RéponsesPublié17 sources
Vera Rubin NVL72 : NVIDIA promet un bond de 30× du débit d’IA agentique par mégawatt
Selon NVIDIA, Vera Rubin NVL72 atteint jusqu’à 30× le débit d’inférence agentique par mégawatt et jusqu’à 35× le coût inférieur par million de tokens face à GB300 NVL72, avec DeepSeek V4 Pro sur le workload AgentX de... La comparaison directe porte sur GB300 NVL72, et non sur Hopper.
Publié parModifié avec GPT-5.6 LunaImages générées avec GPT Image 1.5
Réponse de recherche
Points clés à retenir
- Selon NVIDIA, Vera Rubin NVL72 atteint jusqu’à 30× le débit d’inférence agentique par mégawatt et jusqu’à 35× le coût inférieur par million de tokens face à GB300 NVL72, avec DeepSeek V4 Pro sur le workload AgentX de...
- La comparaison directe porte sur GB300 NVL72, et non sur Hopper. NVIDIA affirme séparément que GB300 offre jusqu’à 15× plus de débit par mégawatt qu’un système Hopper dans un test DeepSeek V4 Pro.
- La plateforme réunit 72 GPU Rubin et 36 CPU Vera, tandis que les DPU BlueField 4 prennent en charge une partie du réseau, de la sécurité, de l’orchestration et du déplacement des données.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Nvidia announce about its next-generation Vera Rubin NVL72 platform’s efficiency for agentic AI workloads—including its claimed inf. Article summary: NVIDIA’s headline claim is that Vera Rubin NVL72 can deliver up to 30× higher agentic-inference throughput per megawatt than GB300 NVL72 and reduce cost per token by up to 35×, based on its stated SemiAnalysis AgentX res. Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
NVIDIA présente Vera Rubin NVL72 comme une infrastructure conçue pour les usages où les agents génèrent des tokens en continu, appellent des outils, exécutent du code et accumulent du contexte. D’après les résultats publiés par l’entreprise, le système fournirait jusqu’à 30 fois plus de débit par mégawatt que GB300 NVL72 et réduirait jusqu’à 35 fois le coût des tokens lors d’un test AgentX exécuté avec DeepSeek V4 Pro.
Ces chiffres sont spectaculaires, mais ils doivent être replacés dans leur contexte : les éléments disponibles ne donnent pas de prix précis en dollars par million de tokens pour Vera Rubin et ne constituent pas une vérification indépendante, strictement comparable, de ces gains annoncés.
Ce que NVIDIA affirme avoir mesuré
La comparaison mise en avant par NVIDIA est la suivante :
- Jusqu’à 30× plus de débit d’IA agentique par mégawatt que GB300 NVL72 ;
- Jusqu’à 35× de réduction du coût par token, ou par million de tokens lorsqu’il est exprimé à cette échelle ;
- Un test réalisé avec DeepSeek V4 Pro sur le workload AgentX de SemiAnalysis.
AgentX ne se limite pas à une question isolée suivie d’une réponse. Ce benchmark rejoue des sessions de programmation proches de situations de production, avec croissance du contexte, appels d’outils et création de sous-agents. 6
Cette différence est importante. Un agent peut produire une première réponse, vérifier le résultat, appeler un service externe, exécuter du code, créer une nouvelle tâche, puis poursuivre son raisonnement avec un contexte beaucoup plus long. L’infrastructure doit alors gérer bien davantage que la sortie initiale du modèle : mémoire, interconnexions, processeurs, stockage et consommation électrique sont également mis à contribution.
Une comparaison avec Hopper à ne pas additionner
Le chiffre de 30× compare directement Vera Rubin NVL72 à GB300 NVL72, et non à l’architecture Hopper. Dans des résultats distincts liés à AgentX, NVIDIA indique que GB300 NVL72 offre jusqu’à 15× plus de débit par mégawatt qu’un système H200 Hopper avec DeepSeek V4 Pro.
Cette donnée donne une idée de la progression entre générations, mais il ne faut pas les multiplier pour conclure à un gain de 450×. Il s’agit de deux comparaisons séparées, chacune formulée en « jusqu’à », et les informations disponibles ne présentent pas de tableau unique testant Vera Rubin, GB300 et Hopper dans des conditions parfaitement identiques.
La prudence vaut également pour les coûts. Les éléments fournis étayent l’affirmation de NVIDIA concernant une réduction maximale de 35× face à GB300, mais ils ne donnent ni tarif précis de Vera Rubin par million de tokens, ni comparaison chiffrée du coût de Vera Rubin avec Hopper.
Que contient Vera Rubin NVL72 ?
NVL72 est un système à l’échelle d’un rack qui associe 72 GPU Rubin et 36 CPU Vera, avec des SuperNIC ConnectX-9 et des DPU BlueField-4. NVIDIA décrit NVLink 6 comme le réseau d’interconnexion pour la mise à l’échelle au sein du rack, tandis que Quantum-X800 InfiniBand et Spectrum-X Ethernet assurent la mise à l’échelle entre les racks. 2
3
L’idée est de traiter le rack comme une seule machine de calcul fortement intégrée, plutôt que comme un assemblage de serveurs accélérés indépendants. Cette approche est particulièrement pertinente pour l’IA agentique : les performances dépendent de la capacité à alimenter les GPU en données tout en coordonnant l’exécution côté CPU, le réseau et le stockage.
