Nvidia представи Vera Rubin – нова AI платформа от „шест чипа“ за мащабни изчисления
Nvidia стартира 2026 г. с по-ранна поява на новата си изчислителна платформа Vera Rubin, след силна година за предходното поколение Blackwell, подкрепена от нарасналото търсене на AI изчисления в центровете за данни. Компанията позиционира Rubin като интегрирано решение на ниво rack, насочено към ускоряване на обучението на големи модели и оптимизиране на разходите.
По време на пресбрифинг Dion Harris, старши директор „HPC и AI инфраструктурни решения“ в Nvidia, описва Vera Rubin като „шест чипа, които правят един AI суперкомпютър“.
Какво включва платформата Vera Rubin
Vera Rubin комбинира шест ключови компонента, които заедно оформят цялостна архитектура за AI натоварвания:
- Vera CPU
- Rubin GPU
- NVLink switch от 6-то поколение
- Connect-X9 NIC
- BlueField4 DPU
- Spectrum-X 102.4T CPO
Платформата ще поддържа 3-то поколение confidential computing и, по данни на Nvidia, ще бъде първата rack-scale trusted computing платформа.
Заявени подобрения спрямо Blackwell
Nvidia твърди, че Rubin GPU може да предостави пет пъти повече изчислителна мощ за AI обучение в сравнение с Blackwell. Според компанията цялостната архитектура Vera Rubin може да обучава голям „mixture of experts“ (MOE) AI модел за същото време като Blackwell, но с една четвърт от броя GPU ускорители и при една седма от цената на токен.
Контекст: търсене в центровете за данни и партньорска екосистема
Първоначално Rubin се очакваше по-късно, но представянето идва малко след като Nvidia отчете рекордно високи приходи от сегмента за центрове за данни – ръст от 66% спрямо предходната година. Увеличението е свързано с търсенето на Blackwell и Blackwell Ultra GPU, които поставят висока летва за следващото поколение и често се разглеждат като индикатор за устойчивостта на текущия AI цикъл.
Продукти и услуги, базирани на Rubin, се очаква да бъдат налични чрез партньорите на Nvidia през втората половина на 2026 г.
Какво означава това
- По-висока плътност на изчисленията: ако заявените показатели се потвърдят, обучението на големи MOE модели може да изисква по-малко GPU ресурси.
- Потенциално по-ниска цена на AI обучение: Nvidia акцентира върху значително по-ниска „token cost“, което може да промени икономиката на мащабните модели.
- Фокус върху доверени изчисления: confidential computing и „trusted“ платформа на ниво rack насочват към по-строги изисквания за сигурност при корпоративни и публични инфраструктури.
- По-голяма зависимост от екосистемата: реалната наличност ще е свързана с внедряването от партньорите на Nvidia през втората половина на 2026 г.
