最近问Rubin减少存储用量的比较多，集中说一下。

Vera Rubin NVL72机柜的内存配置调整，是针对AI服务器机柜中CPU侧系统内存（LPDDR5X SOCAMM模块）的显著下调，以应对供应链瓶颈、降低成本并保障量产交付。

重点：GPU侧高带宽内存（HBM4）容量和核心算力保持不变。

具体调整细节原规划 vs 实际配置：

Rubin NVL72机柜（72颗Rubin GPU + 36颗Vera CPU）CPU侧总DRAM容量从约55TB 下调至约28TB（减少约50%）。具体通过将SOCAMM内存模块从192GB高配版切换为96GB版本实现（每Vera CPU支持8个SOCAMM插槽）。 GPU侧内存不变：每机柜HBM4总容量仍为约20.7TB（每颗Rubin GPU 288GB），聚合带宽约1.6 PB/s，核心训练/推理FLOPS不受影响。 主要原因是供应链瓶颈：HBM4（三星、海力士、美光等供应商）产能与良率双重制约，当前良率仅30-40%（远低于商用要求的>45%）。多供应商策略未能完全缓解，加上产线占用，导致DRAM/LPDDR5X供应紧张且价格高企（约8美元/GB）。英伟达优先保障2026年大规模量产交付节奏。

成本与TCO优化：单机柜BOM成本从约760万美元 降至680万美元（节省80万美元）。GPU每小时拥有成本从4.16美元降至3.90美元（-6.25%），内存成本占比从40%降至30%。这可以显著降低云厂商和AI实验室的资本支出压力，便于更大规模部署。

战略考量方面，我觉得并非单纯的技术降级，而是综合供应链约束+成本控制+交付保障的结果。英伟达正推进HBM4e及更高容量SOCAMM研发，未来可能恢复更高配置。

此调整仅针对即将量产的Rubin平台，不影响当前Blackwell/GB200 NVL72机柜（其内存配置保持原计划）。

我个人认为，这是为了暂时缓解内存短缺对AI服务器部署的制约，同时利好长期供应链稳定（虽短期内存厂商股价承压）。

长远看，AI应用端（包括Agent）的普及，会显著拉升算力需求，单台机柜更便宜是好事，企业会购买更多。