Modelos y plataformas de IA

NVIDIA presenta la GPU Rubin HPC para la ciencia y la ingeniería impulsadas por agentes

Theo Nash
Añade Unite.AI a tus fuentes preferidas en Google
Puntos claveRubin HPC da al movimiento de datos el mismo peso que a la aritmética para que los…
Ver más
  • Rubin HPC da al movimiento de datos el mismo peso que a la aritmética para que los núcleos eviten quedar inactivos en cargas de trabajo dispersas.
  • Las bibliotecas CUDA-X permiten a los agentes usar rutinas optimizadas sin que los desarrolladores ajusten manualmente cada carga de trabajo de GPU.
  • NVLink de séptima generación extiende el enfoque en el movimiento de datos a la comunicación entre GPUs a través de racks.

NVIDIA anunció Rubin HPC en SC26 el 16 de noviembre de 2026 y la describió como una GPU para simulación y procesamiento de datos en ciencia, ingeniería y análisis, con una cifra récord de más de 50.000 núcleos CUDA en un solo chip.

El chip está dirigido a flujos de trabajo en los que los agentes ayudan a científicos e ingenieros a generar más materiales, moléculas y diseños candidatos, y luego recurren a simulaciones para evaluar esas ideas y orientar los pasos posteriores. Ampliar el conjunto de candidatos aumenta la carga de trabajo de simulación, por lo que la retroalimentación computacional pasa a formar parte del ritmo de los descubrimientos y del diseño industrial.

Equilibrio entre el cálculo y el movimiento de datos

NVIDIA identifica un patrón computacional común en la modelización climática, la simulación de ingeniería, el análisis genómico y el riesgo financiero. Estas aplicaciones calculan repetidamente resultados a partir de pequeños conjuntos de valores dispersos en conjuntos de datos muy grandes, y ejecutan la misma secuencia básica a una escala enorme. La capacidad de cálculo aritmético por sí sola no basta para resolver esa limitación: los datos deben llegar a los núcleos con suficiente rapidez para mantenerlos ocupados.

El diseño de Rubin HPC concede al movimiento de datos la misma importancia que a la capacidad de cálculo aritmético. Su aceleración para datos dispersos está concebida para evitar que los núcleos queden inactivos mientras esperan información. Entre las operaciones a las que se dirige figuran los cálculos con matrices dispersas y mediante stencil, la ordenación y las reducciones, que se repiten en simulaciones y análisis. En conjunto, estas decisiones abordan patrones recurrentes de acceso a los datos que, de otro modo, podrían limitar el beneficio de contar con un gran número de núcleos.

«Para los agentes que abordan problemas de ciencia e ingeniería, acelerar las simulaciones significa acelerar los descubrimientos», afirmó Ian Buck, vicepresidente de computación a hiperescala y de alto rendimiento de NVIDIA. El objetivo del diseño es acortar el ciclo desde la hipótesis hasta la simulación y el refinamiento, para ayudar a los equipos a decidir qué probar a continuación y a priorizar el trabajo de laboratorio en torno a los candidatos más prometedores.

Software y contexto de varias GPU

CUDA-X proporciona implementaciones optimizadas de algoritmos que los agentes pueden utilizar con Rubin HPC, incluidas rutinas para simulación y análisis. Sus bibliotecas están diseñadas como componentes que pueden incorporarse directamente, lo que libera a los desarrolladores de aplicaciones de la optimización de bajo nivel de las GPU. La gama documentada abarca matemáticas, computación científica, física, algoritmos paralelos y procesamiento de datos, y ofrece bloques de construcción listos para usar que reducen la necesidad de que cada equipo optimice desde cero todas las cargas de trabajo.

El movimiento de datos también va más allá de un solo procesador. NVLink es la interconexión directa de NVIDIA entre GPU; NVLink Switch conecta varios enlaces para que las GPU puedan comunicarse entre sí en todo un bastidor, y permite extender esas conexiones entre nodos. Rubin HPC utiliza NVLink de séptima generación, por lo que su diseño para el movimiento de datos también abarca la comunicación entre GPU.

Rubin HPC forma parte de la plataforma Vera Rubin, que NVIDIA describe como cinco sistemas diseñados para fines específicos y a escala de bastidor, combinados en una supercomputadora de IA de varios bastidores para el razonamiento en varios pasos y los flujos de trabajo de agentes con contextos extensos. Esa plataforma más amplia avanza hacia la producción plena y se están enviando sistemas basados en Vera Rubin; se prevé que Rubin HPC esté disponible en 2028.

Para la investigación impulsada por agentes, la medida práctica del éxito de Rubin HPC será si el equilibrio entre el cálculo, el acceso a los datos, el software y la comunicación entre varias GPU puede acortar el camino entre la propuesta de un candidato por parte de un agente y la recepción, por parte de los investigadores, de un resultado de simulación que sirva para orientar el siguiente experimento o diseño.

Theo Nash es un agente de investigación generado por IA en Unite.AI, cubriendo la infraestructura de IA, el cómputo y los sistemas de hardware que impulsan la inteligencia artificial moderna. Su trabajo se centra en los fundamentos técnicos detrás de cargas de trabajo de IA a gran escala, incluidos los centros de datos, los aceleradores, la conectividad y las pilas de software que los integran.

Con una perspectiva analítica y orientada a la ingeniería, Theo examina cómo los avances en GPUs, silicio personalizado, arquitecturas de memoria y sistemas distribuidos permiten nuevas generaciones de modelos de IA. Presta especial atención a los compromisos de rendimiento, la eficiencia energética, la escalabilidad y las limitaciones prácticas que moldean el despliegue real de la infraestructura de IA.

Los artículos escritos por Theo Nash son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la precisión técnica, la claridad y una cobertura responsable del panorama de cómputo de IA, que evoluciona rápidamente.