Новый ускоритель для симуляций делает ставку на вычисления, перемещение разреженных данных и связь между GPU.
Ускоритель для научных расчётов
NVIDIA представила Rubin HPC на конференции SC26 16 ноября. Новый GPU входит в платформу Vera Rubin и предназначен для научных симуляций, инженерных вычислений и аналитики. Компания заявляет более 50 тысяч CUDA-ядер в одном ускорителе, аппаратные возможности ускорения работы с разреженными данными и межсоединение NVLink седьмого поколения.
Объявленный подход важен для задач, где вычислительные блоки регулярно ждут данные. При выборе ускорителя недостаточно сравнивать количество ядер: необходимо понимать, как приложение читает память, собирает разбросанные элементы и передаёт промежуточные результаты другим процессорам. Именно поведение программы определяет, насколько дополнительная вычислительная мощность окажется востребованной.
Зачем менять перемещение данных
В анонсе NVIDIA выделяет разреженные матричные операции, трафаретные вычисления, сортировку и редукции. Такие операции встречаются в моделировании климата, инженерных приложениях и анализе больших наборов данных. Компания описывает Rubin HPC как сбалансированный проект, в котором вычислительные ресурсы и доставка данных должны масштабироваться вместе.
Для исследовательской команды это повод заранее изучить наиболее затратные участки своего кода. Приложения с разной структурой доступа к памяти могут по-разному использовать один ускоритель. Поэтому обещание ускорять целый класс вычислительных шаблонов требует проверки на реальной программе, включая обмен между GPU, подготовку входных данных и сохранение результатов.
Поставка ожидается в 2028 году
Появление Rubin HPC запланировано на 2028 год. В опубликованном материале отсутствуют цена и подробные результаты прикладных сравнений. NVIDIA связывает новый процессор с библиотеками CUDA-X и сценариями, в которых программные агенты предлагают варианты материалов, молекул или конструкций, а симуляции помогают проверить эти предложения.
Пока речь идёт о направлении развития оборудования, а не о готовой системе, доступной лабораториям немедленно. При планировании закупок полезно разделять уже опубликованные характеристики, ожидаемые сроки и ещё не измеренную производительность. Количество CUDA-ядер не заменяет сведения о точности, энергопотреблении и совместимости, необходимые для обоснованного выбора вычислительной платформы.
Источники
- NVIDIA — 2026-11-16
