Vera Rubin NVL72: NVIDIA obiecuje nawet 30 razy większą wydajność agentowej AI

NVIDIA przedstawia Vera Rubin NVL72 jako platformę infrastrukturalną stworzoną z myślą o obciążeniach, w których agenci wielokrotnie generują tokeny, wywołują narzędzia, uruchamiają kod i rozbudowują kontekst. Według wyników opublikowanych przez firmę system zapewnił do 30 razy większą przepustowość na megawat niż GB300 NVL72, a koszt tokenów miał spaść nawet 35-krotnie w teście AgentX z modelem DeepSeek V4 Pro.

To imponujące deklaracje, ale należy czytać je z odpowiednim zastrzeżeniem. Dostępne materiały nie podają konkretnego kosztu Vera Rubin w dolarach za milion tokenów ani nie przedstawiają niezależnej, przeprowadzonej dokładnie w tych samych warunkach weryfikacji głównych wyników.

Co dokładnie twierdzi NVIDIA?

Najważniejsze liczby przedstawione przez producenta to:

• do 30 razy wyższa przepustowość agentowej AI na megawat niż w GB300 NVL72;
• do 35 razy niższy koszt tokena, a przy przeliczeniu na tę skalę — kosztu miliona tokenów, względem GB300 NVL72;
• test z modelem DeepSeek V4 Pro w obciążeniu SemiAnalysis AgentX.

AgentX nie jest typowym testem polegającym na zadaniu modelowi jednego krótkiego pytania. Benchmark odtwarza sesje programistyczne przypominające rzeczywistą pracę agentów: kontekst rośnie, pojawiają się wywołania narzędzi, wykonywany jest kod, a agent może uruchamiać kolejne podagenty. 6

To istotna różnica. Agent może wygenerować odpowiedź, sprawdzić rezultat, skorzystać z zewnętrznego narzędzia, uruchomić kod, utworzyć następne zadanie i kontynuować rozumowanie przy znacznie większym kontekście. Taki cykl obciąża nie tylko akceleratory, lecz także pamięć, procesory, sieć i system zasilania.

Vera Rubin a Hopper: czego nie wolno mnożyć?

Bezpośrednie porównanie 30-krotnego wzrostu dotyczy Vera Rubin NVL72 i GB300 NVL72, a nie platformy Hopper. W osobnych materiałach NVIDIA podaje, że GB300 NVL72 zapewnia do 15 razy większą przepustowość na megawat niż system H200 Hopper w teście z DeepSeek V4 Pro.

Ta informacja pokazuje deklarowany kierunek rozwoju kolejnych generacji, ale nie daje podstaw do ogłaszania jednego, skumulowanego wyniku 450 razy. Są to dwa oddzielne porównania typu „do”, a dostępne dane nie zawierają jednej tabeli pokazującej Vera Rubin, GB300 i Hopper w identycznych warunkach.

To samo dotyczy kosztów. Materiały potwierdzają deklarację NVIDIA o maksymalnie 35-krotnym obniżeniu kosztu względem GB300, ale nie podają konkretnej ceny Vera Rubin za milion tokenów ani bezpośredniego wyniku kosztowego Vera Rubin kontra Hopper.

Co znajduje się w platformie Vera Rubin NVL72?

NVL72 to system o skali całego racka, łączący 72 procesory graficzne Rubin i 36 procesorów Vera z kartami sieciowymi ConnectX-9 SuperNIC oraz układami BlueField-4 DPU. NVIDIA opisuje NVLink 6 jako warstwę komunikacji wewnątrz systemu, a Quantum-X800 InfiniBand i Spectrum-X Ethernet jako rozwiązania do skalowania między systemami. 23

W praktyce rack ma działać jak ściśle zintegrowany komputer, a nie zbiór niezależnych serwerów z akceleratorami. Ma to znaczenie przy pracy agentowej, gdzie wydajność zależy od sprawnej koordynacji GPU, procesorów, pamięci, sieci i pamięci masowej.

Dlaczego procesor Vera ma znaczenie dla agentów?

Vera to 88-rdzeniowy procesor oparty na zaprojektowanych przez NVIDIA rdzeniach Olympus. Wykorzystuje technologię Spatial Multithreading i pamięć LPDDR5X, oferując do 1,2 TB/s przepustowości pamięci. NVIDIA twierdzi, że Vera pozwala skrócić czas realizacji zadań nawet 1,8 raza względem procesorów x86 w obciążeniach obejmujących agentową AI, uczenie ze wzmocnieniem i przetwarzanie danych. 15

Nie chodzi więc wyłącznie o uruchamianie tradycyjnego systemu operacyjnego. Procesor ma obsługiwać pracę towarzyszącą inferencji, w tym:

• korzystanie z narzędzi;
• wykonywanie kodu;
• izolowanie środowisk i orkiestrację;
• przetwarzanie oraz analizę danych;
• symulacje i zadania związane z uczeniem ze wzmocnieniem.

