NVIDIA Rubin vs AMD Helios：AI机架级计算的双雄对决

摘要：NVIDIA在SIGGRAPH 2026公布Rubin GPU完整架构规格（3nm双die、336B晶体管、288GB HBM4），与AMD同期发布的Helios机架系统（2nm MI455X、432GB HBM4、31TB机架内存）形成正面对决。AMD以50%内存优势和30%成本效率声称挑战NVIDIA统治地位，但NVIDIA凭借3.6 EFLOPS机架算力、成熟NVLink 6生态和先发量产优势捍卫王座。两大阵营的路线分歧——封闭集成vs开放平台——正在重新定义AI基础设施的竞争规则。

---

一、事件回顾

2026年7月20-29日，AI芯片领域迎来近年来最密集的竞品发布周期。

NVIDIA在SIGGRAPH 2026大会上首次公布了Rubin GPU的完整技术规格。这款采用TSMC 3nm工艺的下一代AI加速器使用双die封装设计，每die约800mm²接近光罩极限，两颗die通过NV-HBI接口互联，总计3360亿晶体管。推理算力达25 PFLOPS（NVFP4精度），稀疏性加速等效50 PFLOPS；训练性能35 PFLOPS。配备896颗Tensor Cores（第三代Transformer Engine架构）和288GB HBM4内存，总带宽22 TB/s。NVLink 6交换机提供28.8 TB/s带宽和3600 GB/s GPU互联，较上代翻倍。

NVL72机架配置为72颗Rubin GPU、36颗Vera CPU（88核Arm架构）和36颗NVLink交换机，总算力3.6 EFLOPS（NVFP4），总HBM4容量20.7TB，总带宽1,580 TB/s。

与此同时，AMD在7月23日的Advancing AI 2026大会上发布了MI455X加速器和Helios机架系统。MI455X采用TSMC 2nm与3nm混合工艺，12颗计算与I/O chiplet，超过3200亿晶体管，CDNA 5架构，提供20 PFLOPS FP8算力，配备432GB HBM4和23.3 TB/s带宽——单卡内存容量超过Rubin的288GB。

Helios机架集成72颗MI455X GPU和18颗EPYC Venice CPU，总HBM4容量达31TB，较NVL72的20.7TB高出50%。AMD CEO Lisa Su宣称Helios在同等电力预算下提供10-15倍性能优势，每美元token产出较Vera Rubin NVL72高出30%（基于Kimi K2模型测试）。

关键客户部署方面，Anthropic宣布将采购高达2GW的Helios机架（1GW在2027上半年交付），AMD同时向Anthropic投资50亿美元。OpenAI确认已在其数据中心运行Helios机架三个月，GPT级工作负载已在MI455X上运行。

TrendForce 7月28日报道，NVIDIA可能因HBM4供应不足将Rubin年产量从200万降至150万颗，同时将Vera CPU的SOCAMM内存从192GB减半至96GB以控制成本。 Bernstein估计单个Vera Rubin NVL72机架成本高达910万美元，HBM4定价预计2027年达53美元/GB。

---

二、技术纵深

架构对比：两种截然不同的设计哲学

NVIDIA Rubin采用「极限集成」路线：3nm双die GPU封装、Vera CPU通过NVLink-C2C直连、NVLink 6交换机提供机架内全互联。整个NVL72被设计为一个紧耦合的「机架级加速器」，72颗GPU在统一性能域内运行。

AMD Helios走「开放 disaggregated」路线：MI455X使用12颗chiplet（2nm计算 + 3nm I/O），通过UALink over Ethernet实现机架内互联，Ultra Ethernet连接外部网络。机架规格完全公开，允许hyperscaler构建定制变体。

四厂商竞争对比矩阵

> 注：Google TPU v6和华为昇腾920数据部分基于厂商此前披露信息和行业推算，完整规格尚未官方公布。

内存竞赛：为什么432GB vs 288GB如此重要？

内存容量是当代AI加速器的核心竞争力。更大的内存意味着：

• 更大的模型可以完整放入单卡，减少跨节点通信
• 更长的上下文窗口可以直接处理（1M+ tokens）
• 更大的batch size提升吞吐量
• 更少的量化需求保留模型精度

