
Nvidia-ն Supercomputing 2026-ում հայտարարում է Rubin HPC GPU-ի մասին՝ ռեկորդային CUDA միջուկներով
Nvidia-ն Supercomputing 2026-ում ներկայացրեց Rubin HPC-ն՝ GPU ագենտային HPC աշխատանքային հոսքերի համար, որն ունի 50,000-ից ավելի CUDA միջուկ, NVLink 7 և 2028 թվականին նախատեսված թողարկում գիտնականների և ինժեներների համար։
Nvidia-ն Supercomputing 2026-ում հայտարարեց Rubin HPC-ի մասին՝ Rubin GPU ընտանիքի նոր անդամ, որը նախատեսված է ագենտային աշխատանքային հոսքերի և սիմուլյացիայի արագացման համար։ Ընկերությունը նշում է, որ չիպը նախատեսված է գիտնականների, ինժեներների և վերլուծաբանների համար, որոնք աշխատում են մեծ տվյալների հավաքածուներով, և այն ունի 50,000-ից ավելի CUDA միջուկ։ Nvidia-ն ակնկալում է, որ Rubin HPC-ն կհասանելի դառնա 2028 թվականին որևէ պահի։
CUDA միջուկների ռեկորդային քանակ
Nvidia-ն նշում է, որ Rubin HPC-ն ունի CUDA միջուկների ամենամեծ քանակը իր GPU-ների մեջ՝ «50,000-ից ավելի» միջուկ։ Ընկերությունը չհրապարակեց չիպի ֆիզիկական դասավորության լրացուցիչ մանրամասներ, սակայն այդ թիվը կարող է ենթադրել կառուցվածք, որը նման է չորս բյուրեղից բաղկացած Rubin Ultra GPU-ին, որը այդ բյուրեղները միացնում է NVLink-C2C-ի միջոցով։ Այսօրվա Rubin GPU-ն ունի 224 SM և 28,672 CUDA միջուկ, ուստի հաշվողական ռեսուրսները Rubin HPC-ի մակարդակի հասցնելը անպայման կպահանջի ավելի շատ բյուրեղներ մեկ փաթեթի վրա։
Տվյալների տեղափոխում և ագենտային աշխատանքային բեռներ
Rubin HPC GPU-ների միջև տվյալների շարժը պահպանելու համար Nvidia-ն կօգտագործի NVLink 7 միացման համակարգը։ Այդ տեխնոլոգիայի մասին նախորդ բացահայտումները ցույց են տվել, որ այն պահպանում է NVLink 6-ի ապահոված 3.6 TB/s թողունակությունը յուրաքանչյուր GPU-ի համար, միաժամանակ մեծացնելով իր մասշտաբավորման տիրույթի չափը։ Nvidia-ն նշում է, որ չիպի հավասարակշռված նախագծումը, որն ունի ավելի բարձր հաշվողական ռեսուրսներ և, հավանաբար, ավելի արագ տվյալների տեղափոխում հանգույցների միջև, կօգնի այն սնել մեծ տվյալների հավաքածուներով, որոնք բնորոշ են կլիմայական հետազոտություններին, գենոմային վերլուծությանը և ֆինանսական սիմուլյացիային։ Հետազոտողները, ինժեներները և վերլուծաբանները, որոնք ղեկավարում են ագենտների խմբեր, կարող են նաև օգտագործել Nvidia-ի CUDA-X ոլորտային գրադարանները՝ Rubin HPC-ի վրա արտադրողականությունը բարձրացնելու համար, ինչը սեղմում է դատողության օղակը՝ վարկածից մինչև սիմուլյացիա և կատարելագործում։
Չբացահայտված մանրամասներ
Nvidia-ն չհրապարակեց Rubin HPC GPU-ի HBM տարողության կամ թողունակության մանրամասները։ Ընկերությունը նաև չհրապարակեց, թե արդյոք այս մասը ներառում է հաշվողական ռեսուրսների վերաբաշխում՝ դեպի բնիկ FP64։ Nvidia-ն նշում է, որ չիպի հարմարվածությունը գիտնականների և ինժեներների համար, որոնք օգտագործում են ագենտային աշխատանքային հոսքեր, պետք է բերի ավելի արագ սիմուլյացիայի արտադրողականություն և ավելի արագ հայտնագործությունների հնարավորություններ այդ ոլորտներում՝ շնորհիվ այդ ոլորտներում ագենտների ավելի լավ արտադրողականության։
Աղբյուրներ՝ Tom's Hardware · techmeme.com
SiTech — AI-ով հզորացված վեբ մշակում
Ստեղծում ենք արագ ու ժամանակակից կայքեր և AI-ը ներդնում իրական բիզնես գործընթացներում։ Ունե՞ք նախագիծ կամ հարց։ Ուրախ կլինենք օգնել։