AnswersPublished17 sources
Vera Rubin NVL72, la promessa di NVIDIA: fino a 30× più throughput per megawatt
NVIDIA dichiara che Vera Rubin NVL72 ha raggiunto fino a 30× più throughput per megawatt nell’AI agentica e fino a 35× meno costo per milione di token rispetto a GB300 NVL72, usando DeepSeek V4 Pro sul carico SemiAnal... Il confronto diretto è tra Vera Rubin e GB300 NVL72.
Pubblicato daModificato con GPT-5.6 LunaImmagini generate con GPT Image 1.5
Research answer
Key takeaways
- NVIDIA dichiara che Vera Rubin NVL72 ha raggiunto fino a 30× più throughput per megawatt nell’AI agentica e fino a 35× meno costo per milione di token rispetto a GB300 NVL72, usando DeepSeek V4 Pro sul carico SemiAnal...
- Il confronto diretto è tra Vera Rubin e GB300 NVL72. NVIDIA afferma separatamente che GB300 offre fino a 15× più throughput per megawatt rispetto a Hopper sullo stesso tipo di carico, ma i numeri non vanno moltiplicat...
- La piattaforma combina 72 GPU Rubin e 36 CPU Vera; le DPU BlueField 4 gestiscono attività infrastrutturali come rete, sicurezza, orchestrazione e movimentazione dei dati.
- Vera è una CPU da 88 core pensata per il lavoro che circonda l’inferenza: uso degli strumenti, esecuzione del codice, sandbox, analisi e orchestrazione.
AI Prompt
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
La nuova sfida dell’intelligenza artificiale non consiste soltanto nel rispondere rapidamente a una domanda. Gli agenti AI generano token, chiamano strumenti esterni, eseguono codice, avviano sotto-agenti e lavorano su conversazioni il cui contesto continua a crescere. È su questo tipo di attività che NVIDIA sta posizionando Vera Rubin NVL72.
Secondo i dati pubblicati dall’azienda, il sistema raggiunge fino a 30 volte più throughput per megawatt rispetto a GB300 NVL72 e riduce fino a 35 volte il costo per token — espresso anche come costo per milione di token — nel test AgentX eseguito con il modello DeepSeek V4 Pro.
Si tratta di numeri notevoli, ma vanno letti con cautela: le informazioni disponibili riportano la rivendicazione di NVIDIA, non una verifica indipendente e perfettamente comparabile. Inoltre, non viene indicato un prezzo in dollari per milione di token per Vera Rubin.
Il test AgentX misura un lavoro diverso dal semplice chatbot
Il benchmark SemiAnalysis AgentX non si limita a una sessione di domande e risposte brevi. Riproduce sessioni di programmazione dall’impostazione simile a quelle di produzione, mantenendo la crescita del contesto, le chiamate agli strumenti e la creazione di sotto-agenti. 6
In uno scenario del genere, un agente può:
- generare una risposta;
- esaminare il risultato;
- chiamare un servizio o uno strumento esterno;
- eseguire codice;
- creare un nuovo compito;
- continuare a ragionare su una quantità crescente di contesto.
Il carico non ricade quindi soltanto sulla GPU. Memoria, CPU, rete, archiviazione e consumi energetici diventano elementi decisivi per mantenere fluido l’intero ciclo dell’agente.
Il confronto con Hopper non autorizza a parlare di 450×
Il dato principale — fino a 30× in più — confronta Vera Rubin NVL72 con GB300 NVL72, non direttamente con Hopper.
NVIDIA pubblica separatamente un altro risultato: su DeepSeek V4 Pro, GB300 NVL72 offre fino a 15× più throughput per megawatt rispetto a un sistema basato su H200 Hopper.
Questo dato aiuta a capire la progressione generazionale, ma non è corretto moltiplicare i due valori per ottenere un ipotetico miglioramento di 450×. Si tratta di confronti distinti, entrambi espressi come valori massimi, e il materiale disponibile non presenta una singola tabella di test che metta Vera Rubin, GB300 e Hopper nelle stesse identiche condizioni.
La stessa cautela vale per i costi: le fonti supportano la dichiarazione di NVIDIA su una riduzione massima di 35× rispetto a GB300, ma non forniscono né un costo in dollari per milione di token di Vera Rubin né un confronto specifico Vera Rubin-Hopper.
Cosa contiene Vera Rubin NVL72
NVIDIA Vera Rubin NVL72 è un sistema rack-scale che integra:
- 72 GPU Rubin;
- 36 CPU Vera;
- SuperNIC ConnectX-9;
- DPU BlueField-4.
Il collegamento di scala interna è affidato a NVLink 6, mentre Quantum-X800 InfiniBand e Spectrum-X Ethernet gestiscono la connessione tra sistemi e rack. 2
3
L’idea è trattare il rack come un unico sistema di calcolo strettamente integrato, non come un insieme di server accelerati indipendenti. Per i carichi agentici, questa impostazione può essere importante: acceleratori, CPU e rete devono coordinarsi continuamente mentre il modello elabora dati, strumenti e contesti sempre più estesi.
