84GB。当这个数字出现在英伟达 Blackwell 专业显卡的产品页上时，真正值得追问的不是"这张卡有多强"，而是"这是给谁准备的"。
2026 年 9 月 14 日，英伟达在官网上线了 RTX PRO 5500 Blackwell Workstation Edition。参数一眼看过去很熟悉：21760 个 CUDA 核心，和 GeForce RTX 5090 完全相同的 GPU 规模。但显存是 84GB GDDR7，支持 ECC 纠错——5090 只有 32GB。显存位宽 448-bit，带宽 1,398 GB/s，比 5090 的 512-bit / 1,792 GB/s 窄了约 22%。整卡功耗 600W，提供主动式气冷和液冷两种散热方案。
同一个 GPU 核心，显存差了 52GB，带宽反而缩了。这不是规格上的随便"阉割"，而是一道精心计算过的数学题：英伟达的产品经理正在用事实回答一个问题——当 AI 从训练进入生产阶段，到底什么才是最稀缺的？
同一颗 GB202，三个截然不同的产品定义
RTX PRO 5500 Blackwell 搭载的是 GB202 芯片，台积电 4N 工艺，92.2 亿晶体管，芯片面积 750 mm²。这颗芯片是英伟达当前所有高端产品线的共用基础——从 RTX 5090 到 RTX PRO 6000，底层硅片一模一样。
但在封装和显存配置上，产品线出现了明显的裂变。
旗舰 RTX PRO 6000 Blackwell 拥有满血的 24064 个 CUDA 核心、96GB GDDR7 ECC 显存、512-bit 位宽、1,792 GB/s 带宽，MIG 支持最多 4 个实例。官方定位是"全球最强桌面工作站显卡"。
RTX PRO 5500 砍掉了约 10% 的 CUDA 核心（从 24064 降到 21760），显存从 96GB 降到 84GB，位宽从 512-bit 缩到 448-bit。这不是简单的"按比例缩减"——CUDA 核心减少了 10%，显存只减少了 12.5%，但带宽下降了 22%。计算密度和显存带宽都被刻意压低，唯独显存容量保留了 84GB 这个"准旗舰级"数字。
再看 RTX 5090。同样 21760 个 CUDA 核心，只有 32GB 非 ECC 显存，512-bit 位宽，带宽反而更高（1,792 GB/s），不支持 ECC，不支持 MIG。
三张卡的底层 GPU 都是 GB202。但通过显存配置和功能裁剪，英伟达硬是从同一块硅片里切出了三个截然不同的市场定位：消费级极致带宽（5090）、工作站大显存（5500）、旗舰全功能（6000）。
显存带宽的"反向操作"藏着什么逻辑
RTX PRO 5500 最反常的设计决策不是显存容量大，而是带宽反而比 5090 低。
正常的产品思维是：专业卡贵过消费卡，各项规格都应该更高。但英伟达反其道而行——5500 的带宽比 5090 低了约 22%，显存速度从 28 Gbps 降至 25 Gbps。
为什么？因为 84GB 的 GDDR7 需要用到 24Gb（3GB）容量的显存颗粒。在现有 GDDR7 产品供应中，高容量颗粒往往无法达到最高频率。这是物理限制，不是英伟达故意"缩水"。但更深层的逻辑是：对于 AI 推理场景，显存容量比显存带宽更关键。推理的瓶颈通常是"模型能不能塞进去"而非"数据吞吐多快"。大模型推理时，权重加载到显存后，Token 生成速率虽然受带宽影响，但"装不下"的问题是致命的——模型根本跑不起来。带宽低只是慢，容量不够是零。
这一取舍映射出英伟达对 AI 推理工作负载的深刻理解——尤其是代理式 AI 和长上下文场景。
84GB 是给代理式 AI 准备的通行证
英伟达在官方页面上把 Agentic AI（代理式 AI）列为 RTX PRO 5500 的核心工作负载第一项，排在物理模拟和图形渲染之前。这不是营销话术，它解答了"84GB 到底给谁用"。
一个典型的 AI Agent 的工作流程是：接收指令、理解上下文、调用工具（搜索数据库、读取文件、调用 API）、汇总中间结果、生成最终输出。在这个过程中，模型权重、上下文窗口、工具调用记录、中间推理状态，全部需要驻留在显存中。
以一个大语言模型为例，一个 70B 参数的模型在 INT4 量化下约需要 35GB 显存。如果将上下文窗口扩展到 128K tokens，KV Cache 还需要额外 8–16GB。再加上系统缓存的 Agent 状态和多轮对话历史，32GB 的 RTX 5090 几乎是刚一启动就撞墙。84GB 则给 Agent 留出了足够的"工作内存"——模型主体占一半，上下文和中间状态占 30%，剩余空间还能跑多个并行实例。
2025 年到 2026 年，AI Agent 正在从概念验证进入生产部署阶段。Anthropic 的 Claude Computer Use、OpenAI 的 Operator、字节跳动的 Coze 等产品不断推高 Agent 的复杂性。Agent 对显存的需求不是线性增长，而是指数级扩张——因为每个执行的 Agent 都需要完整的模型权重和独立的上下文。多 Agent 协作场景更是直接推高了单节点的显存需求。RTX PRO 5500 就是针对这个场景做的精确落子。
