¿Tecnología Geek te ahorra tiempo? Agréganos como tu fuente preferida en Google y ve más noticias nuestras en tus resultados. Fuente preferida en Google
Rubin HPC supera los 50.000 núcleos CUDA en una sola GPU y llegará en 2028. NVIDIA la presentó este lunes en SC26, la conferencia de supercomputación que se celebra en Chicago del 15 al 20 de noviembre, como la pieza de su plataforma Vera Rubin para simulación y procesamiento de datos en ciencia, ingeniería y analítica.
No es otra GPU para entrenar modelos de inteligencia artificial. Su terreno es el cálculo científico de siempre, el que mueve modelos del clima, simulaciones de ingeniería, análisis genómico y cálculos de riesgo financiero, justo las cargas que los centros de supercomputación corren a diario.
La plataforma Vera Rubin es la generación de centros de datos que NVIDIA empuja este año, con racks que combinan la CPU Vera y las GPU Rubin para fábricas de IA. Rubin HPC entra en esa familia como la variante de cálculo científico, con equilibrio propio entre cálculo y movimiento de datos.
El anuncio llega con los agentes de IA metidos en el laboratorio. NVIDIA plantea que esos agentes propongan materiales, moléculas y diseños, y que las simulaciones decidan qué ideas merecen pasar al experimento. La misma semana, la compañía abrió Nemotron for Science, su paquete de modelos y datos para agentes científicos, y Rubin HPC sería el motor que corre las pruebas que esos agentes piden.
Datos a la par del cómputo
NVIDIA detalla en su blog la apuesta central del chip: mover datos a la misma velocidad a la que calcula. Rubin HPC trae aceleración de datos dispersos, una capacidad pensada para alimentar los núcleos con valores sueltos sacados de conjuntos enormes, en vez de dejarlos esperando turno.
Ese patrón se repite en casi toda simulación: la aplicación entra en un conjunto de datos inmenso, recoge un puñado de valores repartidos, calcula un resultado y vuelve a empezar millones de veces. Las operaciones que mandan ahí son matrices dispersas, cálculos de plantilla o stencil, ordenamientos y reducciones.
Datos dispersos quiere decir conjuntos donde casi todo vale cero y solo unos pocos valores importan. Una matriz dispersa puede guardar millones de posiciones vacías por cada dato útil, y una GPU común pierde tiempo moviendo ceros de un lado a otro. La aceleración de Rubin HPC ataca ese desperdicio de frente.
Para unir varias GPU sin frenarlas, el chip usa NVLink de séptima generación, la interconexión propia de NVIDIA entre tarjetas. La sexta generación es la que lleva la GPU Rubin estándar, la de inteligencia artificial, que este año ya entró en producción para centros de datos.
La cobertura del anuncio suma la configuración de los servidores. WCCFtech detalla bandejas con dos superchips, cada uno con una CPU Vera y dos GPU Rubin HPC, sobre los conmutadores NVLink más recientes. La cuenta sale sola: más de 100.000 núcleos CUDA por superchip y más de 200.000 por bandeja.
Casi el doble de núcleos que la Rubin estándar
Techstrong puso la cifra en contexto al cubrir la presentación: la GPU Rubin estándar reúne 28.672 núcleos CUDA, así que Rubin HPC casi duplica el conteo con un chip orientado a otro trabajo. Una busca correr modelos de IA a gran escala; la otra, simulaciones que se repiten millones de veces.
En simulación, el conteo de núcleos manda porque cada núcleo puede encargarse de una porción del fenómeno que se modela: una celda de la atmósfera, un tramo de una molécula, un escenario de riesgo. Más núcleos en un solo chip permiten problemas más grandes sin partir el cálculo entre tantas tarjetas.
Ian Buck, vicepresidente de hiperescala y computación de alto rendimiento de NVIDIA, lo dijo en la presentación: «Para los agentes que abordan problemas de ciencia e ingeniería, simular más rápido significa descubrir más rápido». Rubin HPC acelera las simulaciones que esos agentes usan para probar ideas.
Falta el dato que varios titulares ya dan por hecho. NVIDIA no reveló la memoria de Rubin HPC: ni la capacidad, ni el tipo, ni el ancho de banda. Tampoco publicó el consumo, el precio ni las cifras de rendimiento en doble precisión, las que más pesan en cálculo científico.
Los 288 GB de HBM4, la memoria de alto ancho de banda que va apilada junto al chip, pertenecen a la GPU Rubin estándar y NVIDIA no los ha confirmado para Rubin HPC. StorageReview lo advirtió en su cobertura de SC26: la ficha pública de esta GPU todavía está por salir.
El software acompaña con las bibliotecas CUDA-X, que reúnen versiones optimizadas de los algoritmos que usan las simulaciones y la analítica. Para un centro de cómputo ese detalle pesa mucho: el hardware nuevo rinde si las bibliotecas de siempre llegan listas desde el primer día.
Los compradores naturales son los centros de supercomputación y los laboratorios que ya programan en CUDA, la plataforma de NVIDIA que esta misma semana cumple veinte años. Para ellos, un chip con casi el doble de núcleos por tarjeta cambia la cuenta de cuántos racks hacen falta para el mismo trabajo.
La espera es larga: Rubin HPC llegaría en 2028 y el hito cercano es otro, los racks de CPU Vera que Dell, HPE, Lenovo y Supermicro venderán desde principios de 2027. La memoria de la nueva GPU, el dato que marcará su distancia real frente a la Rubin estándar, sigue sin aparecer en ninguna ficha oficial.
Fuente: NVIDIA
La conversación sigue en el foro
Comenta esta noticia, pregunta lo que quieras y comparte tu experiencia con otros lectores en el foro de Tecnología Geek. Participar es gratis: solo necesitas tu cuenta del sitio.
Entrar al foro