2026 年 8 月 31 日，分析师郭明錤发布最新产业调查：英伟达已重启专用于 AI 推理预填充加速的 GPU「Rubin CPX」项目，设计经过大幅调整，预计 2027 年第一季度开始生产。新芯片与标准 Rubin GPU 按 1:1 配对部署，专门承接推理过程中「读入输入、建立 KV Cache」这一环节的算力负载。

预填充负载占推理工作量一半以上

一次大模型推理可以拆成两个阶段。第一阶段是预填充（prefill）：模型读完用户的全部输入，把内容加工成可供后续快速检索的缓存结构（KV Cache）。第二阶段才是逐字生成回复。

郭明錤的调查显示，当前 AI 推理工作量中超过 50% 来自处理输入并建立 KV Cache。预填充不是推理的边角料，而是占大头的那一半。用通用 GPU 承接这部分负载，既贵又不够灵活。

专用预填充芯片的思路，就是用更低成本、更具弹性的部署方式把这块负载接走，让标准 Rubin GPU 专心做生成。

新 Rubin CPX 的关键规格

新 Rubin CPX 拥有接近标准 Rubin GPU 的算力，预填充性能进一步提升，配备 168GB HBM4 内存，取代旧版 Rubin CPX 的 128GB GDDR7（168GB 或对应 7×24GB 颗粒组合设计），单体最高功耗为 2300W。

在托盘与机架层面：8 颗新 Rubin CPX 组成 1 个计算托盘，单个托盘拥有 1.34TB HBM 内存，足以满足大多数长上下文预填充与 KV Cache 建立需求；8 个计算托盘组成 1 个机架模组，模组内部以 Spectrum-6 全铜以太网横向扩展（Scale-out）。

新 Rubin CPX 采用独立的 MGX ETL 机架，每个机架容纳 1 至 4 组机架模组，模组之间的横向扩展采用 Spectrum-6 加 OSFP 光学方案。

与标准 Rubin 的配合方式

英伟达建议 Rubin CPX 与标准 Rubin 按 1:1 配对：Rubin CPX ETL 机架与 Vera Rubin NVL72 机架之间，通过基于以太网的 RDMA 连接。

这等于把推理算力拆成两半：标准 Rubin 负责生成，Rubin CPX 负责预填充。对云厂商和算力运营商来说，部署一套标准 Rubin 机架时，可以按需搭配同等规模的 CPX 机架，把预填充负载从通用 GPU 上分流，让每块芯片跑在自己擅长的环节上。

推理降本的下一个战场

预填充从通用 GPU「顺带干的活」变成一块专门芯片的职责，背后是 AI 推理成本结构的变化：生成环节的算力被不断优化后，处理输入、建立 KV Cache 的开销浮出水面，成为新的降本对象。

Rubin CPX 是英伟达在 Rubin 世代针对推理侧的重要差异化布局。2027 年第一季度量产，是这条产品线下一个值得关注的时间点。