AMD Helios以31TB机架总内存（vs NVIDIA 20.7TB）提供50%的内存优势。这在运行Kimi K2等超大MoE模型时直接转化为更少节点和更低延迟。

但NVIDIA的应对策略是「系统级内存」：Vera CPU配备的SOCAMM（LPDDR5X）虽从55TB减至28TB，但与20.7TB HBM4合计仍达48.7TB可用内存池。NVIDIA在NVL72中创造了分层的内存架构——HBM4提供极速带宽、LPDDR5X提供大容量缓冲。

NVLink 6 vs UALink：互联架构的路线之争

NVIDIA NVLink 6：3600 GB/s每GPU，28.8 TB/s交换机，全液冷，专有协议。优势：成熟软件栈、SHARP网络内归约减少50%拥塞。劣势：锁定NVIDIA生态。

AMD UALink over Ethernet：260 TB/s机架级，基于开放标准。优势：hyperscaler可定制、兼容多厂商设备。劣势：软件生态成熟度低于NVLink。

---

三、财务逻辑

成本结构拆解

根据Bernstein和广发证券的分析，Vera Rubin NVL72机架的成本结构揭示了AI基础设施的关键经济逻辑：

HBM4定价预计2027年达$53/GB（Bernstein），这意味着288GB单GPU的HBM4成本约$15,200，72颗GPU的HBM4总成本约$1.1M。内存成本占系统BOM比例从29%降至约20%是NVIDIA的目标线。

每美元token产出：AMD的核心武器

AMD宣称Helios在Kimi K2模型上每美元token产出比Vera Rubin NVL72高30%。这一数字的核心驱动力：

• 内存优势：432GB vs 288GB/卡，减少跨节点通信
• 开放平台：UALink允许定制优化
• 芯片成本：2nm chiplet设计可能比3nm双die更经济

但需注意：AMD使用的是MXFP4格式，NVIDIA使用NVFP4格式——两者测量的算术运算不完全相同，直接比较需谨慎。此外，AMD的实际FP4吞吐量约为峰值规格的一半。

收入预测

NVIDIA目前占AI加速器市场超85%份额。AMD目标是突破10%双位数份额，Helios是关键赌注。

---

四、战略纵深

NVIDIA的三重护城河

• 量产先发：Vera Rubin已从Q1开始生产，合作伙伴H1 2026开始交付。AMD Helios首部署要到Q4。
• CUDA生态：尽管ROCm快速追赶，大量专业库仍默认CUDA。AMD在Advancing AI上展示了PyTorch和推理服务器的ROCm进展，但生态差距仍需12-18个月缩小。
• 全栈集成：Rubin平台的六种芯片（GPU+CPU+NVLink+SuperNIC+DPU+以太网交换机）协同设计，AMD需依赖Broadcom交换芯片和第三方网络。

AMD的差异化突围

• 内存领先：432GB HBM4/卡，31TB/机架——对超大模型和长上下文工作负载是硬优势。
• 开放平台：公开的fabric规格允许hyperscaler定制，这是NVIDIA不提供 flexibility。
• 战略客户锁定：Anthropic 2GW/50亿美元投资 + OpenAI 6GW部署，直接对冲NVIDIA的核心客户基础。
• AMD+Cerebras组合：大GPU吞吐量 + Cerebras低延迟推理 = 5倍最快token吞吐。

竞争格局演变

当前AI加速器市场正从「NVIDIA独大」走向「双雄+定制ASIC」的三极格局：

对AI工厂经济学的影响

机架级竞争的核心指标正从「峰值FLOPS」转向「每美元token」和「每瓦token」。这意味着：

• 单纯比较芯片算力已无意义
• 系统架构（内存层级、互联拓扑、软件栈效率）成为决定性因素
• 客户议价能力提升——开放平台让hyperscaler有更多选择

---

五、挑战与隐忧

NVIDIA面临的风险

• HBM4供应瓶颈：产量可能从200万降至150万颗，SK hynix和Micron的HBM4认证延迟是关键制约。NVIDIA仅获约60%的LPDRAM需求。
• 内存成本失控：SOCAMM减半是无奈之举，但会削弱Vera CPU的性能——28TB vs 55TB意味着host-side内存受限。
• FP64科学计算短板：Rubin的FP64仅33 TFLOPS，低于四年前的Hopper。HPC客户可能转向AMD MI430X。
• 定价压力：$9.1M/机架的成本在Hyperscaler FCF转负的背景下（Google Q2 FCF首次转负）面临客户抵触。

