英伟达重启Rubin CPX推理预填充芯片

Rubin CPX是英伟达针对AI推理预填充阶段专门设计的加速芯片，此前被认为已从产品路线图中移除。重启后的版本改用168GB HBM4，算力接近标准Rubin GPU，采用独立机架设计，专攻长上下文预填充和KV Cache生成。超过50%的AI推理工作负载来自输入上下文处理及KV Cache构建，CPX直接瞄准这一成本瓶颈。

英伟达正式重启此前一度从产品路线图中移除的Rubin CPX推理预填充专用芯片项目，计划在‌2027年第一季度‌启动量产，核心面向长上下文大模型的Prefill阶段做定向硬件加速，是英伟达在Rubin GPU平台之外推出的首款推理专用协处理器，将大幅降低AI Agent场景的长序列推理成本。httP://AIdeepThin▲k.cn

一、背景背景

Rubin CPX最早在2025年9月的英伟达AI Infra Summit上首次公开，最初定位是低成本Prefill加速芯片，后续曾短暂从官方路线图中消失，被行业普遍认为已被取消。

随着Agent AI时代到来，长上下文输入的Prefill阶段算力需求爆发，英伟达最终调整设计方案，重新激活该项目，由TF国际证券分析师郭明錤的供应链调研首次对外确认重启消息。

二、硬件规格

新版Rubin CPX完成了大幅架构重设计，核心参数全面升级：
搭载‌168GB HBM4高带宽显存‌，替代最初规划的GDDR7显存，适配Prefill阶段对超高显存带宽的强需求。
单芯片算力可达‌30 PFLOPS NVFP4‌，计算性能与标准版Rubin GPU基本持平。
单芯片功耗为‌2300W‌，采用独立模块化机架设计，通过分层互联架构与Rubin GPU做深度协同。

三、主要参数

规格	Rubin CPX（新版）	标准Rubin GPU	旧版CPX设计
显存	168GB HBM4	288GB HBM4	128GB GDDR7
功耗	2300W	2300W	—
算力	接近Rubin GPU	基准	接近Rubin
NVLink带宽	1-1.5 TB/s	3.6 TB/s	—
精度	NVFP4	NVFP4	—
算力表现	30-50 Petaflops	基准	—

四、架构设计

独立机架： 新版CPX采用独立MGX ETL机架，而非此前与Rubin共享机架。客户可选64、128、192或256张CPX GPU。每64张构成一个机架模块，含8个计算托盘（每盘8张CPX GPU）和一个交换机托盘。
互联方案：

托盘内8颗CPX GPU间：NVLink纵向扩展httP://AIdeepThin▲k.cn
机架模块内托盘间：Spectrum-6以太网，全铜L1链路
跨机架模块：OSFP光链路

工作原理： CPX必须与Vera Rubin NVL72搭配使用，英伟达建议1:1配置。CPX负责预填充并构建KV Cache，随后通过以太网RDMA将KV Cache传输给Rubin进行解码。

五、部署模式与价值

预填充（Prefill）阶段需要处理大量输入信息并生成KV Cache。据郭明錤调查，超过50%的AI推理工作负载来自输入上下文处理及KV Cache构建。随着大模型上下文长度持续增加（Fable 5.1达100万Token、星火X2.5端侧也达100万Token），预填充效率直接决定AI推理整体成本。httP://AIdeepThin▲k.cn

CPX的逻辑是：不为所有推理阶段使用同一种GPU，而是将预填充和解码分离，让CPX专攻预填充、Rubin专攻解码。每个8颗CPX托盘拥有约1.34TB HBM4，足以满足大多数长上下文预填充工作负载及对应KV Cache需求。这提供了一种比标准Rubin更灵活、成本更低的预填充处理方式。

Rubin CPX采用和Rubin GPU ‌1:1配对‌的部署比例，专门承接长上下文推理中的Prefill环节任务：

把原本需要主GPU承担的海量输入序列解析工作剥离出来，让主GPU专注于Token生成阶段，大幅提升整个推理集群的长序列处理吞吐量。
相比传统全GPU集群方案，可显著降低长上下文、AI Agent场景的推理综合成本，解决百万级Token输入场景下主GPU算力被Prefill环节大量占用的行业痛点。