优配送英伟达全新鲁宾服务器为云厂商纾困落地难题

英伟达 CEO 黄仁勋展示薇拉・鲁宾（Vera Rubin）服务器机柜

　　作者：刘菲比

　　各家云服务商近来搭建数据中心屡屡受阻，如今终于迎来利好：英伟达新一代芯片大概率不会再给部署添堵。

　　多家采购英伟达 AI 服务器的云厂商高管向我证实，经过首轮实测，他们预计即将落地的薇拉・鲁宾服务器机柜，安装难度会远低于 2025 年的格蕾丝・布莱克威尔（Grace Blackwell）机柜。去年，英伟达头部客户被一大堆从未接触过的全新技术折腾得焦头烂额。相关落地难题此前一直对外秘而不宣，直到我的同事做了相关报道才公之于众。

　　云厂商在硬件上动辄投入数十亿美元，服务器每多一周调试排障，面向 AI 客户的高收益算力资源上线时间就多一周延迟；部署延期还会造成数据中心承建方订单交付滞后、利润被压缩。

　　目前薇拉・鲁宾机柜刚小批量交付客户，一切尚处早期阶段。真正的大规模落地考验将在明年到来，届时客户会大批量收货，单次交付可达数百乃至上千台机柜。

　　英伟达计划在明年下半年推出性能更强的升级版机柜，但这款高配产品大概率会带来新麻烦：整机功耗大幅提升，服务器之间组网所需交换机、线缆数量也会显著增加。

　　现阶段客户测试的基础版机柜单台内置 72 块 GPU、36 颗 CPU，本质属于英伟达第三代成熟产品，并非从零研发的全新架构，硬件配置和布莱克威尔机柜高度趋同。（可支持 144 颗、576 颗 GPU 互联的高性能版薇拉・鲁宾机柜目前尚未投产。）

　　一位云行业高管表示：“坦白来讲，我们认为大规模部署薇拉・鲁宾不会太过棘手，机械结构与散热方案都已经迭代到第三代，成熟度很高。”

　　英伟达称，薇拉・鲁宾系统和客户现有适配布莱克威尔服务器的软件兼容性良好。不过两名云厂商高管坦言，企业仍需要花费数月调试软件，才能支撑大批量集群稳定运行薇拉・鲁宾机柜。

　　业内戏称部署如同 “玄学操作”

　　薇拉・鲁宾机柜采购成本至少是初代布莱克威尔机柜的两倍，但英伟达给出的数据显示，以每瓦每秒 AI 词元产出量（tokens per second per watt）为衡量标准，新硬件能效提升整整 10 倍36氪。

　　当然，薇拉・鲁宾机柜安装依旧算不上轻松。一名云厂商高管表示，该机柜大量零部件都是全新设计；整机零部件总数达 130 万个，而初代布莱克威尔机柜为 120 万个。

英伟达薇拉・鲁宾 NVL72 计算托盘，内含 4 块鲁宾 GPU、2 颗薇拉 CPU。

　　今年 3 月英伟达 GTC 开发者大会上，黄仁勋展示了用于鲁宾芯片互联的全新网络交换机，坦言这类硬件研发难度极高：“想要做好这套硬件难如登天，这件事本身就极具挑战。”

　　黄仁勋并未说明这套全新芯片互联网络会不会给客户落地制造障碍，但正是同类网络技术拖慢了去年布莱克威尔机柜的大规模落地进度。甲骨文负责大型算力集群（包含即将上线的鲁宾服务器）的员工称，排查这类集群的网络故障极其困难，全靠经验摸索，堪称 “玄学排查”。

　　鲁宾机柜单机功耗较布莱克威尔机柜上涨 75%，运行发热更高。有意思的是，新机柜配套散热系统本身功耗低于布莱克威尔的散热方案，但安装调试流程更复杂。一名长期跟踪英伟达的分析师透露，散热工程问题导致首批薇拉・鲁宾服务器量产延期约两个月。英伟达官方发言人回应：“产品规划与此前对外披露的信息保持一致，无任何变动。”

　　除此之外，鲁宾服务器顺利上线不只取决于英伟达硬件本身。大量客户按照英伟达推荐的机房布局、布线方案、管理软件新建专属数据中心，以此适配鲁宾机柜高效部署。

　　GPU 云服务商 Vltr 首席营销官凯文・科克伦表示，客户必须从零搭建整套全新基础设施适配鲁宾设备，改造现有老旧机房成本过高，得不偿失。

　　Ultra 高性能版本暗藏新挑战

　　另一大变数是明年即将推出的薇拉・鲁宾 Ultra 高配机柜。这款机型新增多项全新设计，适配调试需要耗费大量时间。常规服务器托盘是横向插入机柜，而 Ultra 机型的芯片托盘改为竖向插入，如同书架摆放书籍，重力会给整套系统带来完全不同的受力负荷。

　　Ultra 机柜最多可实现 576 块 GPU 互联互通，单机功耗接近普通版的三倍，这些变化都可能催生新的落地难题。

　　英伟达硬件高级副总裁安德鲁・贝尔本月早些时候表示，当年布莱克威尔架构几乎重构了整套 GPU 体系，软硬件全部推倒重来，让客户落地苦不堪言。

　　与之相比，薇拉・鲁宾改动更温和，“量产制造难度大幅降低”。贝尔给出数据：鲁宾芯片托盘一次组装合格率可达 95%，而初代布莱克威尔整机初次组装成功率仅 20%。

　　并非所有人都认可这套乐观判断。另有云厂商高管对此存疑，认为高性能版鲁宾依旧会重蹈布莱克威尔的覆辙，部署难度不相上下。