AMD面临的风险

• 量产时间线：Helios首部署Q4 2026 vs NVIDIA已量产。如果Q4延期，Anthropic和OpenAI的部署计划受影响。
• HBM4供应：与NVIDIA面临同样的问题——HBM4大部分产能已承诺给hyperscaler，AMD可能面临「有设计无货」的困境。
• ROCm软件成熟度：尽管PyTorch支持改善，但专业库、profiling工具和定制kernel仍假设CUDA为默认。全面迁移需要12-18个月。
• 财务可行性：50亿美元投资Anthropic + 2GW Helios部署 = 巨额前期投入。AMD数据中心GPU收入需达到$20B+才能证明该战略的可持续性。

行业共同风险

• 能源约束：TSMC占台湾总电力消耗9%，天然气依赖霍尔木兹海峡。地缘风险影响所有芯片供应商。
• AI Capex可持续性：6大Hyperscaler 2026 Capex合计$785B（+62%），自由现金流从28%压缩至11%。如果AI收入增长不达预期，机架采购节奏可能放缓。
• 出口管制升级：Rubin和Helios均受美国出口管制限制，中国市场无法获取最新产品。

---

六、结论

多层次意义

技术层面：NVIDIA Rubin和AMD Helios代表了两条截然不同的AI基础设施演进路线——极限集成vs开放disaggregated。两种路线的优劣将在2026 Q4-2027 H1的实际部署中被验证。内存容量（AMD优势）vs 软件生态（NVIDIA优势）vs 量产节奏（NVIDIA优势）的三角博弈将决定市场格局。

企业价值：对企业IT决策者而言，首次出现了真正的「双源策略」选择。过去两年NVIDIA是唯一的高性能选项，现在AMD Helios在超大模型和成本效率场景提供了可行替代。但迁移成本（ROCm适配、运维流程重建）仍然是主要障碍。

投资视角：NVIDIA当前约20x forward PE，处于近年估值低位。如果Rubin量产按计划推进（60,000+ NVL72机架/年），估值有修复空间。AMD数据中心业务如果Helios成功放量，收入可能从$12B跃升至$20B+，但执行风险较高。

关键预判

12个月内（2026 Q4-2027 Q3）：

• NVIDIA Rubin实际出货量约100-150万颗GPU（低于原计划200万），受HBM4供应制约 ✅高置信度
• AMD Helios完成Anthropic首批1GW部署，但全面量产延迟1-2个季度 ⚠️高置信度
• 独立基准测试将显示Helios在内存密集型工作负载上领先15-30%，NVIDIA在通用训练场景领先10-20% ⚠️厂商宣称

24个月内（2027 Q4-2028 Q3）：

• 市场格局从NVIDIA 85%份额转向NVIDIA 70-75% + AMD 15-20% + 定制ASIC 10-15% ⚠️高置信度
• 下一代NVIDIA Rubin Ultra和AMD MI500将在2027年正面竞争，性能差距进一步缩小 ✅高置信度
• 「每美元token」成为标准采购指标，取代传统FLOPS比较 ✅高置信度

36个月内（2028 Q4-2029 Q3）：

• AI加速器市场进入「三极+定制」格局，NVIDIA不再拥有绝对定价权 ⚠️高置信度
• 机架级竞争从GPU扩展到完整系统（冷却、电力、网络），Total Cost of Intelligence（TCI）取代TCO成为衡量标准 ⚠️厂商宣称
• TSMC 1.4nm量产推动Rubin Ultra和MI500的下一代迭代 ⚠️高置信度