英伟达正通过持续优化的软件栈，为Blackwell平台注入强劲生命力——在延长其生命周期、让现有客户无需急于升级硬件的同时，也为下一代Rubin架构的大规模部署奠定了坚实基础。
就在新一代Rubin平台加速落地之际，英伟达公布了一项令人瞩目的成果：仅用三个月时间，GB200 NVL72在运行DeepSeek R1 0528模型时的每兆瓦算力吞吐量（TPS/MW）便实现了4倍跃升。这一突破的背后，是四个月内完成的38项重大优化迭代、超过25万次模拟配置筛选，以及累计耗费140万GPU小时的实测验证。
与此同时，GB300“Blackwell Ultra”平台在AI训练基准测试中也刷新了纪录。在256卡规模下，GB300 NVL72对DeepSeek-V3 671B模型进行预训练时，达到了每GPU 1648 TFLOPs的吞吐量——这不仅是全球最高水平，相比GB200的606 TFLOPs提升了约3倍。更值得关注的是，这一数字在过去六个月里已累计增长1.5倍。
GB200能效大幅跃升，优化覆盖90%以上模型
具体来看，针对GB200 NVL72平台，英伟达表示，经过系列优化，其在运行DeepSeek R1 0528（1K输入/1K输出配置）时，每兆瓦算力吞吐量在三个月内实现了4倍增长。
支撑这一性能飞跃的，是四个月内完成的38项重大优化迭代。这些优化经过了超过25万次模拟配置筛选，并累计投入140万GPU小时进行实测验证。英伟达特别指出，其中超过90%的优化成果具有跨模型复用性，可广泛适用于其AI产品组合中的其他模型，并非仅为单一任务量身定制。
这意味着什么？现有数据中心客户无需更换硬件，仅通过软件升级即可获得显著的能效提升。对于对算力成本高度敏感的超大规模云厂商和企业客户而言，这显然具有直接的经济价值。
GB300刷新训练纪录，六个月性能提升1.5倍
在AI训练方面，GB300 NVL72同样展现出强劲的性能势头。在256卡规模下，基于Megatron Core框架对DeepSeek-V3 671B模型进行预训练，GB300 NVL72实现了每GPU 1648 TFLOPs的吞吐量，较此前GB200的606 TFLOPs提升约3倍，并创下该任务的全球最高纪录。
更值得关注的是，这一数字并非静止的硬件极限。GB300 NVL72在Megatron Core框架下的表现，已从2025年11月的1088 TFLOPs/GPU增长至2026年6月的1648 TFLOPs/GPU，六个月内累计提升约1.5倍。
在主流AI框架的协同优化方面，英伟达与PyTorch及JAX社区的深度合作同样带来了显著增益。在TorchTitan（PyTorch原生训练栈）上，GB300 NVL72对DeepSeek-V3 671B的训练性能，相较未优化基线配置提升了6倍——从199 TFLOPs/GPU跃升至1197 TFLOPs/GPU。JAX框架下的提升幅度更为突出，截至2026年7月，每GPU吞吐量达到4082 Tokens/s，对应1025 TFLOPs/GPU，较2026年1月的418 Tokens/s提升了约10倍。
扩展效率接近理论上限，800 Gb/s网络是关键
大规模训练场景下的扩展效率，历来是衡量AI基础设施实用性的核心指标之一。英伟达披露，在256至1024卡的扩展区间内，GB300 NVL72在三大主流框架下均维持了接近理论上限的扩展效率：Megatron Core达到98.5%，TorchTitan与JAX均达到97%。
英伟达将这一扩展表现归因于NVL72机架内置的800 Gb/s Scale-Out网络芯片。高速互联直接决定了多机训练中的通信开销，进而影响整体扩展效率。可以说，这个网络能力是支撑上述跨框架高效率表现的核心基础设施组件。
Rubin平台加速落地，Blackwell优化仍在持续
上述优化进展发布之际，英伟达的下一代Vera Rubin平台已进入全球部署阶段。据报道，Vera Rubin NVL72在Token吞吐量上相较Blackwell实现了约10倍提升——GB200 NVL72约为80,000 Tokens/s，而Vera Rubin NVL72在同等150MW功耗下可达800,000 Tokens/s。
不过，Blackwell平台已经在全球无数数据中心完成了部署。英伟达的策略，其实与之前Hopper世代如出一辙：在新平台推进的同时，持续通过软件优化挖掘已部署硬件的潜力。这样做的逻辑很清晰——不仅延长了现有客户的硬件投资回报周期，也进一步强化了英伟达在AI基础设施生态中的平台黏性。对于市场而言，在Blackwell与Rubin双线并进的格局下，英伟达正在逐步构筑起一道竞争对手难以在短期内逾越的软件护城河。
