輝達於 2026 年 7 月 17 日正式公佈其下一代 AI 計算平台 Vera Rubin，該平台的核心設計目標直指智慧體 AI 時代最關鍵的指標——每美元智慧產出。輝達指出，隨著 AI 從生成式模型向智慧體模型演進，後訓練已從一次性收尾工作轉變為永不停歇的持續迴圈，而 Vera Rubin 正是為這一新型計算範式量身打造。
智慧體 AI 與傳統的生成式 AI 有著本質區別。生成式模型只需對提示給出回答，而智慧體模型被賦予一個目標後，必須在環境變化、工具更新、意外情況出現時持續調整策略。這意味著，模型上線後仍需不斷通過後訓練進行強化學習，以適應新的程式碼庫、政策環境和邊緣案例。輝達將這一過程比喻為職業運動員在比賽間隙的持續打磨——真正的差距往往在場下產生。
後訓練是模型獲得智慧的關鍵階段。預訓練讓模型學會預測下一個 token，獲得語言流暢性；而後訓練則教會模型編寫程式碼、規劃多步驟任務、使用搜索工具以及從錯誤中恢復。這一過程依賴強化學習技術：模型針對任務生成嘗試，系統對結果進行評分，再將經驗反饋回模型權重。每一次嘗試都包含前向傳播和後向傳播，計算強度極高。當數千個環境並行生成 rollout、獎勵驗證與權重更新同步進行時，整個系統的編排能力成為瓶頸。輝達的 NeMo 開源庫正是為此而生，其中 NeMo Gym 負責訓練環境，NeMo RL 負責分散式後訓練，將原本碎片化的研究程式碼轉化為可重複的工程基礎設施。
在經濟學層面，輝達提出了一個巢狀的雙層指標體系。底層是 每 token 成本，衡量推理工廠交付一百萬個 token 的全包成本；上層是每美元智慧產出，衡量構建並持續維護一個值得服務的模型所需付出的代價。兩者並非競爭關係，而是互為支撐：降低每 token 成本的基礎設施，同樣降低了模型中每一點智慧的構建成本；而模型中每增加一點智慧，又會提升推理工廠所服務的每一個 token 的價值。
為驗證這一理念，輝達以開源權重模型 Nemotron 3 Ultra 為例進行了說明。該模型擁有 5500 億引數，採用混合專家架構，在真實世界程式設計基準 SWE-bench verified 上取得了 71.7% 的得分，能夠為開源專案中約七成的真實軟體缺陷生成有效修復方案。其後訓練配方完全公開，執行在 NeMo RL 之上。輝達強調，當前 Blackwell 平台已能降低每次後訓練執行的成本，使智慧體時代所需的高頻後訓練在經濟上變得可行；而 Vera Rubin 則進一步將這一軌跡延伸，僅需 Blackwell 四分之一數量的 GPU 即可訓練最大規模模型。
Vera Rubin 的端到端協同設計覆蓋了從晶片到系統的全棧最佳化，目標是在智慧體後訓練負載上實現每美元智慧產出的最大化。這意味著更多次的 rollout 生成、更多並行執行的環境，以及永不中斷的後訓練迴圈。輝達同時披露了合作伙伴 Prime Intellect 的應用案例。該公司在 Blackwell 平台上持續對前沿開源模型進行後訓練，並使用 NVIDIA Dynamo 進行推理編排。藉助 Vera Rubin，Prime Intellect 計劃擴充套件其強化學習環境規模，生成更多 rollout，加速從訓練到推理的迭代迴圈，從而為企業客戶最大化每美元智慧產出。其沙箱基礎設施已針對 NVIDIA Vera CPU 進行最佳化，以實現低延遲、高能效的強化學習。
從產業視角看，Vera Rubin 的釋出標誌著 AI 基礎設施競爭正從單純的訓練算力峰值轉向面向實際工作負載的價效比最佳化。在智慧體應用加速落地的背景下，模型不再是靜態資產，而是需要持續投入計算資源進行維護和進化的動態系統。後訓練從幕後走向台前，成為決定模型長期競爭力的核心環節。輝達通過將硬體架構與軟體生態深度繫結，正在構建一個覆蓋從晶片到框架、從訓練到推理再到持續後訓練的完整閉環，這對其在 AI 產業鏈中的定價權和客戶粘性具有深遠影響。