NVIDIA Rubin Ultra 系統架構：晶粒計算單位與 NVLink 系統域對決 $AMD
- —AI 下一場戰爭從單顆 GPU 運算速度，升級為數百顆 GPU、光學互連與軟體調度的系統級競爭
- —AMD 想用更大記憶體與開放標準拆解圍牆，NVIDIA 則把 scale-up 圍牆從機櫃擴展至全域
$NVDA 中期
單顆 192GB 看似比 Rubin 的 288GB 縮水，其實是計算單位從封裝換成晶粒；同基準下每 die 記憶體 由 144GB 增到 192GB、反而 +33%。$AMD MI455X 每顆 432GB 多五成且走開放標準，但得先證明數百顆能低延遲綁定。規格數字只是入場券，能把整櫃運算單元耦合成一台系統才是護城河
$AMD 中期
MI455X 每顆 432GB 記憶體較 $NVDA Rubin 多 50%，在長上下文推論與大模型切分具吸引力，且開放標準免於單一供應商綁定。但挑戰在於如何把數百顆 GPU 低延遲綁定。雖記憶體容量與開放架構優勢明顯，仍須證明 ROCm 叢集穩定性與實際軟體調度經濟性
AI算力 中期
大型 MoE 模型的核心瓶頸為運算單元間資料交換與尾端延遲，關鍵在於交換器、光學互連與系統拓撲。如果數百顆單元存在同一個 NVLink 域，軟體即可視其為一台超大系統。未來 AI 算力的決勝點不再是單一晶片運算速度，而是整套叢集低延遲互連與協同工作的系統能力