NVIDIA Vera Rubin：面向智能体 AI 后训练的每美元智能最大化

这篇英伟达官方博客把「后训练」重新定义成智能体 AI 时代真正烧钱的算力战场,并借新一代 Vera Rubin 架构提出用「每美元智能」衡量投入产出比,值得关心大模型算力经济学和智能体落地成本的人一读。

• 文章打了个比方:职业运动员真正的差距不在赛场上,而在赛后的持续调整——智能体 AI 也是同理,模型不再只是回答一次 prompt,而是被给定目标后要持续规划、调用工具、在中途出错时自我恢复
• 正因为智能体面对的工具会周迭代、生产环境里不断冒出测试集覆盖不到的边缘案例、每次部署又有各自的代码库和策略,后训练不再是「训一次就收工」的收尾步骤,而变成从生产反馈持续回炉的循环
• 算力需求增长的原因不是单次训练规模变大,而是训练循环本身不再停止,这让后训练取代预训练成为智能体时代的核心工作负载
• 后训练的机制是强化学习:模型先「写」出一次尝试(即推理的前向传播),尝试被打分后再反向更新权重,规模化跑起来本质是编排问题——上千个环境并行生成结果、奖励逐一被核验
• 「每美元智能」的关键杠杆在前向传播(推理)的单 token 成本上——每优化一分推理成本,都会直接转化成智能产出效率的提升,这正是 Vera Rubin 架构对准的指标
• 把后训练从「幕后打磨」搬到「主战场」的定义转变,解释了英伟达为何把下一代硬件的卖点从「训更大的模型」转向「更便宜地让智能体持续进化」,也提示行业接下来拼的是推理成本曲线,而不只是参数规模。