ECC 和 MIG：企业级部署的两根支柱
除了显存容量，两个企业级特性值得单独讨论。
ECC（纠错码）支持。在游戏场景中，显存偶尔发生一位翻转不会导致灾难性后果——可能只是屏幕上多了一个颜色异常的像素，下一帧就消失了。但在 AI 推理场景中，尤其是金融分析、医疗诊断、科学计算等场景，一次位翻转可能意味着模型输出完全错误的数值。ECC 确保长时间运行的推理任务的稳定性。RTX 5090 不支持 ECC，RTX PRO 5500 支持。这不是"溢价功能"，而是生产环境的硬性需求。
多实例 GPU 支持更值得深入。RTX PRO 5500 支持最多 2 个完全隔离的 MIG 实例，每个实例拥有独立的高带宽内存、缓存和计算资源。这意味着企业可以将一张 84GB 的 GPU 切成两个 42GB 的逻辑 GPU，分给不同的团队或不同的工作负载同时使用。MIG 的存在本质上改变了专业 GPU 的商业模式。对于需要多租户共享 GPU 资源的组织来说，一张支持 MIG 的卡可能抵得过两张不支持 MIG 的卡——因为隔离性带来了可靠性和安全性的提升，这在数据中心场景中是不可妥协的。
多出来的那个 NVDEC 解码器
还有一个容易被忽略的配置差异：RTX PRO 5500 配备了 3 个第六代 NVDEC 解码器，而 RTX 5090 只有 2 个。
在 AI 视频处理管线中，解码通常是整个管线的瓶颈。三路独立解码意味着这张卡可以同时处理三路 8K 视频流的 AI 分析，或者一路 8K 同时被用于 AI 识别、转码和预览。对于影视后期、虚拟制片、实时视频分析等场景，这一个额外的解码器可能决定了工作流是否能全速运行。英伟达在做"取舍"时保留了 3 个 NVDEC——说明它认为视频解码能力对这张卡的定位和核心目标用户群同等重要。
600W 功耗意味着什么
600W 的整卡功耗是 Blackwell 代专业卡的"标配"。RTX PRO 6000 也是 600W，RTX PRO 5500 也是 600W。这个功耗数字有两个含义。
第一，单靠 PCIe 插槽供电已经远远不够——这张卡需要专用的供电接口和强大的散热系统。英伟达提供了主动气冷和液冷两种方案，液冷版本使用的是 RXM 规格，一种专为机架式部署优化的散热模块形态。第二，600W 意味着这张卡的设计目标是 7×24 小时持续运行。消费级显卡虽然在游戏时功耗也接近峰值，但游戏负载是间歇性的。而专业卡需要在 AI 推理、物理模拟等场景中保持满载持续运行。600W 持续满载下产生的热量，需要服务器级别的散热基础设施。这也解释了为什么英伟达将"机架式工作站部署"作为这张卡的核心设计目标——它从一开始就没打算放进你桌下的个人电脑机箱里。
Blackwell 矩阵的分化逻辑
RTX PRO 5500 的发布，揭示了一个正在加速的内部结构重组。英伟达的 Blackwell 产品线正在以"共享核心加精确裁剪"的方式覆盖尽可能多的市场细分：GeForce RTX 5090 走极致带宽路线，面向个人游戏玩家和创意工作者，但显存容量受限，无企业级功能。RTX PRO 5500 走大显存路线，为 AI 推理和多租户部署提供平衡方案。RTX PRO 6000 走满血旗舰路线，覆盖最苛刻的单一工作负载需求。
三张卡，一颗芯片。从商业角度看，这是台积电 4N 工艺高昂的 NRE 成本倒逼出来的最优解——用最低的芯片设计成本覆盖从 1500 美元到 15000 美元的整个价格带。从技术角度看，这反映了 AI 工作负载的分化已经到了一个临界点：不同的 AI 场景对算力、显存、带宽、功能的配比要求完全不同，单一产品已经无法满足所有需求。
下一个被重新定义的坐标系
如果 84GB 是一个信号，那它指向的方向是明确的——显存正在取代算力，成为 AI 基础设施的下一个稀缺资源。
过去五年，AI 硬件竞争的主线是算力：FLOPS 越高越好，TFLOPS 是衡量进步的标尺。但在推理成本持续下降、模型效率不断提高的趋势下，算力已经不再是唯一的瓶颈。显存容量和带宽正在成为新的约束条件。
2026 年的现实是：最先进的消费级 GPU RTX 5090 拥有 32GB 显存，而最便宜的企业级 AI 芯片 H100 起步就是 80GB HBM。这个 48GB 的裂口折射出 AI 基础设施的一个结构性矛盾——消费市场和企业市场对显存的需求正在以不同速度膨胀。RTX PRO 5500 的 84GB 正好卡在这个分界线上方。它不是给所有人准备的，但也不是一个小众产品。它是英伟达对"AI 推理到底需要多少显存"这个问题的阶段性答案。随着上下文窗口继续扩展、Agent 复杂度持续上升，这个答案只会向上推移。
当所有人还在争论谁的 GPU 算力更强时，英伟达已经用产品线默默给出了新的游戏规则——真正稀缺的不是算力，而是那个能把模型完整放下、让 Agent 自由呼吸的显存空间。下一场 AI 硬件竞赛，将不只在 FLOPS 的赛道上。
快报