Nếu theo báo cáo mới nhất của SemiAnalysis, HBM của Rubin Ultra đã giảm xuống còn 192GB, thì trong các kịch bản nhạy cảm với bộ nhớ như suy luận Agentic, ngữ cảnh dài và mô hình MoE, 192GB sẽ bị hạn chế hơn so với 288GB, điều này có nghĩa là hiệu năng thực tế của nó trong một số trường hợp sẽ gần bằng hoặc thậm chí thấp hơn phiên bản tiêu chuẩn Vera Rubin. Hiệu năng phiên bản Ultra nâng cấp còn kém hơn phiên bản tiêu chuẩn Vera Rubin, cùng một mô hình có thể cần sử dụng nhiều GPU hơn để triển khai, từ đó làm tăng chi phí giao tiếp giữa các card, chia nhỏ mô hình và di chuyển dữ liệu, giảm hiệu suất sử dụng hiệu quả trên mỗi card và làm tăng chi phí tạo mỗi Token. Nói cách khác, dù sản lượng GPU đã tăng lên, nhưng nếu mỗi nhiệm vụ cần sử dụng nhiều GPU hơn, chi phí tính toán ở cấp độ hệ thống chưa chắc đã giảm tương ứng. Như vậy, logic của phiên bản nâng cấp cũng không còn hợp lý. Vậy có nên ngừng phát hành phiên bản Ultra không? Tiếp tục bán phiên bản Vera Rubin đến cuối quý 3/2027, rồi đến năm 2028 trực tiếp chuyển sang kiến trúc Feynman thế hệ tiếp theo.🤔