AI-modellen en platforms
NVIDIA onthult Rubin HPC-GPU voor door agents aangestuurde wetenschap en engineering

Belangrijkste puntenRubin HPC geeft databeweging evenveel gewicht als rekenwerk, zodat cores niet stil…
Meer weergeven
- Rubin HPC geeft databeweging evenveel gewicht als rekenwerk, zodat cores niet stil komen te staan bij sparse workloads.
- CUDA-X-bibliotheken laten agents geoptimaliseerde routines gebruiken zonder dat ontwikkelaars elke GPU-workload handmatig hoeven af te stemmen.
- Zevende generatie NVLink breidt de focus op databeweging uit naar communicatie tussen GPU's over racks heen.
NVIDIA kondigde Rubin HPC op 16 november 2026 aan tijdens SC26. Het omschreef de chip als een GPU voor simulaties en gegevensverwerking in de wetenschap, engineering en data-analyse, met een recordaantal van meer dan 50.000 CUDA-kernen op één chip.
De chip is bedoeld voor workflows waarin agents wetenschappers en ingenieurs helpen meer kandidaatmaterialen, moleculen en ontwerpen te genereren. Vervolgens vertrouwen zij op simulaties om die ideeën te beoordelen en de volgende stappen te bepalen. Een grotere groep kandidaten leidt tot meer simulatiewerk, waardoor computationele terugkoppeling mede bepaalt hoe snel ontdekkingen en industrieel ontwerp vorderen.
Rekenkracht en gegevensverplaatsing in balans
NVIDIA wijst op een gemeenschappelijk rekenpatroon in klimaatmodellering, technische simulaties, genoomanalyse en financiële risicobeoordeling. Bij deze toepassingen worden steeds opnieuw resultaten berekend op basis van kleine hoeveelheden gegevens die verspreid zijn over zeer grote datasets. Daarbij wordt op enorme schaal telkens dezelfde basisreeks bewerkingen uitgevoerd. Alleen rekenkracht is niet voldoende om die beperking op te lossen; gegevens moeten de kernen snel genoeg bereiken om ze bezig te houden.
Bij het ontwerp van Rubin HPC weegt gegevensverplaatsing even zwaar als rekenkracht. De versnelling van sparse data is bedoeld om te voorkomen dat kernen niets doen terwijl ze op gegevens wachten. De beoogde bewerkingen omvatten berekeningen met sparse matrices en stencils, sorteringen en reducties: bewerkingen die vaak terugkomen in simulaties en data-analyse. Samen pakken deze ontwerpkeuzes terugkerende patronen in gegevenstoegang aan, die anders het voordeel van een groot aantal kernen kunnen beperken.
‘Voor agents die zich met wetenschap en engineering bezighouden, betekent sneller simuleren ook sneller ontdekken’, aldus Ian Buck, vicepresident hyperscale- en high-performance computing bij NVIDIA. Het ontwerp is erop gericht de cyclus van hypothese naar simulatie en verfijning te verkorten. Zo kunnen teams bepalen wat ze vervolgens moeten testen en laboratoriumwerk prioriteren rond kansrijkere kandidaten.
Software en de context van meerdere GPU’s
CUDA-X biedt geoptimaliseerde algoritme-implementaties die agents met Rubin HPC kunnen gebruiken, waaronder routines voor simulaties en data-analyse. De bibliotheken zijn ontworpen als direct inzetbare componenten, zodat applicatieontwikkelaars zich minder hoeven bezig te houden met GPU-optimalisatie op laag niveau. Het gedocumenteerde aanbod omvat wiskunde, wetenschappelijk rekenen, natuurkunde, parallelle algoritmen en gegevensverwerking. Daarmee zijn kant-en-klare bouwstenen beschikbaar, zodat niet elk team elke workload vanaf nul hoeft te optimaliseren.
Gegevensverplaatsing beperkt zich niet tot één processor. NVLink is NVIDIA’s directe verbinding tussen GPU’s. NVLink Switch verbindt meerdere links, zodat GPU’s binnen een rack onderling rechtstreeks kunnen communiceren, en kan die verbindingen uitbreiden naar andere nodes. Rubin HPC gebruikt NVLink van de zevende generatie. Het ontwerp voor gegevensverplaatsing omvat dus ook communicatie tussen GPU’s.
Rubin HPC maakt deel uit van het Vera Rubin-platform, dat NVIDIA omschrijft als vijf speciaal ontwikkelde systemen op rackschaal die samen één AI-supercomputer met meerdere racks vormen, bedoeld voor meerstapsredeneringen en agentworkflows met lange contexten. De bredere platformconfiguratie wordt opgeschaald naar volledige productie en systemen op basis van Vera Rubin worden geleverd. Rubin HPC zelf zal naar verwachting in 2028 beschikbaar zijn.
Voor onderzoek dat door agents wordt aangestuurd, zal de praktische maatstaf voor Rubin HPC zijn of de combinatie van rekenkracht, gegevenstoegang, software en communicatie tussen meerdere GPU’s de tijd kan verkorten tussen het moment waarop een agent een kandidaat voorstelt en het moment waarop onderzoekers een simulatieresultaat ontvangen dat richting geeft aan het volgende experiment of ontwerp.












