輝達 (NVDA-US) 周一 (5 日) 在 CES 2026 大展上宣布，下一代 Rubin AI 晶片已全面投入生產，並打算今年下半年正式上市。這次發布的最大亮點在於，Rubin GPU 將成為業界首款整合 HBM4 高頻寬記憶體的處理器，標誌著 AI 運算基礎設施邁入新的技術階段。
在黃仁勳描繪的「物理 AI 時代」藍圖中，高性能記憶體已成為支撐智能體長期運作、多輪推理的關鍵技術基石。
輝達執行長黃仁勳在主題演講中強調，HBM4 記憶體的引進是提升 AI 運算效率的關鍵突破。根據官方數據顯示，Rubin GPU 搭載的 HBM4 記憶體頻寬達到每秒 22TB，較上一代 Blackwell 的 8TB/s 提升 2.8 倍。這項飛躍使得單一 Rubin GPU 能同時處理更多推理任務，並支援更長的上下文記憶，為大規模 AI 模型的即時推理奠定硬體基礎。
HBM4 記憶體技術的突破不僅體現在頻寬提升上，更在系統架構層面帶來革新。每個 Rubin GPU 整合 8 個 HBM4 堆棧，總容量達 288GB，配合 NVLink 6 互聯技術實現 3.6TB/s 的 GPU 間通訊頻寬。這種設計使得 72 個 GPU 組成的 Vera Rubin NVL72 機架能提供 1.6PB/s 的總記憶體頻寬，較 Blackwell 平台提升近兩倍。
在具體效能表現上，HBM4 的高頻寬特性直接助推運算效能躍升。Rubin GPU 的 NVFP4 推理性能達 50 PFLOPS，訓練性能達 35 PFLOPS，分別是 Blackwell 的 5 倍和 3.5 倍。實際應用中，這種提升使得 AI 推理成本最高降低 10 倍，訓練混合專家模型的 GPU 需求減少至四分之一。
技術實現層面，HBM4 與 Rubin 架構的深度協同設計成為亮點。透過新一代 NVLink-C2C 互連技術，Vera CPU 與 Rubin GPU 間的資料傳輸頻寬提升至 1.8TB/s，確保 HBM4 記憶體與 1.5TB 系統記憶體間的高效能合作。這種架構尤其提升了 AI 推理場景中的資料調度，使「讓 AI 多想一會兒」的技術概念成為可能。
產業分析指出，HBM4 的部署時機恰逢 AI 運算需求爆發期。隨著模型參數規模成長和 Agentic AI 應用普及，傳統記憶體架構面臨瓶頸。輝達提前量產 Rubin 系列的決定，反映出市場對高效能記憶體解決方案的迫切需求。微軟 Azure 和 CoreWeave 等雲端服務商將於今年下半年首批提供基於 Rubin 的雲端運算執行個體。
在系統級解決方案方面，輝達推出搭載 HBM4 的 DGX SuperPOD 集群，透過 8 個 Vera Rubin NVL72 機架實現 576 個 GPU 的協同工作。新架構採用 Spectrum-6 乙太網路交換器和共封裝光學技術，解決多機架資料交換瓶頸，使 HBM4 的高頻寬特性能在資料中心規模完全釋放。
儘管技術指標亮眼，資本市場反應相對保守。輝達股價在周一 (5 日) 發表會後盤微跌 0.13%，反映出市場對 AI 晶片競爭加劇的擔憂。
但業內人士認為，HBM4 的記憶體優勢將鞏固輝達在 AI 訓練領域的領先地位，特別是在需要處理百萬 token 上下文的複雜推理場景中。
隨著 Rubin 晶片量產計畫公佈，AI 產業基礎建設競賽進入新階段。 HBM4 技術的規模化應用不僅關乎運算效能提升，更將決定下一代 AI 應用 (如自駕、機器人等物理 AI 場景) 的落地速度。
