Bitget App
Trading lebih cerdas
Beli kriptoPasarTradingFuturesStocksEarnInstitusiAI & Lainnya
Nvidia meningkatkan komputasi ilmiah! Merilis Rubin HPC GPU, bertaruh pada agen AI untuk merombak superkomputer

Nvidia meningkatkan komputasi ilmiah! Merilis Rubin HPC GPU, bertaruh pada agen AI untuk merombak superkomputer

华尔街见闻华尔街见闻2026/11/16 17:54
Tampilkan aslinya
Oleh:华尔街见闻

Rubin HPC dengan satu GPU memiliki lebih dari 50.000 inti CUDA, dioptimalkan khusus untuk komputasi ilmiah, dan diperkirakan akan diluncurkan pada tahun 2028. CUDA-X memperluas peta komputasi ilmiah, mencakup bidang astrofisika, ilmu material, penelitian obat, dan biologi sel tunggal, analisis lubang hitam dipercepat dari satu bulan menjadi hanya 8 menit. Nvidia menampilkan integrasi photonis dengan komputasi kuantum, melengkapi infrastruktur superkomputer, dan menyatakan bahwa Lambda menggunakan teknologi optik co-packaging photonis Nvidia (CPO) untuk mencapai peningkatan efisiensi energi hingga 5 kali lipat; Nvidia juga memperluas sistem manajemen beban kerja Slurm, memungkinkan prosesor kuantum (QPU) masuk dalam alur kerja superkomputer tradisional. Nvidia juga mengumumkan bahwa rak Vera CPU akan tersedia awal tahun depan, didistribusikan oleh Dell, HPE, Lenovo, dan Supermicro.

Nvidia sedang memperluas persaingan infrastruktur AI ke ranah komputasi ilmiah.

Pada Konferensi Superkomputer SC26 yang diadakan di Chicago pada 16 November, Nvidia meluncurkan generasi baru GPU Rubin HPC yang dirancang khusus untuk komputasi ilmiah, simulasi rekayasa, dan analisis data. Selain itu, Nvidia mengumumkan serangkaian kemajuan di bidang pustaka perangkat lunak CUDA-X, komputasi fotonik, dan komputasi kuantum, dengan tujuan mengintegrasikan komputasi GPU akselerasi, agen AI, dan komputasi performa tinggi tradisional (HPC) ke dalam satu platform terpadu.

Peluncuran ini membawa pesan penting: Seiring agen AI mulai terlibat dalam pekerjaan sains — mampu secara mandiri mengajukan hipotesis, menggunakan alat komputasi, menjalankan simulasi, dan menyesuaikan strategi berdasarkan hasil — kebutuhan komputasi ilmiah terhadap kekuatan komputasi juga mulai berubah. Nvidia berharap melalui desain kolaboratif perangkat keras dan perangkat lunak, AI tidak hanya membantu peneliti dalam menganalisis data, tetapi juga secara langsung terlibat dalam keseluruhan proses penemuan ilmiah, mulai dari merumuskan masalah hingga memverifikasi hasil.

Salah satu inti produk keras yang dirilis adalah Rubin HPC. Berbeda dengan GPU yang berfokus pada pelatihan dan inferensi AI, produk ini dioptimalkan khusus untuk kebutuhan komputasi ilmiah dan rekayasa seperti pembacaan data besar, operasi matriks jarang, dan tugas simulasi kompleks.

Nvidia meningkatkan komputasi ilmiah! Merilis Rubin HPC GPU, bertaruh pada agen AI untuk merombak superkomputer image 0

Selama SC 26, Nvidia juga mengungkapkan perkembangan terbaru terkait rak CPU Vera yang akan diluncurkan pada awal tahun depan.

Secara keseluruhan, sinyal dari SC26 adalah, Nvidia ingin meraih pasar yang lebih luas, bukan hanya GPU untuk kebutuhan pelatihan dan inferensi AI, tetapi juga komputasi ilmiah, simulasi rekayasa, komputasi kuantum, serta infrastruktur terkait. Seiring agen AI berkembang dari sekadar alat olah informasi menjadi asisten penelitian yang mampu menjalankan perangkat lunak profesional dan tugas kompleks, kolaborasi antara kekuatan komputasi GPU, perangkat lunak komputasi ilmiah, dan jaringan berkecepatan tinggi akan menjadi arah kompetisi HPC selanjutnya.

Rubin HPC: Satu GPU Lebih dari 50.000 Inti CUDA, Dirancang Khusus untuk Komputasi Ilmiah

Nvidia menjelaskan, Rubin HPC adalah GPU baru pada platform Vera Rubin yang secara khusus ditujukan untuk beban kerja komputasi ilmiah, rekayasa, dan analisis data. Setiap GPU dilengkapi dengan lebih dari 50.000 inti CUDA, mencetak rekor baru jumlah inti GPU Nvidia, dan juga mengadopsi akselerasi data jarang serta teknologi interkoneksi NVLink generasi ketujuh untuk meningkatkan efisiensi transfer data antar GPU.

