AI И НЕЙРОСЕТИ

Nvidia показала Rubin HPC: более 50 тысяч CUDA-ядер для науки и ИИ

Nvidia представила Rubin HPC с более чем 50 тысячами CUDA-ядер. Ускоритель выйдет в 2028 году и нацелен на агентные ИИ-системы и симуляции.

✍️ Редакция iTech News | 17.11.2026 | ⏱ 3 мин | Источник: Tom's Hardware
Nvidia показала Rubin HPC: более 50 тысяч CUDA-ядер для науки и ИИ

Nvidia Rubin HPC получит более 50 тысяч CUDA-ядер — больше, чем любой другой GPU компании, утверждает Nvidia. Новый ускоритель, анонсированный на конференции Supercomputing 2026, должен выйти в 2028 году и рассчитан на научные расчёты, инженерное моделирование и агентные ИИ-системы. Для российских команд, работающих с HPC, цифровыми двойниками и большими моделями, это ещё один сигнал: производительность отдельного чипа всё сильнее зависит от того, как быстро он обменивается данными с соседями.

О новом ускорителе Nvidia Rubin HPC сообщает Tom's Hardware. Компания позиционирует его как специализированный вариант семейства Rubin для исследователей, инженеров и аналитиков, которым нужно не просто обучать модель, а многократно прогонять симуляции, уточнять гипотезы и запускать целые группы ИИ-агентов над крупными наборами данных.

Главная заявленная цифра — «более 50 тысяч» CUDA-ядер. Для сравнения: у ранее представленного Rubin насчитывается 224 потоковых мультипроцессора и 28 672 CUDA-ядра. Nvidia не раскрыла физическую компоновку Rubin HPC, но такой рост вычислительных блоков трудно объяснить одним кристаллом. Вероятный вариант — многочиповый корпус, близкий по идее к Rubin Ultra с несколькими кристаллами, связанными NVLink-C2C. Впрочем, это именно вывод из известных характеристик линейки, а не подтверждённая схема нового GPU.

Второй важный элемент — межсоединение NVLink 7. Nvidia не назвала ни параметры физического уровня, ни новую пропускную способность внутри стойки. Ранее компания говорила, что технология сохраняет 3,6 ТБ/с пропускной способности на один GPU, знакомые по NVLink 6, при этом расширяя масштабируемый домен. Проще говоря, компания пытается увеличить не только скорость одного ускорителя, но и число GPU, которые могут работать как тесно связанная система без слишком болезненных потерь на обмене данными.

Это критично для задач, где вычисления постоянно упираются в передачу данных. Климатические модели, геномный анализ, финансовое моделирование и инженерные симуляции редко живут в комфортном мире, где все данные помещаются в локальную память одного ускорителя. Если процессоры простаивают в ожидании результатов от соседних узлов, дополнительные CUDA-ядра превращаются в дорогой способ греть дата-центр. Nvidia называет архитектуру Rubin HPC «сбалансированной», подразумевая сочетание роста вычислительных ресурсов и более эффективного обмена между узлами.

При этом важные характеристики компания пока оставила за кадром: нет данных о ёмкости и пропускной способности HBM-памяти, нет и сведений о производительности FP64. Последний пункт особенно заметен на фоне конкурентов. AMD и Intel на конференции отдельно делают акцент на нативных вычислениях двойной точности — они по-прежнему нужны во множестве классических научных и инженерных сценариев. Nvidia же в этом анонсе ставит в центр не чистую FP64-арифметику, а связку симуляций с агентным ИИ.

Под «агентными» рабочими процессами здесь понимается цикл, в котором ИИ помогает формулировать и проверять гипотезы, запускает вычислительные эксперименты, анализирует результат и выбирает следующий набор параметров. Nvidia рассчитывает, что её профильные библиотеки CUDA-X смогут ускорить такой контур в предметных областях. Для разработчиков это означает, что ценность будет не только в сырой производительности железа, но и в зрелости библиотек, фреймворков оркестрации и готовых доменных пайплайнов. CUDA остаётся сильным аргументом Nvidia именно потому, что вокруг неё уже выросла рабочая экосистема, а не потому, что у названия удачно подобраны четыре буквы.

Для бизнеса Rubin HPC вряд ли станет поводом немедленно пересматривать закупки: поставки заявлены лишь на 2028 год, а спецификации пока неполны. Но направление очевидно. Кластеры для ИИ и научных расчётов будут проектировать как единые вычислительные системы, где сеть, память и программная среда значат не меньше числа ядер. Остаётся открытым вопрос, сможет ли Nvidia Rubin HPC подтвердить заявленный баланс после публикации параметров HBM, FP64 и реальных результатов в научных нагрузках. Подробности анонса доступны в материале Tom's Hardware.

Поделиться: Telegram X LinkedIn