观点：模型回答快慢主要看内存速度而非算力，NVIDIA Rubin 内存速度反而更低

AIFlow_ML 提出一个简单规则：模型回答速度主要取决于内存速度而非算力。NVIDIA Rubin 架构在算力相当的情况下内存速度反而更低，因此单轮快速对话这类短交互场景的延迟感知会变差。作者给从业者的判断框架是：批处理吞吐看算力，交互式响应看内存带宽。