从训练到生产：NVIDIA 与 CoreWeave 合力闭合智能体 AI 的闭环

2026 年 9 月 30 日，NVIDIA 在官方博客发文宣布，CoreWeave 在旧金山举行的 Fully Connected 大会上，正式推出搭载 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网的云服务。开发 Devin AI 软件工程师的应用 AI 实验室 Cognition，成为第一家在 Vera Rubin 上运行生产负载的客户。与此同时，CoreWeave 还将提供 NVIDIA Vera，这是 NVIDIA 称之为首款为 AI 智能体打造的 CPU，并发布了 CoreWeave Forge，一个用于在 NVIDIA 加速计算上训练、评估和改进模型与智能体的连接环境。三项发布合在一起，描绘出一条从训练、推理到沙箱执行再到评估回流的完整链路。需要先说明信息来源：本文主要依据 NVIDIA 官方博客，文中的性能数字均为厂商与客户披露的早期测试结果，尚无独立第三方复现，读者应当把它们当作方向性信号，而不是最终定论。

先看最受关注的数字。Cognition 在 CoreWeave 上同时运行 Devin 的训练、强化学习与生产推理，并在九个月内把规模扩展到数千块 GPU，用于支撑推理负载。本月早些时候，CoreWeave 收到首批 Vera Rubin NVL72 生产机架，不久之后 Cognition 就以 GB200 NVL72 为基线，对 Vera Rubin 的推理性能做了对比。测试负载取自真实的软件工程场景：团队从 FrontierCode 中抽取一部分任务，部署 AI 智能体去解决。结果显示，在 SWE-2 推理负载上，Vera Rubin NVL72 的总 token 吞吐量最高达到 GB200 NVL72 的 4.8 倍。这里有几个细节值得注意。其一是「最高」二字，说明 4.8 倍是上限而非平均；其二是基线为上一代 GB200 NVL72，而不是旧得多的 Hopper；其三是负载为智能体编码，而不是聊天或单轮问答。Cognition 创始团队成员 Silas Alberti 的解释很直接：智能体编码是复杂负载，上下文长、并发高、token 量大，每个 token 的成本决定了他们能交付什么产品。对 Devin 而言，更高吞吐意味着更快的实时代码生成和更灵敏的多步推理。另一个事实同样重要：CoreWeave 在几天之内就为 Cognition 搭起了生产级 Vera Rubin 集群。NVIDIA 把这归因于双方从基础设施到 token 输出的全栈协同设计。对用户而言，新硬件从到货到上线的时间，往往和峰值算力同样重要。

第二条线索是 CPU。NVIDIA 的判断是，智能体 AI 从两个方向给基础设施施压：一边是服务智能体需要大规模的低延迟算力，另一边是通过后训练改进智能体，需要同时运行成千上万个相互隔离的环境。后者正是 GPU 之外的 CPU 问题。按照博客所述，一个关键指标是能同时运行多少隔离的智能体环境，以及环境数量增长时每个环境能否保持稳定、一致的性能。CoreWeave 部署的 Vera 在单个机架中放入 128 颗 CPU、共 11,264 个核心，按每个环境一个核心计算，可同时承载超过 11,000 个并发环境。把这两个总数相除，每颗 CPU 约为 88 核，这是推算值，并非博客明说。这些环境通过 CoreWeave Sandboxes 以硬件隔离方式运行，并与它们所服务的训练任务并排部署，由 Spectrum-X 以太网交换机和 BlueField-4 DPU 保障智能体之间安全、低延迟、高性能的通信。测试中，CoreWeave 在 Vera CPU 上取得超过 3 倍的沙箱启动速度提升；在 Terminal-Bench 上，所有通过的任务整体性能提升 1.7 倍。沙箱是强化学习、智能体工具调用和模型评估的执行层，允许团队在隔离环境中运行代码。启动速度之所以关键，是因为强化学习的每一次采样，都可能意味着拉起一个全新的环境。

第三条线索是 Forge。博客指出，模型和智能体靠一个循环变好：生产环境中的行为指导下一轮训练，每一次评估都让下一个版本更锐利。过去这个循环被拆散在不同厂商的工具之中，每一次交接都会丢失信号。CoreWeave Forge 的定位，就是把这些环节连接到同一个环境里，让生产反馈回到训练。需要坦率指出，我们所依据的博客文本在介绍 Forge 的部分被截断，因此 Forge 的具体组件、接口和定价，本文无法确认，读者应当查阅 CoreWeave 的原始发布。能够确认的是软件栈一侧：Vera Rubin 容量可通过 CoreWeave Kubernetes Service、SUNK、CoreWeave Mission Control、CoreWeave Sandboxes 和 CoreWeave Inference 来运营。也就是说，从调度、集群管理，到沙箱和推理服务，CoreWeave 试图让同一套容量既跑训练，也跑评估，也跑线上推理。这种「同池多用」的思路，与 Cognition 在同一平台上完成训练、强化学习和生产推理的做法互相印证。

最后看这件事的产业含义。NVIDIA 副总裁 Ian Buck 强调的重点，是跨代价值：CoreWeave 的 NVIDIA V100 GPU 在 Volta 发布近十年之后，仍在运行客户负载，而 CoreWeave 同时把 Vera Rubin NVL72 带入生产。在 AI 基础设施动辄以数百亿美元计的投资背景下，资产能否在多代硬件周期里持续创造收益，直接决定回报率和融资成本，这也是博客副标题里「耐用、可替换」的含义。Buck 还提到要把合适的 GPU 放在合适的负载上，即新旧代际并存、按负载分层。我们的判断是，这篇发布有三层信息。第一，推理经济学正在从峰值算力转向每 token 成本和并发能力。第二，智能体让 CPU 重新成为瓶颈候选，沙箱密度成为新的采购指标。第三，训练、评估与生产的闭环，正在成为云厂商的产品差异点。仍需观察的是：独立基准能否复现 4.8 倍和 3 倍这类数字，Vera Rubin 的供货与功耗成本如何，以及 Forge 在真实客户中的采用情况。在这些问题有答案之前，最稳妥的读法是：方向清晰，数字待验。对正在规划算力采购的团队来说，更实际的做法是用自己的真实负载做小规模对比，重点看每 token 成本、并发上限和环境启动时间这三项，而不是直接引用厂商的峰值倍数。