AI算力三条战线同时换代：一次基于公开信源的核查与重写

“编者注（重要更正说明）

“1. 原稿将「30倍能效提升」「900倍累计提速」「成本翻两番」等数字混用，存在口径矛盾。经核查：“对比GB300 NVL72每兆瓦吞吐最高提升30倍”为厂商口径下的单一对比数据；从H200起的“累计900倍”系原文自行相乘的推算，无任何公开测试支撑，本稿已删除并在相应位置说明。

“2. 文中涉及的实测所用模型名称、测试条件，目前无第三方或官方公开文档可交叉验证，本稿已逐处标注信源性质（厂商宣称 / 媒体报道 / 作者分析）。

“3. 原稿部分修辞（“打了个激灵”“网友神评”等）已删减，非引用类情绪化表述一并移除。

一份厂商自测数据，在算力圈引发了广泛讨论。

英伟达公布了下一代旗舰机柜 Vera Rubin 平台的片上实测数据：以 DeepSeek 系列模型运行智能体编码任务（agentic coding），对比当前主力 GB300 NVL72，厂商宣称每兆瓦吞吐量最高提升30倍、每Token成本最高下降35倍。⚠️ 该数据为英伟达单方宣称，测试条件（模型参数量、序列长度、并发数、精度格式、是否含KV Cache优化）未完整披露，截至本文发稿无第三方复现。

几乎同一时间窗口，Intel 透露了下一代服务器CPU Diamond Rapids 的部分规格，SK海力士则在多个场合推进混合键合（hybrid bonding）路线的 HBM5 讨论。

GPU、CPU、存储，三条战线几乎同时进入换代周期。无论各家动机如何，一个趋势已经清晰：AI算力的竞争单位，正在从「一张卡」转向「一整柜」。

📈 实测数据到底说了什么

先看这份成绩单本身，以及它的边界。

测试场景：不是传统的单轮LLM推理跑分，而是智能体编码任务——模型多轮调用工具、拆解任务、读写代码。

关键口径：

• 「最高提升30倍」指能效指标（tokens/s/MW），即吞吐量除以整柜功耗，并非绝对吞吐量提升30倍；
• 「最高下降35倍」指单位Token成本，其计算依赖电价假设与摊销方式，厂商未公布模型；
• 两项均为「最高值」，即最优工况下的结果，典型工况数字必然低于此。

⚠️ 需要特别说明：原稿所写实测模型为"DeepSeek-V4-Pro"，该型号名称无法在任何官方渠道核实。以下分析基于“DeepSeek系列开源权重模型”这一可验证的前提。

为什么智能体任务能拉开差距？因为工作负载的性质变了。LLM推理是「一问一答」，算力需求相对线性；智能体任务中，一个请求被拆成几十轮调用，上下文持续增长，对显存带宽、KV Cache容量和网络互联的压力呈非线性放大。同一代硬件在两类任务上的相对表现可以差出数倍，再叠加新一代硬件的工艺与互联升级，厂商口径下的「最高30倍」在算术上是成立的——但它是两个变量的乘积（负载差异 × 硬件代差），不能读作“硬件快了30倍”。

独立分析：这次发布的实质。英伟达传递的核心主张是：当推理负载从「单次生成」转向「长链条智能体」，衡量算力的标尺应从峰值算力（FLOPS）转向真实任务的每兆瓦吞吐。这个主张在产业逻辑上站得住，但也需注意：谁定义标尺，谁就掌握定价权。目前业界已有中性替代方案——MLPerf Inference已加入类智能体负载讨论（参见 MLCommons），但落地节奏远慢于厂商自定口径的传播速度。

选择DeepSeek系模型做演示，本身是一个传播策略：DeepSeek以推理效率著称（参见 DeepSeek技术报告），用“最省”的模型验证最贵的新机柜，在营销上比通用模型更有说服力。

💸 三代产品的价格与性能：口径必须分开算

原稿最大的数据问题出在这一节，本稿重新梳理。

可验证的部分：

• H200：单卡公开渠道售价约3万–4万美元（据 TrendForce 及多家渠道商报价报道）；
• GB300 NVL72：整机柜无官方定价，多家媒体援引供应链估计约300万美元级别，属非官方估算；
• Vera Rubin平台定价：无任何公开数据。原稿“整机架价格大致再翻倍”为推测，本稿予以删除。

必须更正的部分：

• 原稿称“H200→GB300真实智能体负载吞吐最高提升30倍”——英伟达从未公布过H200对GB300的智能体负载对比数据，此数字与“Vera Rubin对GB300提升30倍”混淆了；
• 原稿由此得出“累计900倍”——这是两个未经证实数字的相乘，无任何信源支撑，予以删除；
• “成本大致翻倍”两次出现，同样无信源，改为“仅H200单卡价格有公开参考”。

独立分析：定价权的实际机制。抛开被更正的数字，“竞争单位从卡变成柜”这个判断依然成立，机制有三：

1. 比价对象消失。NVL72类机柜将72颗GPU、NVLink交换、CPU与网络打包出售，客户无法将其与任何单卡竞品做同口径对比，议价锚点被抽掉。

2. 采购门槛抬升。整机柜方案将采购决策从“卡预算”升级为数百万美元级的资本开支，实际把中小买家推向云厂商，进一步强化头部集中。

3. TCO叙事替代单价叙事。厂商用“每Token成本下降”替代“每卡价格”作为卖点，这在物理上可以成立（能效确实提升），但把电价、折旧年限、利用率等客户侧变量也纳入了厂商的叙事框架。

对下游而言，真实含义是：Token单位成本在下降，但因智能体应用消耗量的放大（即杰文斯效应），总账单未必下降——这一点在多家云厂商财报电话会中已有印证。

🖥️ Intel：Diamond Rapids与18A的一次下注

几乎同一时间窗口，Intel 披露了下一代服务器CPU Diamond Rapids Xeon 7 的部分信息：最多256个P核，末级缓存约1.28GB，支持AVX 10.2指令集，采用18A制程节点。⚠️ 上述规格来自Intel在技术活动及行业媒体（如 ServeTheHome、Tom's Hardware）的披露与报道，Intel官方新闻室暂无完整白皮书，出货时间表亦有不确定性。