Założenie jest proste: jeśli te czynności zostaną przyspieszone, GPU może w większym stopniu koncentrować się na inferencji, a nie czekać na kolejne etapy pętli agenta. 159

BlueField-4 i warstwa „Scale-In”

BlueField-4 to wyspecjalizowany element infrastruktury firmy NVIDIA. DPU łączy 64-rdzeniowy procesor Grace, pamięć LPDDR5X i układy sieciowe ConnectX-9, zapewniając łączność o przepustowości do 800 Gb/s. 1

Według NVIDIA BlueField-4 przenosi poza główne procesory i GPU część zadań związanych z zarządzaniem, bezpieczeństwem, przesyłaniem danych i orkiestracją. DPU ma dzięki temu pełnić rolę warstwy infrastrukturalnej, która pomaga utrzymać izolowane, bezpieczne i przewidywalne działanie dużej „fabryki AI”. 1

Na tym opiera się koncepcja NVIDIA określana jako Scale-In. Efektywność nie zależy wyłącznie od samego GPU. Liczy się również to, jak sprawnie cały rack obsługuje komunikację, pamięć masową, harmonogramowanie i bezpieczeństwo — bez odbierania akceleratorom zasobów potrzebnych do pracy modeli.

Gdzie w tym wszystkim mieści się DSX MaxLPS?

DSX MaxLPS jest oprogramowaniem w ramach szerszej koncepcji NVIDIA DSX AI Factory, a nie osobnym procesorem Vera Rubin. NVIDIA opisuje je jako zestaw technologii mających maksymalizować wydajność tokenową na megawat przy ustalonym limicie mocy. Podejście obejmuje między innymi chłodzenie cieczą i optymalizację na poziomie racka, aby operatorzy mogli uruchamiać więcej GPU w pobliżu ich najbardziej energooszczędnych punktów pracy.

Dlatego DSX MaxLPS ma związek z deklaracją 30-krotnej poprawy efektywności. Wynik mierzony na poziomie całej „fabryki AI” może zależeć nie tylko od krzemu, lecz także od chłodzenia, konfiguracji racka i oprogramowania infrastrukturalnego. Dostępne dane nie pozwalają jednak rozdzielić, jaka część poprawy wynika z poszczególnych elementów.

Plany SpaceXAI: Grok i satelity Starmind AI

NVIDIA i SpaceXAI poinformowały, że SpaceXAI planuje wdrożyć procesory Vera do obsługi kolejnej generacji agentowych obciążeń AI oraz rozbudować infrastrukturę stojącą za Grokiem z wykorzystaniem platformy Vera Rubin. 45

Firmy opisały również plany rozszerzenia zoptymalizowanego systemu Vera Rubin NVL72 na orbitę, aby zasilić pierwszego satelitę Starmind AI. 4

Są to jednak zapowiedzi przyszłych wdrożeń. Nie stanowią dowodu, że orbitalny system oparty na NVL72 został już wyniesiony w kosmos albo rozpoczął pracę.

Wniosek: duża obietnica, ale nie końcowy werdykt

Znaczenie Vera Rubin NVL72 wynika z próby mierzenia infrastruktury AI w sposób bliższy rzeczywistej pracy agentów. Zamiast pojedynczej odpowiedzi mamy długie, iteracyjne sesje, rosnący kontekst, wywołania narzędzi, wykonywanie kodu i pracę podagentów. W takim obciążeniu NVIDIA deklaruje do 30 razy większą przepustowość na megawat oraz do 35 razy niższy koszt tokenów względem GB300 NVL72.

Dla klientów i zespołów odpowiedzialnych za infrastrukturę kluczowe pytanie brzmi jednak nie „czy mnożnik wygląda imponująco?”, lecz „czy podobny wynik utrzyma się przy naszym modelu, docelowym opóźnieniu, długości kontekstu, poziomie współbieżności, limicie mocy i całkowitym koszcie posiadania?”. Dostępne źródła dokumentują deklarację NVIDIA i opisują architekturę platformy, ale nie dostarczają jeszcze niezależnego, ostatecznego werdyktu.