Pourquoi le CPU Vera compte pour les agents
Vera est un processeur de 88 cœurs reposant sur des cœurs Olympus conçus par NVIDIA. Il utilise le Spatial Multithreading et une mémoire LPDDR5X offrant jusqu’à 1,2 To/s de bande passante. NVIDIA affirme que Vera permet d’achever les tâches jusqu’à 1,8 fois plus rapidement que des CPU x86 dans des charges comprenant l’IA agentique, l’apprentissage par renforcement et le traitement des données. 1
5
Son rôle ne consiste donc pas seulement à faire fonctionner un système d’exploitation hôte classique. Vera est destiné à prendre en charge les opérations qui entourent l’inférence :
- utilisation d’outils ;
- exécution de code ;
- bac à sable et orchestration ;
- traitement et analyse des données ;
- simulation et apprentissage par renforcement.
En accélérant ces tâches, NVIDIA cherche à laisser les GPU se concentrer sur l’inférence et à limiter les goulets d’étranglement dans le reste de la boucle agentique. 1
5
9
BlueField-4 et la couche d’infrastructure « Scale-In »
BlueField-4 est le composant de NVIDIA dédié au traitement de l’infrastructure. Ce DPU associe un CPU Grace de 64 cœurs, de la mémoire LPDDR5X et une connectivité ConnectX-9 pouvant atteindre 800 Gb/s. 1
NVIDIA affirme que BlueField-4 déporte des fonctions comme le contrôle, la sécurité, le déplacement des données et l’orchestration hors des CPU et GPU hôtes. Dans cette architecture, le DPU sert de couche d’infrastructure pour assurer un fonctionnement isolé, sécurisé et prévisible à l’échelle d’une « usine d’IA ». 1
C’est le principe de la stratégie Scale-In : l’efficacité ne dépend pas uniquement de la puce graphique. Elle repose aussi sur la manière dont le rack gère les communications, le stockage, la planification et la sécurité sans mobiliser inutilement les accélérateurs.
Le rôle de DSX MaxLPS
DSX MaxLPS est un composant logiciel de l’approche plus large DSX de NVIDIA, et non un GPU ou un CPU Vera Rubin distinct. NVIDIA le décrit comme une suite destinée à maximiser les performances en tokens par mégawatt dans les limites d’un budget électrique donné. Elle combine refroidissement liquide et optimisation au niveau du rack afin de permettre l’utilisation d’un plus grand nombre de GPU près de leur point de fonctionnement le plus efficace.
DSX MaxLPS est donc directement lié à la promesse d’efficacité de 30× : la mesure annoncée se situe au niveau de l’usine d’IA, où le refroidissement, la configuration du rack et les logiciels d’infrastructure peuvent influer sur le nombre de tokens produits par unité d’énergie. Les informations disponibles ne permettent toutefois pas de déterminer quelle part du gain provient du silicium, de la pile logicielle, de la configuration de test ou de leur combinaison.
Les projets de déploiement de SpaceXAI
NVIDIA et SpaceXAI ont indiqué que SpaceXAI prévoyait de déployer des CPU Vera pour sa prochaine génération de charges d’IA agentique et d’étendre l’infrastructure de Grok avec Vera Rubin. 4
5
Les deux entreprises ont également évoqué le projet d’adapter un système Vera Rubin NVL72 optimisé pour l’envoyer en orbite dans le cadre d’un premier satellite Starmind AI. 4
Il s’agit de projets annoncés : ces déclarations ne prouvent pas qu’un système NVL72 orbital a déjà été lancé ou est déjà opérationnel.
Ce qu’il faut retenir
Avec Vera Rubin NVL72, NVIDIA tente d’évaluer son infrastructure selon la manière dont les agents fonctionnent réellement : des sessions longues et itératives, mobilisant un contexte important, des outils, du code et des sous-agents. Sur ce type de charge, l’entreprise annonce jusqu’à 30× plus de débit par mégawatt et jusqu’à 35× de réduction du coût des tokens face à GB300 NVL72.
Pour les acheteurs et les équipes chargées de l’infrastructure, la question essentielle ne consiste pas à savoir si le multiplicateur paraît impressionnant. Il faudra déterminer si ce résultat se retrouve avec leur propre modèle, leur objectif de latence, la longueur de contexte, le niveau de concurrence, leur budget électrique et leurs hypothèses de coût total. Les éléments disponibles établissent la promesse de NVIDIA et décrivent l’architecture qui la sous-tend, mais ne permettent pas encore de rendre un verdict indépendant définitif.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Vera Rubin NVL72 : NVIDIA promet un bond de 30× du débit d’IA agentique par mégawatt » ?
Selon NVIDIA, Vera Rubin NVL72 atteint jusqu’à 30× le débit d’inférence agentique par mégawatt et jusqu’à 35× le coût inférieur par million de tokens face à GB300 NVL72, avec DeepSeek V4 Pro sur le workload AgentX de...
Quels sont les points clés à valider en premier ?
Selon NVIDIA, Vera Rubin NVL72 atteint jusqu’à 30× le débit d’inférence agentique par mégawatt et jusqu’à 35× le coût inférieur par million de tokens face à GB300 NVL72, avec DeepSeek V4 Pro sur le workload AgentX de... La comparaison directe porte sur GB300 NVL72, et non sur Hopper. NVIDIA affirme séparément que GB300 offre jusqu’à 15× plus de débit par mégawatt qu’un système Hopper dans un test DeepSeek V4 Pro.
Que dois-je faire ensuite en pratique ?
La plateforme réunit 72 GPU Rubin et 36 CPU Vera, tandis que les DPU BlueField 4 prennent en charge une partie du réseau, de la sécurité, de l’orchestration et du déplacement des données.