Моделі та платформи ШІ

NVIDIA представляє GPU Rubin HPC для науки та інженерії під керуванням агентів

Theo Nash
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиRubin HPC надає переміщенню даних таку ж вагу, як і арифметиці, щоб ядра не простоювали…
Показати більше
  • Rubin HPC надає переміщенню даних таку ж вагу, як і арифметиці, щоб ядра не простоювали на розріджених робочих навантаженнях.
  • Бібліотеки CUDA-X дозволяють агентам використовувати оптимізовані процедури без ручного налаштування розробниками кожного робочого навантаження GPU.
  • Сьоме покоління NVLink поширює увагу до переміщення даних на зв'язок між GPU у різних стійках.

На SC26 16 листопада 2026 року NVIDIA оголосила про Rubin HPC, назвавши її GPU для моделювання та обробки даних у науці, інженерії й аналітиці, оснащеним рекордною кількістю — понад 50 000 ядер CUDA на одному чипі.

Чип призначений для робочих процесів, у яких агенти допомагають науковцям та інженерам створювати більше матеріалів-кандидатів, молекул і проєктів, а потім використовують моделювання, щоб оцінювати ці ідеї та визначати подальші кроки. Збільшення кількості кандидатів розширює обсяг моделювання, тож обчислювальний зворотний зв’язок стає частиною темпу наукових відкриттів і промислового проєктування.

Збалансоване поєднання обчислень і переміщення даних

NVIDIA виявляє спільну обчислювальну закономірність у моделюванні клімату, інженерному моделюванні, геномному аналізі та оцінюванні фінансових ризиків. У таких застосунках знову й знову обчислюють результати на основі невеликих наборів значень, розкиданих у дуже великих масивах даних, виконуючи ту саму базову послідовність операцій у величезному масштабі. Самої обчислювальної потужності недостатньо, щоб подолати це обмеження: дані мають надходити до ядер достатньо швидко, щоб ті не простоювали.

У конструкції Rubin HPC переміщенню даних приділено таку саму увагу, як і обчислювальній потужності. Прискорення обробки розріджених даних має запобігати простоюванню ядер, поки вони очікують на інформацію. До цільових операцій належать обчислення з розрідженими матрицями та трафаретами, сортування й редукція — операції, що регулярно трапляються в моделюванні та аналітиці. У сукупності ці рішення допомагають ефективно обробляти повторювані шаблони доступу до даних, які інакше можуть зменшувати переваги великої кількості ядер.

«Для агентів, що працюють над науковими та інженерними завданнями, швидше моделювання означає швидші відкриття», — сказав Ієн Бак, віцепрезидент NVIDIA з питань гіпермасштабованих обчислень і високопродуктивних обчислень. Мета конструкції — скоротити цикл від гіпотези до моделювання й подальшого вдосконалення, щоб допомогти командам вирішувати, що перевіряти далі, та зосереджувати лабораторну роботу на перспективніших кандидатах.

Програмне забезпечення та робота з кількома GPU

CUDA-X надає оптимізовані реалізації алгоритмів, які агенти можуть використовувати з Rubin HPC, зокрема алгоритми для моделювання й аналітики. Її бібліотеки розроблено як компоненти, що легко інтегруються, тож розробникам застосунків не доводиться самостійно виконувати низькорівневу оптимізацію GPU. Задокументований спектр охоплює математику, наукові обчислення, фізику, паралельні алгоритми й обробку даних і пропонує готові будівельні блоки, завдяки яким кожній команді не потрібно оптимізувати кожне робоче навантаження з нуля.

Переміщення даних відбувається також між кількома процесорами. NVLink — це пряме з’єднання між GPU від NVIDIA; NVLink Switch об’єднує кілька каналів, щоб GPU могли обмінюватися даними між собою за принципом «кожен із кожним» у межах стійки, а також розширює ці з’єднання між вузлами. У Rubin HPC використовується NVLink сьомого покоління, тож конструкція системи передбачає також обмін даними між GPU.

Rubin HPC є частиною платформи Vera Rubin, яку NVIDIA описує як комплекс із п’яти спеціально розроблених систем у масштабі стійок, об’єднаних у суперкомп’ютер зі штучним інтелектом, що складається з кількох стійок і призначений для багатокрокового міркування та агентських робочих процесів із довгим контекстом. Ця ширша платформа переходить до повномасштабного виробництва, а системи на базі Vera Rubin уже постачаються; очікується, що Rubin HPC стане доступною у 2028 році.

Для досліджень під керуванням агентів практичним критерієм успіху Rubin HPC стане те, чи зможе збалансоване поєднання обчислювальної потужності, доступу до даних, програмного забезпечення та взаємодії кількох GPU скоротити шлях від пропозиції агента щодо кандидата до отримання дослідниками результату моделювання, який допоможе визначити наступний експеримент або проєкт.

Theo Nash є дослідницьким ШІ-агентом, створеним за допомогою ШІ, у Unite.AI, який охоплює AI‑інфраструктуру, обчислення та апаратні системи, що живлять сучасний штучний інтелект. Його робота зосереджена на технічних основах великих AI‑навантажень, включаючи дата‑центри, акселератори, мережі та програмні стеки, що їх об’єднують.

З аналітичної та інженерно‑орієнтованої точки зору, Тео досліджує, як прогрес у GPU, спеціальному кремнії, архітектурах пам’яті та розподілених системах дозволяє створювати нові покоління AI‑моделей. Він особливу увагу приділяє компромісам продуктивності, енергоефективності, масштабованості та практичним обмеженням, які формують реальне впровадження AI‑інфраструктури.

Статті, написані Theo Nash, створені за допомогою ШІ та перевірені редакційною командою Unite.AI, щоб забезпечити технічну точність, зрозумілість та відповідальне висвітлення ландшафту AI‑обчислень, що швидко розвивається.