Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
Безопасность и правоРазбор · На радар3DNews AI→ оригинал

Nvidia анонсировала Rubin HPC: свыше 50 000 ядер CUDA, почти в 2,5 раза больше RTX 5090

Nvidia анонсировала Rubin HPC — ускоритель для научных расчётов: прогноза климата, прочности конструкций, анализа генома, оценки финансовых рисков. В нём свыше 50 000 ядер CUDA (отдельных вычислительных блоков), почти в 2,5 раза больше, чем у игровой RTX 5090. Но по числу ядер скорость не оценить: память и мощность Nvidia пока не раскрыла. Выйдет в 2028 году, так что это ориентир для планов, а не повод для закупки.

AI-обработка оригинала 3DNews AI; редакция Hamidun News
Nvidia анонсировала Rubin HPC: свыше 50 000 ядер CUDA, почти в 2,5 раза больше RTX 5090
Источник: 3DNews AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
Первоисточник3DNews AI ↗
Главный редактор
Ключевой факт #1Входит в платформу Vera Rubin, но нацелен на HPC, а не на обучение ИИ
Ядра меньше простаиваютускорение разреженных данных, где много нулей
Ключевой факт #3Цена, память, FP32/FP64 и партнёры по производству пока неизвестны

Nvidia анонсировала Rubin HPC — графический процессор для классических высокопроизводительных вычислений (HPC, от англ. high-performance computing): моделирования климата, расчётов прочности конструкций, анализа геномов и оценки финансовых рисков. В нём свыше 50 000 ядер CUDA — так называют отдельные вычислительные блоки видеочипа Nvidia. Это почти в 2,5 раза больше, чем у игровой видеокарты GeForce RTX 5090, которую обычно берут как эталон «большой» потребительской карты. Главное, что нужно знать: число ядер — лишь масштаб, а не скорость, и пока Nvidia не назвала ни память, ни энергопотребление, ни цену. Выход ожидается в 2028 году.

Что именно анонсировали

Rubin HPC станет частью платформы Vera Rubin, но, по словам Nvidia, ориентирован не столько на обучение и запуск ИИ-моделей, сколько на сложные научные и инженерные задачи. Среди областей применения компания называет климатическое и инженерное моделирование, геномный анализ и оценку финансовых рисков, а также анализ больших данных. Это задачи, где одни и те же операции повторяются миллиарды раз над огромными массивами чисел.

Сравнение с RTX 5090 скорее маркетинговое. Оно даёт ощущение масштаба: у ускорителя свыше 50 000 ядер, а у игровой карты примерно в 2,5 раза меньше. Но реальную скорость определяют ещё объём и пропускная способность памяти, а также производительность в расчётах FP32 и FP64 — то есть с одинарной и двойной точностью чисел, на которых держится большая часть научных симуляций. Этих цифр пока нет.

Зачем ускорять разреженные данные

Одна из ключевых особенностей — технология ускорения обработки разреженных данных (sparse data acceleration). Разреженные данные — это таблицы и матрицы, где почти все значения нулевые или несущественные. Представьте таблицу расписания всех рейсов мира: заполнена лишь малая часть клеток. Если процессор честно перебирает пустые клетки, он впустую тратит время.

По описанию Nvidia, технология должна эффективнее подавать данные вычислительным ядрам, чтобы те меньше простаивали в ожидании информации. В научных расчётах это часто важнее, чем число ядер: тысячи вычислителей бесполезны, если данные до них не доходят вовремя.

Для обмена данными между несколькими GPU предусмотрена поддержка интерконнекта седьмого поколения — высокоскоростной связи «точка-точка». Она нужна, когда задача не помещается на одну карту и чипам приходится обмениваться промежуточными результатами.

Программная часть и ИИ-агенты

Rubin HPC будет работать с библиотеками Nvidia CUDA-X — наборами оптимизированных алгоритмов для научных вычислений и аналитики. Nvidia отдельно отмечает, что ими смогут пользоваться ИИ-агенты для проведения симуляций и проверки гипотез. Схема понятна: агент формулирует предположение, отправляет расчёт на ускоритель, получает результат и решает, что проверять дальше — без постоянного участия человека.

Чего пока неизвестно

Список неизвестного длиннее списка фактов. Nvidia не раскрыла:

  • точное число ядер CUDA (сказано лишь «свыше 50 000»);
  • объём видеопамяти и её пропускную способность;
  • энергопотребление;
  • производительность в FP32 и FP64;
  • стоимость ускорителя и конфигурации систем на его основе;
  • имена партнёров по производству.

Поэтому сравнения с нынешними ускорителями пока преждевременны.

Что это значит на практике

Разработчикам научного ПО и командам, которые считают инженерные или финансовые модели, стоит отметить два момента. Во-первых, Nvidia сохраняет отдельную линию для HPC, а не сводит всё к ИИ-ускорителям, так что вложения в CUDA-X остаются осмысленными. Во-вторых, работа с разреженными данными становится аппаратным приоритетом: если ваши алгоритмы умеют использовать такие структуры, они, вероятно, получат больше пользы от нового поколения.

Планировать бюджет по одному числу ядер рано. Дождитесь данных по памяти, FP64 и энергопотреблению: именно они покажут, станет ли Rubin HPC реальным шагом вперёд для научных вычислений или останется строкой в презентации.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что именно анонсировали?

Rubin HPC станет частью платформы Vera Rubin, но, по словам Nvidia, ориентирован не столько на обучение и запуск ИИ-моделей, сколько на сложные научные и инженерные задачи. Среди областей применения компания называет климатическое и инженерное моделирование, геномный анализ и оценку финансовых рисков, а также анализ больших данных. Это задачи, где одни и те же операции повторяются миллиарды раз над огромными массивами чисел. Сравнение с RTX 5090 скорее маркетинговое.

Что известно по теме: зачем ускорять разреженные данные?

Одна из ключевых особенностей — технология ускорения обработки разреженных данных (sparse data acceleration). Разреженные данные — это таблицы и матрицы, где почти все значения нулевые или несущественные. Представьте таблицу расписания всех рейсов мира: заполнена лишь малая часть клеток. Если процессор честно перебирает пустые клетки, он впустую тратит время. По описанию Nvidia, технология должна эффективнее подавать данные вычислительным ядрам, чтобы те меньше простаивали в ожидании информации.

Что известно по теме: программная часть и ИИ-агенты?

Rubin HPC будет работать с библиотеками Nvidia CUDA-X — наборами оптимизированных алгоритмов для научных вычислений и аналитики. Nvidia отдельно отмечает, что ими смогут пользоваться ИИ-агенты для проведения симуляций и проверки гипотез. Схема понятна: агент формулирует предположение, отправляет расчёт на ускоритель, получает результат и решает, что проверять дальше — без постоянного участия человека.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…