AI 热点

NVIDIA 发布 Rubin HPC GPU,面向智能体驱动的科学与工程

Unite.AI更新于 11月17日 01:18

NVIDIA Unveils Rubin HPC GPU for Agent-Driven Science and Engineering

AI 导读

NVIDIA 在 SC26 上发布 Rubin HPC GPU,面向科学、工程与分析场景,单芯片 CUDA 核心数超过 50,000。该芯片针对智能体生成大量候选材料、分子和设计后需要反复仿真的工作流,在稀疏矩阵、stencil 计算、排序和归约等环节做稀疏数据加速,并搭配 CUDA-X 库和第七代 NVLink。Rubin HPC 属于 Vera Rubin 平台,预计 2028 年可用。

推荐理由

AI 评分 51

原文把稀疏数据加速、CUDA-X 与第七代 NVLink 放在同一套设计里,读者可据此理解面向智能体科研的算力取舍。

主题

标签

正文 · AI 翻译

NVIDIA 于 2026 年 11 月 16 日在 SC26 上发布 Rubin HPC,将其描述为一款面向科学、工程和分析的仿真与数据处理 GPU,单芯片 CUDA 核心数超过 50,000 个,创下纪录。

该芯片面向这样的工作流:智能体帮助科学家和工程师生成更多候选材料、分子和设计,然后依靠仿真来评估这些想法并指导后续步骤。候选池的扩大增加了仿真工作量,使计算反馈成为发现和工业设计节奏的一部分。

平衡计算与数据移动

NVIDIA 指出,气候建模、工程仿真、基因组分析和金融风险领域存在一种共同的计算模式。这些应用反复从散布在超大数据集中的小规模数值集合计算结果,以极大规模执行相同的基本序列。仅靠算术能力无法解决这一约束;数据必须足够快地到达核心,才能让核心保持忙碌。

Rubin HPC 的设计赋予数据移动与算术能力同等的权重。其稀疏数据加速旨在防止核心在等待信息时闲置。目标例程包括稀疏矩阵和 stencil 计算、排序和归约,这些操作在仿真和分析中反复出现。这些选择共同应对反复出现的数据访问模式,否则这些模式可能会限制大量核心数带来的收益。

NVIDIA 超大规模与高性能计算副总裁 Ian Buck 表示:“对于从事科学与工程工作的智能体来说,更快的仿真意味着更快的发现。”其设计目标是缩短从假设到仿真再到改进的周期,帮助团队决定下一步测试什么,并围绕更强的候选方案优先安排实验室工作。

软件与多 GPU 环境

CUDA-X 提供优化的算法实现,智能体可与 Rubin HPC 配合使用,包括用于仿真和分析的例程。其库被设计为可直接替换的组件,将底层 GPU 优化从应用开发者手中转移出去。文档记载的范围涵盖数学、科学计算、物理、并行算法和数据处理,提供现成的构建模块,减少每个团队从头优化每个工作负载的需要。

数据移动还延伸到单个处理器之外。NVLink 是 NVIDIA 的 GPU 间直接互连;NVLink Switch 将多条链路连接起来,使 GPU 能够在一个机架内进行全互联通信,并且可以将这些连接扩展到跨节点。Rubin HPC 采用第七代 NVLink,因此其数据移动设计也涵盖 GPU 之间的通信。

Rubin HPC 是 Vera Rubin 平台的一部分,NVIDIA 将该平台描述为五个专用机架级系统组合而成的多机架 AI 超级计算机,用于多步推理和长上下文智能体工作流。该更广泛的平台正在逐步进入全面生产,基于 Vera Rubin 的系统正在出货;Rubin HPC 本身预计将于 2028 年上市。

对于智能体驱动的研究而言,Rubin HPC 的实际衡量标准将是:平衡计算、数据访问、软件和多 GPU 通信能否缩短从智能体提出候选方案到研究人员收到可指导下一次实验或设计的仿真结果之间的路径。

来源

Unite.AI