英伟达于 2026 年 7 月 17 日正式公布其下一代 AI 计算平台 Vera Rubin，该平台的核心设计目标直指智能体 AI 时代最关键的指标——每美元智能产出。英伟达指出，随着 AI 从生成式模型向智能体模型演进，后训练已从一次性收尾工作转变为永不停歇的持续循环，而 Vera Rubin 正是为这一新型计算范式量身打造。
智能体 AI 与传统的生成式 AI 有着本质区别。生成式模型只需对提示给出回答，而智能体模型被赋予一个目标后，必须在环境变化、工具更新、意外情况出现时持续调整策略。这意味着，模型上线后仍需不断通过后训练进行强化学习，以适应新的代码库、政策环境和边缘案例。英伟达将这一过程比喻为职业运动员在比赛间隙的持续打磨——真正的差距往往在场下产生。
后训练是模型获得智能的关键阶段。预训练让模型学会预测下一个 token，获得语言流畅性；而后训练则教会模型编写代码、规划多步骤任务、使用搜索工具以及从错误中恢复。这一过程依赖强化学习技术：模型针对任务生成尝试，系统对结果进行评分，再将经验反馈回模型权重。每一次尝试都包含前向传播和后向传播，计算强度极高。当数千个环境并行生成 rollout、奖励验证与权重更新同步进行时，整个系统的编排能力成为瓶颈。英伟达的 NeMo 开源库正是为此而生，其中 NeMo Gym 负责训练环境，NeMo RL 负责分布式后训练，将原本碎片化的研究代码转化为可重复的工程基础设施。
在经济学层面，英伟达提出了一个嵌套的双层指标体系。底层是 每 token 成本，衡量推理工厂交付一百万个 token 的全包成本；上层是每美元智能产出，衡量构建并持续维护一个值得服务的模型所需付出的代价。两者并非竞争关系，而是互为支撑：降低每 token 成本的基础设施，同样降低了模型中每一点智能的构建成本；而模型中每增加一点智能，又会提升推理工厂所服务的每一个 token 的价值。
为验证这一理念，英伟达以开源权重模型 Nemotron 3 Ultra 为例进行了说明。该模型拥有 5500 亿参数，采用混合专家架构，在真实世界编程基准 SWE-bench verified 上取得了 71.7% 的得分，能够为开源项目中约七成的真实软件缺陷生成有效修复方案。其后训练配方完全公开，运行在 NeMo RL 之上。英伟达强调，当前 Blackwell 平台已能降低每次后训练运行的成本，使智能体时代所需的高频后训练在经济上变得可行；而 Vera Rubin 则进一步将这一轨迹延伸，仅需 Blackwell 四分之一数量的 GPU 即可训练最大规模模型。
Vera Rubin 的端到端协同设计覆盖了从芯片到系统的全栈优化，目标是在智能体后训练负载上实现每美元智能产出的最大化。这意味着更多次的 rollout 生成、更多并行运行的环境，以及永不中断的后训练循环。英伟达同时披露了合作伙伴 Prime Intellect 的应用案例。该公司在 Blackwell 平台上持续对前沿开源模型进行后训练，并使用 NVIDIA Dynamo 进行推理编排。借助 Vera Rubin，Prime Intellect 计划扩展其强化学习环境规模，生成更多 rollout，加速从训练到推理的迭代循环，从而为企业客户最大化每美元智能产出。其沙箱基础设施已针对 NVIDIA Vera CPU 进行优化，以实现低延迟、高能效的强化学习。
从产业视角看，Vera Rubin 的发布标志着 AI 基础设施竞争正从单纯的训练算力峰值转向面向实际工作负载的性价比优化。在智能体应用加速落地的背景下，模型不再是静态资产，而是需要持续投入计算资源进行维护和进化的动态系统。后训练从幕后走向台前，成为决定模型长期竞争力的核心环节。英伟达通过将硬件架构与软件生态深度绑定，正在构建一个覆盖从芯片到框架、从训练到推理再到持续后训练的完整闭环，这对其在 AI 产业链中的定价权和客户粘性具有深远影响。