Nvidia anuncia Rubin HPC: mais de 50 mil núcleos CUDA, quase 2,5 vezes a RTX 5090
A Nvidia anunciou o Rubin HPC, um acelerador para cálculos científicos: previsão do clima, resistência de estruturas, análise do genoma e avaliação de riscos financeiros. Ele tem mais de 50 mil núcleos CUDA (blocos de computação individuais), quase 2,5 vezes mais que a placa de jogos RTX 5090. Mas o número de núcleos não diz a velocidade: a Nvidia ainda não revelou memória nem potência. O lançamento está previsto para 2028, então o anúncio serve como referência para planejamento, não como motivo para compra.
Processado por IA de 3DNews AI; editado por Hamidun News
A Nvidia anunciou o Rubin HPC, uma unidade de processamento gráfico para computação de alto desempenho clássica (HPC, do inglês high-performance computing): simulações climáticas, cálculos de resistência de estruturas, análise de genomas e avaliação de riscos financeiros. Ele tem mais de 50 mil núcleos CUDA, nome dado aos blocos de computação individuais do chip gráfico da Nvidia. Isso é quase 2,5 vezes mais que a placa de jogos GeForce RTX 5090, normalmente usada como referência de uma "grande" placa de consumo. O principal a saber: o número de núcleos indica escala, não velocidade, e a Nvidia ainda não informou memória, consumo de energia nem preço. O lançamento está previsto para 2028.
O que foi anunciado
O Rubin HPC fará parte da plataforma Vera Rubin, mas, segundo a Nvidia, é voltado menos ao treinamento e à execução de modelos de IA do que a tarefas científicas e de engenharia complexas. Entre as áreas de aplicação, a empresa cita a modelagem climática e de engenharia, a análise genômica, a avaliação de riscos financeiros e a análise de grandes volumes de dados. São tarefas em que as mesmas operações se repetem bilhões de vezes sobre massas enormes de números.
A comparação com a RTX 5090 é mais de marketing. Ela transmite a noção de escala: o acelerador tem mais de 50 mil núcleos, enquanto a placa de jogos tem cerca de 2,5 vezes menos. Mas a velocidade real também depende do volume e da largura de banda da memória, além do desempenho em cálculos FP32 e FP64, ou seja, com precisão simples e dupla, base da maior parte das simulações científicas. Esses dados ainda não existem.
Por que acelerar dados esparsos
Um dos principais recursos é a tecnologia de aceleração de dados esparsos (sparse data acceleration). Dados esparsos são tabelas e matrizes em que quase todos os valores são nulos ou irrelevantes. Imagine a tabela de todos os voos do mundo: só uma pequena parte das células está preenchida. Se o processador percorre cada célula vazia, desperdiça tempo.
Segundo a descrição da Nvidia, a tecnologia deve alimentar os núcleos de computação de forma mais eficiente, para que fiquem menos ociosos à espera de informações. Em cálculos científicos, isso costuma importar mais que o número de núcleos: milhares de processadores não servem de nada se os dados não chegam a tempo.
Para a troca de dados entre várias GPUs, há suporte à interconexão de sétima geração, um enlace ponto a ponto de alta velocidade. Ele é necessário quando a tarefa não cabe em uma única placa e os chips precisam trocar resultados intermediários.
Parte de software e agentes de IA
O Rubin HPC funcionará com as bibliotecas CUDA-X da Nvidia, conjuntos de algoritmos otimizados para computação científica e análise. A empresa destaca que agentes de IA poderão usá-las para executar simulações e testar hipóteses. O fluxo é simples: o agente formula uma suposição, envia o cálculo ao acelerador, recebe o resultado e decide o que verificar em seguida, sem participação humana constante.
O que ainda não se sabe
A lista do desconhecido é maior que a de fatos. A Nvidia não revelou:
- o número exato de núcleos CUDA (foi dito apenas "mais de 50 mil");
- o volume de memória de vídeo e sua largura de banda;
- o consumo de energia;
- o desempenho em FP32 e FP64;
- o custo do acelerador e das configurações de sistemas baseados nele;
- os nomes dos parceiros de fabricação.
Por isso, comparações com os aceleradores atuais ainda são prematuras.
O que isso significa na prática
Desenvolvedores de software científico e equipes que calculam modelos de engenharia ou financeiros devem observar dois pontos. Primeiro, a Nvidia mantém uma linha separada para HPC, e não reduz tudo a aceleradores de IA, então os investimentos em CUDA-X continuam fazendo sentido. Segundo, o trabalho com dados esparsos passa a ser prioridade em hardware: se seus algoritmos sabem usar essas estruturas, provavelmente terão mais ganho com a nova geração.
Planejar o orçamento com base em um único número de núcleos é cedo demais. Aguarde os dados de memória, FP64 e consumo de energia: são eles que mostrarão se o Rubin HPC será um avanço real para a computação científica ou ficará apenas como um item de apresentação.
- 21 de nov. de 2026phi3 local foi invadida em 51% das tentativas — desenvolvedor colocou um gateway de proteção na frente dela
- 21 de nov. de 2026Thinking Machines lança o Inkling 2 Mini, modelo aberto de 26,4 bilhões de parâmetros para Macs com 32 GB
- 21 de nov. de 2026Nvidia dobrou o lucro, mas ações caem 2% por causa da busca por um novo CEO
- 21 de nov. de 2026Nous Research retreinou o chinês Qwen3.8, e a propaganda nas respostas caiu de 22% para 1%
Perguntas frequentes sobre a notícia
O que foi anunciado?
O Rubin HPC fará parte da plataforma Vera Rubin, mas, segundo a Nvidia, é voltado menos ao treinamento e à execução de modelos de IA do que a tarefas científicas e de engenharia complexas. Entre as áreas de aplicação, a empresa cita a modelagem climática e de engenharia, a análise genômica, a avaliação de riscos financeiros e a análise de grandes volumes de dados. São tarefas em que as mesmas operações se repetem bilhões de vezes sobre massas enormes de números. A comparação com a RTX 5090 é mais de marketing.
Por que acelerar dados esparsos?
Um dos principais recursos é a tecnologia de aceleração de dados esparsos (sparse data acceleration). Dados esparsos são tabelas e matrizes em que quase todos os valores são nulos ou irrelevantes. Imagine a tabela de todos os voos do mundo: só uma pequena parte das células está preenchida. Se o processador percorre cada célula vazia, desperdiça tempo. Segundo a descrição da Nvidia, a tecnologia deve alimentar os núcleos de computação de forma mais eficiente, para que fiquem menos ociosos à espera de informações.
O que se sabe sobre Parte de software e agentes de IA?
O Rubin HPC funcionará com as bibliotecas CUDA-X da Nvidia, conjuntos de algoritmos otimizados para computação científica e análise. A empresa destaca que agentes de IA poderão usá-las para executar simulações e testar hipóteses. O fluxo é simples: o agente formula uma suposição, envia o cálculo ao acelerador, recebe o resultado e decide o que verificar em seguida, sem participação humana constante.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.