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 — 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.
- 22 нояб. 2026 г.Грант Яндекса ушёл на движок для LLM: 35B-модель на RTX 2080 Ti втрое быстрее llama.cpp
- 22 нояб. 2026 г.Акции Nvidia упали на 14% за пятницу и на 46% за семь недель, минус $2,6 трлн
- 22 нояб. 2026 г.SEC проверяет бухгалтерию Nvidia: акции упали на 14% за один день
- 22 нояб. 2026 г.Nasdaq 100 за неделю упал на 10,4%: худший результат со времён пандемии
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.
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.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.