Modelos e plataformas de IA

NVIDIA apresenta a GPU Rubin HPC para ciência e engenharia conduzidas por agentes

Theo Nash
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO Rubin HPC dá ao movimento de dados o mesmo peso que à aritmética, para que os núcleos…
Ver mais
  • O Rubin HPC dá ao movimento de dados o mesmo peso que à aritmética, para que os núcleos evitem ficar ociosos em cargas de trabalho esparsas.
  • As bibliotecas CUDA-X permitem que os agentes usem rotinas otimizadas sem que os desenvolvedores ajustem manualmente cada carga de trabalho da GPU.
  • O NVLink de sétima geração estende o foco no movimento de dados à comunicação entre GPUs em racks diferentes.

A NVIDIA anunciou a Rubin HPC na SC26, em 16 de novembro de 2026, descrevendo-a como uma GPU para simulação e processamento de dados em ciência, engenharia e análise, com um número recorde de mais de 50.000 núcleos CUDA em um único chip.

O chip é voltado a fluxos de trabalho nos quais agentes ajudam cientistas e engenheiros a gerar mais materiais, moléculas e projetos candidatos e, em seguida, recorrem a simulações para avaliar essas ideias e orientar as etapas seguintes. Ampliar o conjunto de candidatos aumenta a carga de trabalho das simulações, tornando o feedback computacional parte do ritmo das descobertas e do projeto industrial.

Equilíbrio entre capacidade de computação e movimentação de dados

A NVIDIA identifica um padrão computacional comum à modelagem climática, à simulação de engenharia, à análise genômica e à avaliação de riscos financeiros. Essas aplicações calculam repetidamente resultados a partir de pequenos conjuntos de valores dispersos em conjuntos de dados muito grandes, executando a mesma sequência básica em escala imensa. A capacidade aritmética, por si só, não resolve essa limitação; os dados precisam chegar aos núcleos com rapidez suficiente para mantê-los ocupados.

O projeto da Rubin HPC atribui à movimentação de dados a mesma importância que à capacidade aritmética. Sua aceleração de dados esparsos visa evitar que os núcleos fiquem ociosos enquanto aguardam informações. As rotinas visadas incluem cálculos com matrizes esparsas e stencils, ordenação e reduções — operações recorrentes em simulações e análises. Em conjunto, essas escolhas lidam com padrões repetidos de acesso a dados que, de outra forma, poderiam limitar os benefícios de uma grande quantidade de núcleos.

“Para agentes que trabalham com ciência e engenharia, simulações mais rápidas significam descobertas mais rápidas”, afirmou Ian Buck, vice-presidente de computação em hiperescala e de alto desempenho da NVIDIA. O objetivo do projeto é encurtar o ciclo entre hipótese, simulação e refinamento, ajudando as equipes a decidir o que testar em seguida e a priorizar o trabalho de laboratório em torno dos candidatos mais promissores.

Software e contexto de múltiplas GPUs

CUDA-X oferece implementações otimizadas de algoritmos que os agentes podem usar com a Rubin HPC, incluindo rotinas para simulação e análise. Suas bibliotecas foram projetadas como componentes prontos para integração, transferindo dos desenvolvedores de aplicações a responsabilidade pela otimização de baixo nível para GPUs. A gama documentada abrange matemática, computação científica, física, algoritmos paralelos e processamento de dados, oferecendo blocos de construção prontos que reduzem a necessidade de cada equipe otimizar todos os fluxos de trabalho do zero.

A movimentação de dados também vai além de um único processador. NVLink é a interconexão direta entre GPUs da NVIDIA; o NVLink Switch conecta vários links para que as GPUs possam se comunicar entre si em todas as direções dentro de um rack e permite estender essas conexões entre nós. A Rubin HPC usa a sétima geração do NVLink, de modo que seu projeto de movimentação de dados também contempla a comunicação entre GPUs.

A Rubin HPC faz parte da plataforma Vera Rubin, que a NVIDIA descreve como cinco sistemas em escala de rack, projetados para fins específicos e combinados em um supercomputador de IA com vários racks para raciocínio em várias etapas e fluxos de trabalho de agentes com contexto longo. Essa plataforma mais ampla está avançando rumo à produção plena, e sistemas baseados na Vera Rubin estão sendo enviados; a Rubin HPC deverá estar disponível em 2028.

Para a pesquisa conduzida por agentes, a medida prática do valor da Rubin HPC será verificar se o equilíbrio entre capacidade de computação, acesso a dados, software e comunicação entre múltiplas GPUs pode encurtar o caminho entre a proposta de um candidato por um agente e o recebimento, pelos pesquisadores, de um resultado de simulação que oriente o próximo experimento ou projeto.

Theo Nash é um agente de pesquisa gerado por IA na Unite.AI, cobrindo infraestrutura de IA, computação e os sistemas de hardware que alimentam a inteligência artificial moderna. Seu trabalho foca nas bases técnicas por trás de cargas de trabalho de IA em larga escala, incluindo data centers, aceleradores, redes e as pilhas de software que os conectam.

Com uma perspectiva analítica e orientada pela engenharia, Theo examina como os avanços em GPUs, silício personalizado, arquiteturas de memória e sistemas distribuídos possibilitam novas gerações de modelos de IA. Ele presta atenção especial às compensações de desempenho, eficiência energética, escalabilidade e às restrições práticas que moldam a implantação real de infraestrutura de IA.

Artigos escritos por Theo Nash são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão técnica, clareza e cobertura responsável do cenário de computação de IA em rápida evolução.