Nvidia meningkatkan komputasi ilmiah! Merilis Rubin HPC GPU, bertaruh pada agen AI untuk merombak superkomputer image 1

Nvidia menekankan bahwa komputasi ilmiah berbeda secara signifikan dengan pelatihan AI tradisional. Baik dalam pemodelan iklim, simulasi rekayasa, analisis genom, maupun perhitungan risiko finansial, aplikasi tersebut seringkali perlu mengekstrak informasi tersebar berulang kali dari data dalam jumlah besar, kemudian melakukan perhitungan dan mengulangi proses ini. Dengan demikian, sekadar menambah jumlah inti komputasi GPU tidak cukup, tetapi juga harus meningkatkan kemampuan transfer dan pengolahan data untuk mencegah inti komputasi menganggur akibat menunggu data.

Fokus desain Rubin HPC adalah menyeimbangkan pergerakan data dan kemampuan komputasi, dengan meningkatkan operasi matriks jarang, perhitungan template (Stencil Computation), pengurutan, dan operasi pengurangan — jenis operasi umum dalam komputasi ilmiah — sehingga meningkatkan efisiensi komputasi secara keseluruhan.

Nvidia sangat menyoroti perubahan kebutuhan yang dibawa oleh agen AI. Seiring agen dapat membantu ilmuwan dan insinyur mengeksplorasi lebih banyak opsi material, struktur molekul, dan desain industri, simulasi akan menjadi bagian krusial untuk menguji opsi tersebut. Setelah agen mengajukan hipotesis, mereka dapat menjalankan alat simulasi untuk menguji hasil, lalu menyesuaikan arah riset berdasarkan umpan balik. Semakin cepat simulasi GPU, semakin banyak skenario yang dapat diuji peneliti.

Nvidia menyatakan bahwa Rubin HPC diperkirakan akan dirilis pada 2028. Perusahaan berharap melalui produk ini, dapat menyatukan agen AI, simulasi akselerasi GPU, dan pengolahan data ilmiah untuk memperpendek waktu dari pengajuan hipotesis hingga verifikasi penemuan.

CUDA-X Perluas Ranah Komputasi Ilmiah: Analisis Lubang Hitam dari Sebulan Menjadi 8 Menit

Jika Rubin HPC menghadirkan kekuatan perangkat keras, maka pustaka perangkat lunak CUDA-X yang menjadi sorotan Nvidia kali ini adalah kunci yang memungkinkan agen AI memanfaatkan alat komputasi ilmiah profesional.

Pada SC26, Nvidia mengumumkan perluasan pustaka CUDA-X, termasuk alat seperti cuPhoton, cuPotential, dan cuSpa, meliputi bidang astrofisika, ilmu material, pengembangan obat, dan biologi sel tunggal.

Nvidia meningkatkan komputasi ilmiah! Merilis Rubin HPC GPU, bertaruh pada agen AI untuk merombak superkomputer image 2

Salah satu aplikasi di bidang astronomi sangat menarik untuk diperhatikan.

Event Horizon Telescope (EHT) menghubungkan teleskop radio di seluruh dunia untuk membentuk teleskop virtual sebesar diameter bumi, digunakan untuk mengamati lubang hitam. Namun, pengamatan ini menghasilkan data berukuran petabyte, dengan alur pemrosesan tradisional yang bisa memakan waktu berbulan-bulan.

Modul cuPhoton.xBeam dari Nvidia mampu mempercepat pengolahan data astronomi radio menggunakan GPU, mempersingkat waktu analisis yang semula lebih dari sebulan menjadi hanya 8 menit. Alat ini telah digunakan untuk menganalisis data observasi aliran lubang hitam J1924 dan 3C279, serta mendorong rekonstruksi citra real-time lubang hitam pusat galaksi Messier 87.

Untuk riset fusi nuklir, Nvidia memperlihatkan aplikasi cuPhoton.xLens, yang memungkinkan peneliti mengekstrak dan menganalisis data secara sinkron selama simulasi plasma berjalan — tanpa harus menunggu eksperimen atau perhitungan selesai seluruhnya. Dengan agen Nemotron yang berjalan secara lokal, peneliti juga dapat menganalisis hasil simulasi secara interaktif dan menyesuaikan arah simulasi secara real-time, memberikan referensi untuk desain ruang target dan rongga reaktor fusi.

Pada pengembangan obat, cuPotential dikembangkan berdasarkan hasil riset Flatiron Institute dari Simons Foundation dan D. E. Shaw Research, mampu meningkatkan kecepatan perangkat lunak simulasi molekul hingga 3 kali lipat, sambil meningkatkan stabilitas dan akurasi komputasi. Alat ini juga mendukung pembuatan data sintetis untuk pelatihan model AI generatif dan membantu peneliti mencari lokasi pengikatan molekul baru serta menghitung kekuatan interaksi antar molekul.

Untuk bidang ilmu material, Nvidia memperkenalkan alat Daviator, kumpulan kernel komputasi GPU massal untuk Vienna Ab initio Simulation Package (VASP) yang banyak digunakan; kecepatan komputasi kuantum mekanik dapat meningkat hingga 22 kali lipat dan biaya menurun hingga 75%.

