨，成为 AI 芯片成本攀升的重要推手。有分析指出，英伟达 AI 芯片价格大幅上涨，与 HBM 成本上升关系密切。Cerebras 等竞争对手之所以能强调成本优势，正是因为其晶圆级架构不依赖 HBM、不使用 CoWoS 先进封装。这种来自对手的差异化打法，给英伟达带来不小的压力。

与此同时，英伟达也在效率侧同步出招：通过推出 NeMo Switchyard 开源路由库、Nemotron 3.5 Lightning 等模型，试图在软件层面把智能体任务成本压下来，形成"硬件降显存 + 软件提效率"的组合拳。降容量降的是硬件成本，提效率提的是单位算力的价值。

三、激进方案背后的深层逻辑

下调 Rubin Ultra 显存容量，并不意味着英伟达在技术路线上退缩，反而更像是在为其庞大的产品矩阵让出差异化空间。从 Rubin 到 Rubin Ultra，再到面向太空算力的 Starmind 卫星计算载荷，英伟达需要在一套架构里覆盖从小到大的多种客户场景。

对普通企业级买家而言，288GB 的满血规格或许"过剩"，而通过提供不同显存档位的 SKU，既能把成本打下来，又能精准对接不同预算与负载的客户，同时缓解上游 HBM 供应的压力。可以预见，未来的竞争焦点会从"谁家显存更大"转向"谁家的单位算力成本更低、交付更快"，而这正是英伟达这盘激进棋局想要抢占的先机。

综合快科技、华尔街见闻、itiger 报道 | 2026-08-13