英伟达正式发布新一代计算平台Vera Rubin，将其定位为智能体AI时代后训练工作负载的算力基石。该平台的核心设计目标是最大化“每美元智能”（intelligence per dollar），即衡量在模型智能构建环节每一美元投入所能产出的智能增量。

智能体AI的工作模式与生成式模型截然不同。模型不再是被动回答单次提示，而是被赋予一个目标后，需要在动态环境中持续规划、调用不同工具、并从执行中遇到的错误中恢复。这意味着模型的后训练不再是模型出厂前的一次性收尾步骤，而变成了一个永不停歇的循环——每当生产环境出现新的边界案例、工具版本更新或部署场景变化，后训练流程就会被重新触发。

英伟达将这一计算模式转变视为后训练成为智能体时代中心工作负载的根本原因。在预训练阶段，模型学会预测下一个token，获得语言流畅性；而后训练阶段才是模型学会编写代码、规划多步骤任务、使用搜索工具以及在出错时自我纠正的关键环节。这一过程依赖强化学习技术：模型针对给定任务生成尝试（前向传播），尝试结果被评分，学习信号再反向更新模型权重（反向传播）。数百万次这样的循环累积出模型的智能。

Vera Rubin平台正是为这种高频、大规模的后训练循环而设计。英伟达称，该平台从端到端进行了协同设计，训练最大规模模型所需的GPU数量仅为Blackwell一代的四分之一。其目标是在单次运行中生成更多rollout、同时维持更多并行环境，并支撑永不中断的后训练周期。

在具体工作流验证方面，Prime Intellect在其持续后训练前沿开源模型的业务中，已在使用英伟达Blackwell平台和Dynamo推理编排工具。该公司计划借助Vera Rubin扩展强化学习环境规模、增加每次运行的rollout数量，并加速从训练到推理的迭代循环。Prime Intellect还将其沙盒基础设施与Vera CPU集成，以实现低延迟、高能效的强化学习。在实际的强化学习沙盒负载对比测试中，Vera CPU相较x86架构实现了平均30%的吞吐量提升。

英伟达同时公布了开源权重模型Nemotron 3 Ultra的后训练成果。该模型拥有5500亿参数，采用混合专家架构，在SWE-bench verified基准测试中得分71.7%，意味着它能为开源项目约七成的真实软件缺陷生成可工作的修复方案。其完整的后训练配方在NeMo RL上运行并完全公开。

从产业逻辑看，英伟达此次提出的“每美元智能”概念，将推理环节的“每token成本”与模型构建环节的投资回报率嵌套在一起。推理是模型的营收引擎，而后训练是价值倍增器——模型能力越强，其服务的每个token价值就越高。降低每token成本的基础设施，同时也降低了构建模型每一分智能的成本。这一框架为AI基础设施投资提供了更贴近商业本质的评估维度。

Perplexity等公司也在其异步强化学习后训练栈中大规模使用英伟达GPU，并构建了基于RDMA的权重传输引擎来同步万亿参数级模型。Vera Rubin的推出，意味着支撑这类超大规模持续后训练的基础设施将迎来代际效率跃升。