技术细节拆解：

• 封装从EMIB转向UCIe-S。这不只是技术选型。UCIe 是开放小芯片互联标准，Intel自 家EMIB是其私有方案。转向UCIe-S意味着：一方面Intel确实在向标准化靠拢，另一方面——这是作者的分析判断——这也为其代工业务服务：只有客户的设计能通过标准接口接入Intel先进封装，18A/14A代工才有AI客户可言。封装选型在这里同时是商业宣言。
• 256核+超大缓存指向的场景：数据准备、向量检索（RAG）、智能体编排调度。智能体负载中，每个进入GPU的Token之前都有大量数据清洗、检索、调度在CPU侧完成。GPU吞吐提升后，CPU子系统成为新瓶颈的概率在上升——这是Intel叙事与英伟达叙事的对接点：Diamond Rapids不与GPU竞争，而是宣称自己是GPU系统的必要配套。
• 18A节点：RibbonFET（GAA晶体管）+ PowerVia（背面供电），是Intel重返制程领先的押注（参见 Intel Foundry）。对Intel而言，Diamond Rapids既是产品，也是18A对外部客户的良率广告——Xeon大规模量产的良率数据，比任何代工路演都有说服力。

产业影响：这步棋能否走通，取决于智能体时代CPU价值占比是否上升。目前两个信号支持这个方向：一是GPU机柜方案本身已开始集成更多CPU资源（GB300采用Grace CPU）；二是定制ASIC路线（Google TPU、Amazon Trainium等）同样需要通用CPU做数据面配套——这意味着Intel的目标市场大于英伟达生态本身。

🧱 SK海力士：775微米的物理约束

存储侧的核心信息有两条：一是通过混合键合技术推进 HBM5，二是将MR-MUF封装工艺延续至英伟达Rubin平台。⚠️ 混合键合路线与厚度约束来自SK海力士在行业会议上的表态及行业媒体报道（可参见 SK海力士新闻室），具体层数-厚度规格以JEDEC最终标准为准。

775微米这个数字的含义：这是HBM堆叠总厚度的行业约束上限，约等于一片300mm逻辑晶圆的标准厚度——HBM最终要与逻辑die共同封装，总厚度不能超过封装标准允许的空间。HBM各层DRAM靠微凸点连接，凸点本身消耗厚度预算；层数越多，留给散热与信号完整性的余量越小。传统微凸点路线在此触顶。

混合键合的解法是直接键合晶圆面，省去凸点占用的空间，但同时带来三个代价（原稿未提，此处补充）：

1. 良率风险：键合面对颗粒度和洁净度要求极高，单层缺陷即报废堆叠；

2. 散热路径改变：无凸点的层间导热特性不同，热设计需要重做；

3. 成本曲线未知：混合键合目前单层成本高于MR-MUF， crossover 点何时到来没有公开数据。

产业影响：SK海力士的打法是“一手保当下、一手赌未来”——MR-MUF稳住Rubin代际的既有份额，混合键合押注下一代。真正的看点在竞争格局：三星在混合键合上公开表态同样积极，若三星率先量产，HBM双寡头的份额可能重排。此外，混合键合设备（键合机）主要依赖少数设备商，设备交期可能成为新的行业瓶颈，这一变量常被忽略。

🔄 三条战线，一个战场

把三条信息叠在一起：英伟达在重构衡量标尺，Intel在争取系统内的配套位置，SK海力士在拆除存储的物理约束。表面是三个产品发布，实质指向同一场竞争：智能体时代的算力系统。

第一，比价单位从卡变成柜。 每兆瓦吞吐、每Token成本正在成为新的通用指标——但目前主要由厂商自己定义和测量，中性基准的缺位是一个真实风险。

第二，短板决定出货节奏。 GPU吞吐提升后，CPU侧和内存侧的配套压力同步放大；谁成为瓶颈，整机柜的交付就卡在谁那里。

第三，定义权即定价权。 宣布“旧跑分作废”的实质，是把标尺铸造权握在手中。但需要指出制衡力量：MLPerf等中性基准、云厂商自研ASIC、以及客户日益成熟的自建评测，都在对冲单一厂商的定义权。

小结与观察清单

本文可核实的核心事实只有一条：英伟达宣称Vera Rubin平台在智能体编码负载下，对比GB300 NVL72能效最高提升30倍、Token成本最高降35倍，测试条件未完整公开。 “累计900倍”等衍生数字已在本次修订中删除。

未来12到18个月，建议盯住三个可验证的变量：

1. Vera Rubin的量产与交付节奏（以大客户上线公告为准，而非发布会）；

2. Diamond Rapids在18A上的良率与出货（Intel财报与第三方拆解）；

3. 混合键合HBM5的成本曲线（关注SK海力士与三星的量产时点差，以及键合设备商的订单数据）。

谁的短板先暴露，谁在牌桌上的位置就先动摇。在厂商口径主导传播的阶段，对每一个“最高XX倍”保持口径追问，可能比记住任何数字都重要。

参考信源

注：涉及未正式发布的产品（Vera Rubin、Diamond Rapids、HBM5），本文链接指向各公司官方新闻室及行业标准组织主页；具体规格以厂商后续正式发布文档为准。文中标注“作者分析”“供应链估算”的内容不代表官方口径。