英伟达重启Rubin CPX项目，计划采用168GB HBM4内存用于AI加速器开发

在当前人工智能领域对算力需求的持续增长背景下，英伟达正在对其AI加速器架构进行深入优化与迭代。业内关注的焦点之一是围绕Rubin GPU家族开发的一款专用加速器——Rubin CPX。

根据一份可追溯的公开资料，英伟达计划基于Rubin GPU家族开发一款专用加速器，该加速器被称为Rubin CPX。这一项目的重启和技术升级，标志着英伟达在优化大语言模型（LLM）推理工作流方面迈出了关键一步。

核心的技术调整体现在内存配置上：据悉，Rubin CPX将改用168GB HBM4内存。这种高带宽、大容量的内存支持是处理当前复杂AI模型计算需求的重要基础。

从功能划分的角度看，英伟达正在尝试实现预填充和解码任务的分离。具体而言，Rubin CPX GPU被设计用于承担大语言模型推理过程中的“预填充”阶段工作，负责处理输入上下文以及KV缓存；而常规的Rubin GPU则会继续负责后续的解码工作。

这种分离架构的优势在于专业化分工，它使得系统能够更高效地分配资源。例如，一个配备8块CPX GPU的机架托盘，据资料显示，可处理容量达到1.34TB的长上下文预填充数据及相关KV缓存，并且这些计算全部依靠HBM4内存完成。

在硬件规格方面，Rubin CPX采用了单片式芯片设计，其性能指标包括提供30千兆次浮点运算，即30 PFLOPS的NVFP4计算性能。此外，该芯片内部还集成了4个NVENC视频编码引擎和4个NVDEC视频解码引擎，增强了多媒体处理能力。

关于部署规模，资料指出Rubin CPX将部署在独立机架中，每个机架可以配置64至256块独立的CPX GPU。同时，英伟达建议，在负责解码的机架中，CPX GPU与常规Rubin GPU应维持1比1的配置比例。

从时间线和背景来看，此次架构调整反映了业界对LLM推理瓶颈——即长上下文处理能力不足——的深刻认知。通过将计算任务拆解到不同专业化的加速器上，英伟达旨在提升整体系统的吞吐量和效率。

需要注意的是，所有关于Rubin CPX的具体配置、性能参数以及部署建议均来源于一份可追溯的公开资料，用户应将此视为基于该单一来源的信息梳理，不代表其他未提及的技术细节或市场共识。