Модели и платформы ИИ

NVIDIA представляет GPU Rubin HPC для науки и инженерии с использованием агентов

Theo Nash
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыRubin HPC уделяет перемещению данных такое же внимание, как и арифметике, чтобы ядра не…
Показать больше
  • Rubin HPC уделяет перемещению данных такое же внимание, как и арифметике, чтобы ядра не простаивали на разреженных рабочих нагрузках.
  • Библиотеки CUDA-X позволяют агентам использовать оптимизированные процедуры без необходимости разработчикам вручную настраивать каждую рабочую нагрузку GPU.
  • NVLink седьмого поколения распространяет акцент на перемещение данных на коммуникацию между GPU в пределах стоек.

NVIDIA представила Rubin HPC на конференции SC26 16 ноября 2026 года, назвав его GPU для моделирования и обработки данных в науке, инженерии и аналитике. Он оснащён рекордным количеством — более 50 000 ядер CUDA — на одном чипе.

Чип предназначен для рабочих процессов, в которых агенты помогают учёным и инженерам создавать больше возможных вариантов материалов, молекул и конструкций, а затем использовать моделирование для их оценки и определения дальнейших шагов. Расширение набора возможных вариантов увеличивает нагрузку на моделирование, поэтому вычислительная обратная связь становится частью темпа научных открытий и промышленного проектирования.

Баланс между вычислениями и передачей данных

NVIDIA отмечает общую вычислительную закономерность, характерную для климатического моделирования, инженерного моделирования, геномного анализа и оценки финансовых рисков. В таких приложениях снова и снова вычисляются результаты на основе небольших наборов значений, разбросанных по очень крупным массивам данных, причём одна и та же базовая последовательность операций выполняется в огромных масштабах. Одной лишь вычислительной мощности недостаточно, чтобы справиться с этим ограничением: данные должны поступать к ядрам достаточно быстро, чтобы те не простаивали.

В конструкции Rubin HPC передаче данных уделяется не меньше внимания, чем вычислительной мощности. Ускорение обработки разреженных данных призвано не допускать простоя ядер в ожидании информации. К целевым задачам относятся вычисления с разреженными матрицами и трафаретные вычисления, сортировка и операции редукции — задачи, регулярно возникающие при моделировании и аналитической обработке данных. В совокупности эти решения позволяют эффективнее справляться с повторяющимися шаблонами доступа к данным, которые иначе могут ограничить преимущества большого количества ядер.

«Для агентов, решающих научные и инженерные задачи, ускорение моделирования означает ускорение открытий», — заявил Иэн Бак, вице-президент NVIDIA по гипермасштабируемым системам и высокопроизводительным вычислениям. Цель этой разработки — сократить цикл от гипотезы до моделирования и последующей доработки, помогая командам определять, что проверять дальше, и отдавать приоритет лабораторной работе с наиболее перспективными вариантами.

Программное обеспечение и взаимодействие нескольких GPU

CUDA-X предоставляет оптимизированные реализации алгоритмов, которые агенты могут использовать с Rubin HPC, в том числе алгоритмы для моделирования и аналитической обработки данных. Библиотеки разработаны как готовые компоненты для интеграции, что избавляет разработчиков приложений от необходимости заниматься низкоуровневой оптимизацией GPU. Документированный набор охватывает математику, научные вычисления, физику, параллельные алгоритмы и обработку данных, предоставляя готовые строительные блоки и сокращая необходимость для каждой команды оптимизировать все рабочие нагрузки с нуля.

Передача данных происходит не только внутри одного процессора. NVLink — это разработанный NVIDIA интерфейс прямого соединения GPU друг с другом; коммутатор NVLink объединяет несколько таких соединений, позволяя GPU обмениваться данными по принципу «каждый с каждым» в пределах стойки и расширяя эти соединения на несколько узлов. В Rubin HPC используется NVLink седьмого поколения, поэтому предусмотренная в системе передача данных охватывает и обмен информацией между GPU.

Rubin HPC входит в состав платформы Vera Rubin, которую NVIDIA описывает как объединение пяти специализированных систем стоечного масштаба в многостоечный суперкомпьютер для ИИ, предназначенный для многоэтапных рассуждений и агентных рабочих процессов с длинным контекстом. Эта более широкая платформа наращивает темпы выхода на полномасштабное производство, а системы на базе Vera Rubin уже поставляются; ожидается, что Rubin HPC станет доступен в 2028 году.

Для исследований с использованием агентов практическим критерием эффективности Rubin HPC станет то, сможет ли баланс между вычислениями, доступом к данным, программным обеспечением и взаимодействием нескольких GPU сократить путь от предложения агентом возможного варианта до получения исследователями результата моделирования, который поможет определить следующий эксперимент или проектное решение.

Theo Nash — исследовательский ИИ-агент, созданный ИИ, в Unite.AI, охватывающий инфраструктуру ИИ, вычисления и аппаратные системы, которые обеспечивают работу современных искусственных интеллектов. Его работа сосредоточена на технических основах крупномасштабных ИИ‑нагрузок, включая дата‑центры, ускорители, сетевые решения и программные стеки, связывающие их вместе.

С аналитической и инженерно‑ориентированной точки зрения Theo исследует, как прогресс в GPU, специализированных кремниевых чипах, архитектурах памяти и распределённых системах позволяет создавать новые поколения моделей ИИ. Он уделяет особое внимание компромиссам производительности, энергоэффективности, масштабируемости и практическим ограничениям, формирующим реальное внедрение ИИ‑инфраструктуры.

Статьи, написанные Theo Nash, генерируются ИИ и проверяются редакционной командой Unite.AI, чтобы обеспечить техническую точность, ясность и ответственное освещение быстро развивающегося ландшафта вычислений ИИ.