NVIDIA GPU命名背后隐藏的机密战略路线图

芯片之前的名字

黄仁勋刚刚在 Hot Chips 2026 上发布了 Vera Rubin 平台——一套通过第六代 NVLink 将 72 块 GPU、36 颗 CPU、SuperNIC 和 DPU 打包进单个 AI 计算节点的架构。纸面上看，这不过是又一次渐进式的代际跃升。但细看那个名字，却读出完全不同的意味：这是黄仁勋三十年书写的那篇大叙事中的一个章节标记。

自 1990 年代末以来，英伟达一直用科学家的名字为其 GPU 架构命名。这个名单如同现代计算史的课程大纲：Tesla、Fermi、Kepler、Maxwell、Pascal、Volta、Turing、Ampere、Hopper、Blackwell、Rubin——以及下一个，Feynman。这一序列并非巧合。它追踪着 GPU 被期望解决的范围的不断扩展。

从物理到代码，再到宇宙

早期的名字源自电力与物理。Tesla 和 Ampere 代表电磁学。Fermi 指向核物理与量子统计。Kepler 对应行星运动。这些都是 GPU 最终加速的那些工程问题的根基。

真正的转折点出现在 2017 年的 Volta。V100 搭载了英伟达首批 Tensor Core——专为神经网络训练核心的矩阵乘法而生的硅片。Volta 是 GPU 从图形加速器转变为 AI 加速器的那一刻。名字致敬了亚历山德罗·沃尔塔，但这个架构本身却命名了一个全新的计算品类。

Volta 之后，名字有意转向了计算机科学。Turing 致敬艾伦·图灵，计算理论之父。Hopper 致敬格蕾丝·霍珀，编程语言先驱。Blackwell 于 2024 年揭晓，致敬戴维·哈罗德·布莱克韦尔——第一位入选美国国家科学院的非裔学者，他在博弈论与统计学上的工作奠定了大量现代机器学习的基础。

然后是 Rubin。

薇拉·鲁宾是一位天文学家，她通过研究星系旋转曲线首次提供了暗物质存在的确凿观测证据。她让不可见之物变得可见。如今以她命名的平台，对 AI 基础设施做了概念上类似的事：它将数据传输、内存带宽和系统集成的隐形瓶颈变得可见，然后加以解决。

Rubin 不是一颗更快的 GPU。它是一个更快的 AI 工厂。这一区分比原始算力数值重要得多。

真正的竞争已不再关乎速度

英伟达公布的 Rubin 数据令人瞩目。与 Blackwell 相比，该平台的每兆瓦功耗算力提升了多达 30 倍，生成一百万个 token 的成本削减了多达 35 倍。这些不是边际增益。它们是数据中心能否有利润地运行 AI 代理的分水岭。

AI 代理改变了计算方程。一次标准的生成式 AI 查询可能只产生几千个 token。而一个会写代码、调用外部工具、迭代结果并调试自身输出的 AI 代理，每次会话的 token 消耗可高达常规查询的 15 倍。瓶颈不再是 GPU 峰值吞吐量，而是能效、内存带宽和系统级吞吐量——这正是 Rubin 被设计来解决的问题。

这就是命名方式如此重要的原因。黄仁勋在发出信号：AI 硬件竞赛的下个阶段，不再是谁能造出最快的单颗芯片，而是谁能为整个系统实现最高效率。英伟达正在把比赛目标从 AMD 和英特尔最擅长的领域——单颗 GPU 性能——转移到它们的整合优势最为宽泛的领域：计算、内存、网络和软件的一体化。

Feynman 是量子信号

如果 Rubin 标志着向系统级计算的转变，那么 Feynman 则标记着下一个边界。英伟达已经确定了将在 2028 年携带理查德·费曼之名的架构。费曼因量子电动力学获得 1965 年诺贝尔物理学奖，并因提出量子计算机可以模拟量子物理而广为人知——这一设想至今仍是驱动整个领域的挑战。

英伟达以一位量子物理学家为芯片命名绝非巧合。该公司于 2025 年 3 月宣布在波士顿建立加速量子计算研究中心，并于 2025 年 10 月公布 NVQLink——一项旨在以超低延迟将 GPU 超级计算机连接到量子处理器的技术。黄仁勋曾公开描述这样一个未来：英伟达的科学超级计算机将成为融合经典与量子处理的混合系统。

Feynman 这个名字，是在领地尚未征服之前插下的旗帜。它向客户和竞争对手宣告：英伟达已将量子增强计算视为路线图上的下一阶段，尽管商用量子处理器仍然遥遥无期。

这个序列揭示了什么关于这场竞赛

从 Blackwell 到 Rubin 再到 Feynman 的演进，勾勒出一个连贯的战略叙事。Blackwell 为生成式 AI 工作负载优化了 GPU。Rubin 围绕 AI 代理和推理规模经济优化了整个系统。Feynman 则指向量子-经典混合计算。

每一步都在拉开英伟达与所有对手之间的距离。竞争对手可以在孤立状态下设计出更快的 GPU。但要复制英伟达在 GPU、CPU、NIC、DPU、NVLink 以及 CUDA 软件栈之间的系统级整合，需要数十亿美元资本、数十年来积累的技术专利以及与最大云服务商之间的深厚关系。这就是为什么亚马逊、微软、谷歌和 Meta 都交付基于 Rubin 的英伟达系统——也为什么那些机箱上的名字比任何新闻稿都更有分量。

英伟达面临的风险是，命名序列所塑造的预期可能快于硬件的实际交付。Rubin 的效率提升是真实的，但依赖于完整平台架构而非单颗芯片。Feynman 的量子雄心目前仍是推测性的。而恰恰是这种系统级整合为英伟达筑起了护城河，也让每一次延迟都更加显眼——一次 NVLink 故障或一个软件 bug 就能拖垮整个 AI 工厂，而不只是某一颗 GPU。

即便如此，黄仁勋的策略是清晰的。通过将路线图嵌入命名之中，他将产品发布变成了文化事件。每一次揭晓，同时是一次技术公告、一次品牌演练、一次向市场发出的信号，宣告公司在三到五年后的意图所在。这是一种无竞争对手匹敌的软实力。

下一次英伟达公布新架构时，看一眼那个名字。它会比任何规格表都更清楚地告诉你，AI 计算将走向何方。