La CPU Vera porta il lavoro “attorno” al modello
Vera è una CPU da 88 core basata su core Olympus progettati da NVIDIA. Utilizza Spatial Multithreading e memoria LPDDR5X, con una larghezza di banda dichiarata fino a 1,2 TB/s. NVIDIA afferma che Vera può completare i task fino a 1,8 volte più velocemente rispetto a CPU x86 in carichi che includono AI agentica, reinforcement learning ed elaborazione dati. 1
5
Il suo ruolo non è semplicemente eseguire il sistema operativo dell’host. La CPU è pensata per gestire attività come:
- uso degli strumenti;
- esecuzione del codice;
- sandbox e orchestrazione;
- elaborazione e analisi dei dati;
- simulazioni e carichi di reinforcement learning.
L’obiettivo architetturale è lasciare alle GPU il maggior numero possibile di risorse per l’inferenza, riducendo i colli di bottiglia nelle altre fasi del ciclo dell’agente. 1
5
9
BlueField-4 e il livello infrastrutturale “Scale-In”
BlueField-4 è il componente dedicato all’elaborazione delle funzioni infrastrutturali. La DPU combina una CPU Grace da 64 core, memoria LPDDR5X e networking ConnectX-9, con connettività fino a 800 Gb/s. 1
Secondo NVIDIA, BlueField-4 trasferisce dai processori host e dalle GPU attività come controllo, sicurezza, movimentazione dei dati e orchestrazione. In questo modello, la DPU diventa uno strato infrastrutturale capace di contribuire a un funzionamento isolato, sicuro e prevedibile dell’intera AI factory. 1
È questa la logica della definizione Scale-In: l’efficienza non dipende soltanto dal chip acceleratore, ma anche dalla capacità del rack di gestire comunicazioni, archiviazione, pianificazione e sicurezza senza sottrarre risorse all’inferenza.
DSX MaxLPS: perché il consumo del rack conta
DSX MaxLPS è un componente software dell’approccio più ampio NVIDIA DSX per le AI factory, non una nuova GPU o una nuova CPU Vera Rubin. NVIDIA lo descrive come una suite progettata per massimizzare le prestazioni in token per megawatt entro un budget energetico fisso.
La proposta combina raffreddamento a liquido e ottimizzazioni a livello di rack, con l’obiettivo di far funzionare più GPU vicino ai rispettivi punti di maggiore efficienza energetica.
Questo elemento è rilevante quando si parla del dato di 30×: la metrica è riferita al livello dell’AI factory, dove raffreddamento, configurazione del rack e software infrastrutturale possono influire sulla quantità di token generati per unità di energia. Le prove disponibili, tuttavia, non permettono di stabilire quale parte del miglioramento derivi dal silicio, quale dal software e quale dalla configurazione complessiva del test.
I piani di SpaceXAI per Grok e Starmind AI
NVIDIA e SpaceXAI hanno dichiarato che SpaceXAI prevede di utilizzare CPU Vera per la prossima generazione di carichi di lavoro agentici e di ampliare l’infrastruttura alla base di Grok con Vera Rubin. 4
5
Le due aziende hanno inoltre illustrato un piano per portare in orbita un sistema Vera Rubin NVL72 ottimizzato, destinato a un satellite Starmind AI di prima generazione. 4
Si tratta però di piani di implementazione. Le informazioni disponibili non dimostrano che un sistema NVL72 orbitale sia già stato lanciato o sia entrato in servizio.
Il punto per chi acquista infrastruttura AI
Vera Rubin NVL72 rappresenta il tentativo di NVIDIA di valutare l’infrastruttura AI sulla base del modo in cui lavorano davvero gli agenti: sessioni lunghe e iterative, con contesti estesi, strumenti, codice e sotto-agenti.
Su questo tipo di carico, NVIDIA dichiara fino a 30× più throughput per megawatt e fino a 35× meno costi per token rispetto a GB300 NVL72.
Per aziende e operatori di data center, però, la domanda decisiva non è soltanto se il moltiplicatore sembri sorprendente. Occorre verificare se il risultato regga con il proprio modello, il livello di latenza richiesto, la lunghezza del contesto, la concorrenza, il budget energetico e le ipotesi sul costo totale di esercizio.
Le fonti disponibili documentano la promessa di NVIDIA e l’architettura che la sostiene, ma non offrono ancora un verdetto indipendente definitivo.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Vera Rubin NVL72, la promessa di NVIDIA: fino a 30× più throughput per megawatt"?
NVIDIA dichiara che Vera Rubin NVL72 ha raggiunto fino a 30× più throughput per megawatt nell’AI agentica e fino a 35× meno costo per milione di token rispetto a GB300 NVL72, usando DeepSeek V4 Pro sul carico SemiAnal...
What are the key points to validate first?
NVIDIA dichiara che Vera Rubin NVL72 ha raggiunto fino a 30× più throughput per megawatt nell’AI agentica e fino a 35× meno costo per milione di token rispetto a GB300 NVL72, usando DeepSeek V4 Pro sul carico SemiAnal... Il confronto diretto è tra Vera Rubin e GB300 NVL72. NVIDIA afferma separatamente che GB300 offre fino a 15× più throughput per megawatt rispetto a Hopper sullo stesso tipo di carico, ma i numeri non vanno moltiplicat...
What should I do next in practice?
La piattaforma combina 72 GPU Rubin e 36 CPU Vera; le DPU BlueField 4 gestiscono attività infrastrutturali come rete, sicurezza, orchestrazione e movimentazione dei dati.