Mô hình và nền tảng AI

NVIDIA ra mắt GPU Rubin HPC cho khoa học và kỹ thuật do tác nhân AI hỗ trợ

Theo Nash
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhRubin HPC đặt việc di chuyển dữ liệu ngang hàng với tính toán số học để các lõi tránh…
Xem thêm
  • Rubin HPC đặt việc di chuyển dữ liệu ngang hàng với tính toán số học để các lõi tránh bị nhàn rỗi khi xử lý khối lượng công việc thưa.
  • Các thư viện CUDA-X cho phép tác nhân sử dụng các quy trình tối ưu mà không cần nhà phát triển tự tinh chỉnh từng khối lượng công việc GPU.
  • NVLink thế hệ thứ bảy mở rộng trọng tâm di chuyển dữ liệu sang giao tiếp giữa các GPU trên các giá đỡ.

NVIDIA công bố Rubin HPC tại SC26 vào ngày 16 tháng 11 năm 2026, giới thiệu đây là GPU phục vụ mô phỏng và xử lý dữ liệu trong khoa học, kỹ thuật và phân tích, với số lượng lõi CUDA trên một chip cao kỷ lục, hơn 50.000 lõi.

Con chip này hướng đến những quy trình làm việc trong đó các tác nhân AI hỗ trợ nhà khoa học và kỹ sư tạo ra nhiều vật liệu, phân tử và thiết kế tiềm năng hơn, sau đó dùng mô phỏng để đánh giá các ý tưởng đó và định hướng những bước tiếp theo. Khi tập hợp các phương án tiềm năng mở rộng, khối lượng công việc mô phỏng cũng tăng lên, khiến phản hồi tính toán trở thành một phần trong nhịp độ khám phá khoa học và thiết kế công nghiệp.

Cân bằng năng lực tính toán và khả năng truyền dữ liệu

NVIDIA nhận thấy một mô hình tính toán chung trong mô hình hóa khí hậu, mô phỏng kỹ thuật, phân tích hệ gen và đánh giá rủi ro tài chính. Các ứng dụng này liên tục tính toán kết quả từ những tập hợp nhỏ giá trị phân tán trong các bộ dữ liệu rất lớn, lặp lại cùng một chuỗi thao tác cơ bản ở quy mô khổng lồ. Chỉ riêng năng lực tính toán số học không thể giải quyết hạn chế đó; dữ liệu phải đến được các lõi đủ nhanh để chúng luôn hoạt động.

Thiết kế của Rubin HPC đặt khả năng truyền dữ liệu ngang hàng với năng lực tính toán số học. Tính năng tăng tốc xử lý dữ liệu thưa được thiết kế để ngăn các lõi phải chờ thông tin và rơi vào trạng thái nhàn rỗi. Những tác vụ được nhắm đến gồm tính toán ma trận thưa và stencil, sắp xếp và rút gọn—các thao tác thường xuyên xuất hiện trong mô phỏng và phân tích. Kết hợp lại, những lựa chọn thiết kế này giải quyết các kiểu truy cập dữ liệu lặp đi lặp lại, vốn có thể làm giảm lợi ích của việc sở hữu số lượng lõi lớn.

Ian Buck, phó chủ tịch phụ trách điện toán siêu quy mô và điện toán hiệu năng cao của NVIDIA, cho biết: “Với các tác nhân AI giải quyết những bài toán khoa học và kỹ thuật, mô phỏng nhanh hơn đồng nghĩa với khám phá nhanh hơn”. Mục tiêu thiết kế là rút ngắn chu trình từ giả thuyết đến mô phỏng rồi tinh chỉnh, giúp các nhóm quyết định bước thử nghiệm tiếp theo và ưu tiên công việc trong phòng thí nghiệm cho những phương án tiềm năng hơn.

Phần mềm và bối cảnh đa GPU

CUDA-X cung cấp các triển khai thuật toán đã được tối ưu hóa để các tác nhân AI sử dụng cùng Rubin HPC, bao gồm những quy trình phục vụ mô phỏng và phân tích. Các thư viện của nền tảng này được thiết kế để có thể tích hợp trực tiếp, giúp nhà phát triển ứng dụng không phải tự tối ưu hóa GPU ở cấp thấp. Phạm vi được công bố bao gồm toán học, tính toán khoa học, vật lý, thuật toán song song và xử lý dữ liệu, cung cấp các khối dựng sẵn để giảm nhu cầu mỗi nhóm phải tối ưu hóa từng khối lượng công việc từ đầu.

Khả năng truyền dữ liệu còn mở rộng ra ngoài phạm vi một bộ xử lý. NVLink là công nghệ kết nối trực tiếp GPU với GPU của NVIDIA; NVLink Switch kết nối nhiều đường liên kết để các GPU có thể giao tiếp với nhau theo kiểu toàn phần trong một tủ máy, đồng thời mở rộng các kết nối đó giữa các nút. Rubin HPC sử dụng NVLink thế hệ thứ bảy, vì vậy thiết kế truyền dữ liệu của hệ thống cũng bao gồm giao tiếp giữa các GPU.

Rubin HPC là một phần của nền tảng Vera Rubin, được NVIDIA mô tả là tổ hợp gồm năm hệ thống chuyên dụng ở quy mô tủ máy, kết hợp thành một siêu máy tính AI đa tủ máy phục vụ suy luận nhiều bước và các quy trình làm việc của tác nhân AI cần xử lý ngữ cảnh dài. Nền tảng rộng hơn này đang được mở rộng quy mô để tiến tới sản xuất toàn diện, và các hệ thống dựa trên Vera Rubin đang được xuất xưởng; dự kiến Rubin HPC sẽ có mặt vào năm 2028.

Đối với nghiên cứu do tác nhân AI hỗ trợ, thước đo thực tế của Rubin HPC sẽ là liệu khả năng cân bằng giữa tính toán, truy cập dữ liệu, phần mềm và giao tiếp đa GPU có thể rút ngắn khoảng thời gian từ lúc một tác nhân đề xuất phương án tiềm năng đến khi các nhà nghiên cứu nhận được kết quả mô phỏng giúp định hướng thí nghiệm hoặc thiết kế tiếp theo hay không.

Theo Nash là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, chuyên về hạ tầng AI, tính toán và các hệ thống phần cứng cung cấp năng lực cho trí tuệ nhân tạo hiện đại. Công việc của anh tập trung vào các nền tảng kỹ thuật phía sau các khối lượng công việc AI quy mô lớn, bao gồm trung tâm dữ liệu, bộ tăng tốc, mạng và các ngăn xếp phần mềm kết nối chúng lại với nhau.

Với góc nhìn phân tích và dựa trên kỹ thuật, Theo xem xét cách các tiến bộ trong GPU, silicon tùy chỉnh, kiến trúc bộ nhớ và hệ thống phân tán cho phép các thế hệ mới của mô hình AI. Anh đặc biệt chú ý đến các đánh đổi về hiệu năng, hiệu suất năng lượng, khả năng mở rộng và các ràng buộc thực tiễn định hình việc triển khai hạ tầng AI trong thực tế.

Các bài viết do Theo Nash viết được tạo ra bởi AI và được đội ngũ biên tập của Unite.AI xem xét để đảm bảo độ chính xác kỹ thuật, sự rõ ràng và việc đưa tin có trách nhiệm về môi trường tính toán AI đang phát triển nhanh chóng.