2026年3月，圣荷西市中心举办的英伟达GTC大会上，黄仁勋正式发布Rubin Ultra液冷AI服务器，作为Vera Rubin Ultra架构的核心硬件载体，这款产品以颠覆性的液冷设计、极致的算力密度与能效表现，打破了AI服务器高算力与高能耗、高散热压力之间的矛盾，标志着AI超算基础设施从“算力堆砌”向“高效协同”迈入全新阶段，也印证了液冷技术已从AI服务器的“可选配置”升级为“刚需标配”。

此次首发的Rubin Ultra，并非简单在传统AI服务器上叠加液冷模块，而是基于英伟达Kyber机架架构进行全栈重构，将液冷散热与硬件架构、算力调度深度融合，形成“硬件-散热-软件”三位一体的高效解决方案。其核心突破集中在液冷技术优化、算力密度提升与能效控制三大维度，每一项升级都精准直击当前大规模AI训练与推理场景的核心痛点。

在液冷散热方案上，Rubin Ultra采用微通道冷板（MCCP）与镀金散热盖的组合设计，这也是英伟达首次在旗舰AI服务器中全面应用该方案，替代了传统风冷与普通液冷架构，实现了散热效率与硬件兼容性的双重突破。不同于传统冷板的单一散热路径，Rubin Ultra的微通道冷板采用精密分流设计，冷却工质可直接贴合GPU核心及高功耗部件，通过单相液冷循环实现热量快速导出，将GPU核心温度稳定控制在45℃以下，避免了高负载场景下因温度过高导致的算力降频问题。同时，该液冷系统与冷量分配单元（CDU）深度协同，CDU能耗比优于10%，可实现冷却工质流量、压力的精准调控，结合高温供水设计，能充分利用自然冷源，进一步降低整体能耗，使搭载该服务器的数据中心PUE值稳定控制在1.05-1.08之间，远优于行业1.25的基准要求，也符合《“东数西算”2026年工作要点》中新建大型数据中心PUE低于1.15的政策标准。

算力密度的跨越式提升，是Rubin Ultra的另一大核心亮点。依托Kyber竖向机架架构，该服务器采用竖向排列方式，单一机架内可集成144颗Rubin Ultra GPU，通过NVLink 144铜缆互联，将互联延迟降低至纳秒级，实现算力的高效协同；若通过光学扩展升级至NVL576配置，单机架可整合576颗GPU，FP4精度推断算力跃升至15 ExaFLOPS，是标准Rubin NVL144配置的四倍，相当于一台机架即可承载此前数台服务器的算力规模。

硬件配置上，Rubin Ultra搭载定制化4NP工艺GPU，集成约3360亿晶体管，配备1TB HBM4e显存，带宽可达32TB/s-64TB/s，是上一代Blackwell B300的4-8倍；整机内存容量高达365TB，功耗控制在600千瓦量级，实现了“高算力、高密度、低功耗”的平衡——这一配置的核心价值的在于，能够大幅降低大规模AI模型（如千亿级参数大模型、自主智能体Agent）的训练与推理延迟，同时减少数据中心的机架占用空间，降低机房建设与运维成本。

软件与硬件的协同优化，进一步释放了Rubin Ultra的算力潜力。

该服务器全面适配英伟达同期发布的Dynamo AI工厂操作系统，借助Dynamo的异构解耦能力，将AI推理任务进行精细化拆分：预填充（Prefill）和注意力机制解码等对算力要求极高的环节，在Rubin Ultra GPU上执行；前馈网络解码（Token生成）等对延迟敏感的环节，则在Groq LPU上执行，通过这种协同调度，使整体推理性能提升35倍，将1吉瓦AI工厂的Token生成速率从2200万/秒提升至7亿/秒，为高价值Agent服务的规模化落地提供了物理基础。

从行业背景来看，Rubin Ultra的首发恰逢AI算力需求爆发与液冷技术普及的关键节点。随着英伟达GB300、华为昇腾910B等高功率AI芯片的全面落地，单卡功耗突破1400W，传统风冷散热的效率已达物理极限，其散热效率仅为液冷的1/25，同体积携热能力仅为液冷的1/3000，无法满足高算力场景的散热需求。数据显示，2026年全球AI服务器液冷渗透率已从2025年的15%飙升至50%以上，新建智算中心更是实现100%液冷标配，全球液冷市场规模突破165亿美元，中国市场占比超60%，液冷已成为高功率AI算力基础设施的“必选项”。

Rubin Ultra的推出，不仅是英伟达Rubin架构的一次重磅升级，更对整个AI基础设施产业产生深远影响。在技术层面，其微通道液冷与机架架构的深度融合，为行业树立了“算力与能效协同优化”的标杆，后续相变冷板、封装级液冷等更先进的方案，有望在其基础上进一步迭代；在产业层面，广达、纬创等制造商已确认首批Rubin Ultra机架将于2026年8月交付，微软Azure、AWS、谷歌云等云厂商也已明确将其与Dynamo操作系统结合，用于下一代AI云服务，这将加速液冷AI服务器的商业化落地，推动AI算力商业模式从“买卡建池”向“按Token计费”转型，降低企业AI部署成本。