NVIDIA於AI Infra Summit 2025發表Rubin CPX GPU，透過分離運算提升6倍AI推論效能

NVIDIA於AI Infra Summit 2025發表支援分離運算的Rubin CPX GPU，讓2組運算單元同時負責單一AI推論運算的不同部分，最高能提升6倍AI推論效能。

化解AI推論的瓶頸

NVIDIA於AI Infra Summit 2025（人工智慧基礎設施高峰會）帶來最新MLPerf Inference基準測試成績以及Rubin CPX GPU（繪圖處理器，適合用於AI運算）等重要資訊，其中後者是能大幅提升AI推論效能的新型態GPU。

延伸閱讀：
【GTC 2025】黃仁勳演說深入分析：提出「終極摩爾定律」，追求相同耗電更高效能
NVIDIA於AI Infra Summit發表最新MLPerf Inference基準測試結果，透過分離運算提升近50%效能

LLM（Large Language Model，大型語言模型）的推論運算過程可以分為2個階段，第1階段為前後文分析與預填寫（Context / Prefill），主要的運算效能瓶頸會落在GPU本體，若GPU的運算效能不足就會對AI推論的字詞（Token）輸出速度造成顯著負面影響。第2階段則為生成與解碼（Generation / Decode），瓶頸會轉移到資料吞吐量，需要更高的記憶體頻寬以及晶片間傳輸（C2C）頻寬來舒解資料阻塞的情況，確保字詞輸出速度不受影響。

NVIDIA利用分離運算（Disaggregated Serving）的方式，將AI推論運算的2個階段拆分給不同GPU執行，其中特化GPU（如衍生型的Rubin CPX GPU）負責第1階段，並將KV Cache（Key-Value快取）資料傳輸給典型GPU（如Rubin GPU）進行第2階段運算，透過2種針對不同需求最佳化的運算單元來化解各階段效能瓶頸的，能帶來6倍於僅使用典型GPU的吞吐量。

小辭典：KV Cache
簡單地說，在Transformers類型的AI模型中，系統會透過查詢（Query，Q）前文字詞的配對鑰匙（Key，K）與內容值（Value，V）等屬性，以生成下一組字詞。
而KV Cache則是將先前運算所得到的K、V向量值儲存於快取記憶體，優點是往後要若使用的話，不需重新運算即可直接讀取結果，但是缺點就是佔用更多記憶體空間與傳輸頻寬。
上述2個工作階段的第1階段（預填）中，系統會將提示詞（Prompt）中的所有字詞運算以取得K、V向量值，並將結果儲存於KV Cache。在第２階段（解碼）時，系統只需計算新生成字詞的Q、K、V向量，並將新的Ｑ向量與KV Cache中的Ｋ向量進行配對，然後再讀取KV Cache中的Ｖ向量生成結果，能夠以「找查快取記憶體替代實際運算」，以大幅降低運算量並提升效能。

▲ 在傳統運算流程中，使用單一GPU同時處理第1階段的前後文分析與預填寫（Context / Prefill，綠色部分），以及第2階段的生成與解碼（Generation / Decode，紫色部分），會形成效能瓶頸並降低字詞輸出速度。

▲ 分離運算則將2階段的工作分別派給2組不同的GPU處理，第1階段導入特化設計的Rubin CPX GPU，舒解效能瓶頸並提升6倍於僅使用典型GPU的吞吐量。

Rubin CPX GPU內服外用兩相宜

Rubin CPX GPU是針對上述第1階段工作特性進行最佳化的特化版GPU，具有30PFLOPS的NVFP4資料類型理論運算效能，搭配128GB GDDR7顯示記憶體，能夠分擔典型版Rubin GPU執行AI推論的運算負載。

值得注意的是，Rubin GPU搭配Rubin CPX GPU運算時，最高能夠達到6倍於單獨使用Rubin GPU的吞吐量，發揮1加1大於2的效能增益。

另一方面，Rubin CPX GPU內整合NVENC硬體影像編碼器、NVDEC硬體影像解碼器各4組，能在伺服器需要輸入或輸出影片時，透過硬體加速的方式降低處理器（CPU）以及GPU的負擔。

NVIDIA目前發表2種Rubin CPX GPU組態，第1種為Vera Rubin NVL 144 CPX，它以由18組伺服器構成的Vera Rubin NVL 144機櫃為基礎，在每組伺服器中加裝4組Rubin CPX GPU，能在不額外增加佔用空間的前提下提高整體運算效能。

第2種則為雙機櫃組態，在現有Vera Rubin NVL 144機櫃旁邊設置Vera Rubin CPX機櫃，並透過ConnectX-9網路卡連接。Vera Rubin CPX機櫃由18組伺服器構成，每組伺服器內具有2組Vera CPU以及4組Rubin CPX GPU，提供日後升級的彈性選項。

NVIDIA也發表了超大型AI工廠（AI Factory Giga-Scale）的參考設計，包含從建築工程到營造，到發電、儲能、機械、電力、管路等等環節的設計、模擬、營運，協助企業提升AI工廠建置速度。

考慮到GPU就是AI工廠中最重要的生產樞紐，我們輸入資料、經過GPU運算、產生AI模型或推論結果，當GPU數量越多代表AI工廠的獲利也越高。NVIDIA表示每投資1億元建置Vera Rubin NVL 144 CPX，即可獲得50億元的營收。

▲ Rubin CPX GPU具有30PFLOPS的NVFP4資料類型理論運算效能，搭配128GB GDDR7顯示記憶體，內建NVENC硬體影像編碼器、NVDEC硬體影像解碼器各4組。

▲ Vera Rubin NVL 144機櫃總共具有72組Rubin晶片（每組晶片內有２組GPU）。

▲ Vera Rubin NVL 144 CPX則是在原有機櫃組態中，追加72組Rubin CPX晶片。

▲ Vera Rubin CPX Dual Rack雙機櫃組態則是在現有Vera Rubin NVL 144機櫃旁邊設置Vera Rubin CPX機櫃，透過ConnectX-9網路卡連接彼此。

▲ NVIDIA也發表了超大型AI工廠參考設計，協助企業提升建置速度。

Rubin CPX GPU預定於2026年上市，這種「怪給西」當然是沒有零售的啦！