DeepSeek-V4-PRO 模型测试显示，英伟达 Vera Rubin 在能效和成本方面对现有架构有显著提升

英伟达 Vera Rubin 在处理 DeepSeek-v4-PRO AI 模型测试时，展现出显著的能效和成本优势。这些评估结果直接关联到AI模型推理部署的硬件选型决策。

核心事实方面，根据公开资料显示，当使用 SemiAnalysis AgentX 工作负载对 DeepSeek-v4-PRO 1.6T 模型进行评估时，英伟达 Vera Rubin 的每兆瓦吞吐量达到了 Blackwell 的 30 倍。此外，在DeepSeek-v4-PRO 1.6T工作负载中，采用GB300 NVL72的Grace Blackwell服务器，其每兆瓦吞吐量达到H200 NVL8 Hopper方案的15倍。

从能效比的角度看，Vera Rubin NVL72 的每兆瓦吞吐量约为 GB300 NVL72 的 30 倍。更进一步地，在成本效益分析上，Vera Rubin NVL72 的每百万 Token 成本被测算为 GB300 NVL72 的三分之一（即35分之一）。

这些性能指标的提升，意味着AI模型推理的运行效率和经济性都得到了大幅度的改善。对于需要大规模部署大型语言模型的企业而言，能效比的提高直接关系到数据中心的运营成本。

背景解释方面，本次测试使用了DeepSeek-v4-PRO 1.6T这一具体的、先进的模型作为基准负载进行评估。选择特定的模型和工作负载，确保了性能数据的可复现性和针对性，使得比较结果更具参考价值。

时间线方面，这些数据来源于一次使用SemiAnalysis AgentX工作负载对DeepSeek-v4-PRO 1.6T模型进行的评估测试。该信息是基于一份公开资料进行梳理的。

影响分析指出，Vera Rubin 在能效和成本上的领先表现，可能预示着下一代AI基础设施的性能基准线正在被重新设定。对于依赖高性能计算资源的公司而言，这提示了硬件升级路径的关键考量点在于单位功耗下的吞吐量提升。

读者提示：关注后续关于Vera Rubin平台在不同工作负载和模型上的持续测试结果，这将有助于更全面地了解其市场适用范围和实际部署潜力。请注意，所有信息均基于一次特定的公开资料评估。

来源限定说明：上述所有数据均来源于一份报道的公开资料，仅描述了该次特定测试的结果，不代表对未来所有AI计算场景的绝对预测。