AI 모델 및 플랫폼
NVIDIA, 에이전트 기반 과학·공학을 위한 Rubin HPC GPU 공개

핵심 포인트루빈 HPC는 데이터 이동에 산술 연산과 동등한 비중을 두어 코어가 희소 워크로드에서 유휴 상태에 빠지지 않도록 합니다.
더 보기
- 루빈 HPC는 데이터 이동에 산술 연산과 동등한 비중을 두어 코어가 희소 워크로드에서 유휴 상태에 빠지지 않도록 합니다.
- CUDA-X 라이브러리를 통해 에이전트는 개발자가 모든 GPU 워크로드를 일일이 수동 조정하지 않고도 최적화된 루틴을 사용할 수 있습니다.
- 7세대 NVLink는 데이터 이동 중심 접근을 랙 간 GPU 통신으로 확장합니다.
NVIDIA는 2026년 11월 16일 SC26에서 Rubin HPC를 공개하며, 과학·공학·분석을 위한 시뮬레이션 및 데이터 처리용 GPU라고 설명했다. 단일 칩에 CUDA 코어가 50,000개 넘게 탑재된 역대 최대 규모다.
이 칩은 에이전트가 과학자와 엔지니어의 후보 소재, 분자, 설계안 생성을 돕고, 이후 시뮬레이션을 통해 이 아이디어를 평가하고 다음 단계를 안내하는 워크플로를 겨냥한다. 후보군이 확대되면 시뮬레이션 작업량도 늘어나므로, 계산을 통한 피드백은 발견과 산업 설계의 속도를 좌우하는 요소가 된다.
연산과 데이터 이동의 균형
NVIDIA는 기후 모델링, 공학 시뮬레이션, 유전체 분석, 금융 리스크 분석에서 공통된 계산 패턴을 확인했다. 이러한 응용 분야에서는 대규모 데이터세트 곳곳에 흩어진 소량의 값으로 결과를 반복해서 계산하며, 동일한 기본 연산을 엄청난 규모로 수행한다. 연산 능력만으로는 이러한 제약을 해결할 수 없다. 코어가 계속 작업하도록 데이터를 충분히 빠르게 전달해야 한다.
Rubin HPC는 설계에서 데이터 이동을 연산 능력만큼 중요하게 다룬다. 희소 데이터 가속은 코어가 데이터를 기다리며 유휴 상태가 되는 일을 막기 위한 것이다. 대상 연산에는 희소 행렬 및 스텐실 계산, 정렬, 리덕션이 포함되며, 이 연산들은 시뮬레이션과 분석에서 반복적으로 사용된다. 이러한 설계 선택은 대규모 코어 수의 이점을 제한할 수 있는 반복적인 데이터 접근 패턴에 대응한다.
NVIDIA의 하이퍼스케일 및 고성능 컴퓨팅 부문 부사장인 Ian Buck은 “과학과 공학 과제를 수행하는 에이전트에게 시뮬레이션 속도 향상은 발견의 가속을 의미합니다”라고 말했다. 설계 목표는 가설 수립부터 시뮬레이션, 개선에 이르는 주기를 단축해 팀이 다음에 무엇을 시험할지 결정하고, 가능성이 더 높은 후보를 중심으로 실험실 작업의 우선순위를 정하도록 돕는 것이다.
소프트웨어와 멀티 GPU 환경
CUDA-X는 에이전트가 Rubin HPC에서 사용할 수 있는 최적화된 알고리즘 구현을 제공하며, 여기에는 시뮬레이션과 분석을 위한 연산도 포함된다. CUDA-X 라이브러리는 기존 애플리케이션에 바로 적용할 수 있는 구성 요소로 설계되어, 애플리케이션 개발자가 맡아야 했던 저수준 GPU 최적화 작업을 덜어준다. 문서에 명시된 적용 범위는 수학, 과학 컴퓨팅, 물리학, 병렬 알고리즘, 데이터 처리를 아우르며, 각 팀이 모든 워크로드를 처음부터 최적화할 필요를 줄여 주는 사전 구현 구성 요소를 제공한다.
데이터 이동은 단일 프로세서를 넘어선다. NVLink는 NVIDIA의 GPU 간 직접 연결 인터커넥트다. NVLink Switch는 여러 링크를 연결해 랙 전체의 GPU가 서로 통신하도록 하며, 이러한 연결을 노드 간으로 확장할 수도 있다. Rubin HPC는 7세대 NVLink를 사용하므로 데이터 이동 설계에는 GPU 간 통신도 포함된다.
Rubin HPC는 Vera Rubin 플랫폼의 일부다. NVIDIA의 설명에 따르면, 이 플랫폼은 특정 목적에 맞춰 구축된 5개의 랙 규모 시스템을 결합해 다단계 추론과 긴 문맥을 처리하는 에이전트 워크플로를 위한 멀티랙 AI 슈퍼컴퓨터를 구성한다. 이 전체 플랫폼은 본격적인 생산 단계로 확대되고 있으며 Vera Rubin 기반 시스템은 출하되고 있다. Rubin HPC 자체는 2028년에 출시될 예정이다.
에이전트 기반 연구에서 Rubin HPC의 실질적인 성능은 연산, 데이터 접근, 소프트웨어, 멀티 GPU 통신의 균형을 통해 에이전트가 후보를 제안한 뒤 연구자가 다음 실험이나 설계에 참고할 시뮬레이션 결과를 받기까지의 시간을 단축할 수 있는지에 달려 있다.