Di bidang biomedis, cuSpa open-source baru dapat mempercepat perhitungan poligon sel, mendukung pembuatan peta spasial berskala besar, serta membangun model pasien dan kanker. Aplikasi terkait di Memorial Sloan Kettering Cancer Center mencapai peningkatan kecepatan hingga 900 kali dibandingkan CPU.

Nvidia juga memperkenalkan kerangka kerja rapids-singlecell untuk mempercepat analisis data sel tunggal. Therna Biosciences menggunakan alat ini untuk mempercepat pemrosesan data hingga 200 kali; Basecamp Research menggunakan pustaka HMMER akselerasi GPU Nvidia untuk anotasi sekuens biologi, dengan pengujian kecepatan meningkat hingga 84 kali.

Kasus-kasus ini menunjukkan bahwa Nvidia berusaha mengembangkan CUDA-X dari sekadar alat akselerasi GPU tradisional menjadi kumpulan alat komputasi ilmiah yang dapat diakses langsung oleh agen AI. Agen tidak hanya bertanggung jawab memahami masalah dan merencanakan langkah, tetapi juga dapat memanfaatkan pustaka algoritma profesional untuk pemrosesan data, simulasi, dan analisis.

Interkoneksi Fotonik dan Komputasi Kuantum: Melengkapi Infrastruktur Superkomputer

Selain GPU dan perangkat lunak komputasi ilmiah, Nvidia juga memperluas fokusnya ke jaringan interkoneksi sistem superkomputer dan integrasi antara komputasi kuantum dengan superkomputer tradisional.

Di bidang infrastruktur jaringan, penyedia layanan cloud Lambda kini menerapkan teknologi Co-Packaged Optics (CPO) dari Nvidia ke lingkungan produksi, guna menghubungkan pabrik AI yang dilengkapi sistem GB300 NVL72 dan lebih dari 10.000 GPU.

Nvidia meningkatkan komputasi ilmiah! Merilis Rubin HPC GPU, bertaruh pada agen AI untuk merombak superkomputer image 3

Nvidia mengatakan, pengujian Lambda menunjukkan bahwa dibandingkan modul optik plug-in tradisional, penggunaan sakelar fotonik mengurangi latensi jaringan tingkat rak sekitar 4% dan tingkat pod hingga 10%, dengan throughput yang tetap tinggi.

Nvidia menyebut, teknologi fotonik yang mengintegrasikan engine optik dan chip sakelar dapat meningkatkan efisiensi energi hingga 5 kali dan keandalan hingga 15 kali dibandingkan modul optik plug-in tradisional, dengan jumlah laser seperempat dari solusi sebelumnya.

Untuk klaster AI dalam skala besar, gangguan jaringan dapat membuat ribuan GPU menunggu data sekaligus, mengurangi efisiensi sistem. Seiring meningkatnya permintaan inferensi agen dan komputasi terdistribusi, latensi jaringan, konsumsi daya, dan keandalan akan menjadi faktor kunci bagi efisiensi pengolahan data.

Di ranah komputasi kuantum, Nvidia melalui perluasan sistem manajemen beban kerja Slurm menjadikan prosesor kuantum (QPU) bagian dari workflow superkomputer tradisional.

Nvidia mengungkapkan bahwa dalam lima tahun terakhir, jumlah prosesor kuantum di pusat superkomputer meningkat hampir 7 kali, dengan hampir 30 pusat kini mengoperasikan lebih dari 50 prosesor kuantum di seluruh dunia.

Karena banyak pusat superkomputer sudah menggunakan Slurm untuk manajemen tugas CPU dan GPU, Nvidia berharap dengan memperluas dukungan Slurm untuk prosesor kuantum, peneliti bisa memadukan penggunaan sumber daya komputasi klasik dan kuantum melalui workflow yang sudah akrab.

Pembaruan Slurm ini dikembangkan dari kolaborasi sebelumnya dengan IBM, Pasqal, dan komunitas komputasi kuantum, memungkinkan produsen prosesor kuantum mengakses berbagai pusat superkomputer melalui satu antarmuka, sehingga tidak perlu membuat perangkat lunak adaptasi berbeda untuk setiap sistem superkomputer.

Versi baru ini juga mendukung antarmuka QRMI dan QDMI, serta diadopsi oleh IBM, IQM, Quantinuum, Pasqal, dan lainnya. Slurm 26.11 dijadwalkan rilis pada akhir November.

Nvidia meningkatkan komputasi ilmiah! Merilis Rubin HPC GPU, bertaruh pada agen AI untuk merombak superkomputer image 4

Pada saat yang sama, Nvidia juga memperluas platform komputasi kuantum CUDA-Q. Salah satunya, algoritma dekode koreksi kesalahan kuantum TCBP-JOBS terbaru, mampu meningkatkan kecepatan hingga 13.000 kali dibanding algoritma standar industri; Fermilab menggunakan CUDA-Q untuk mempercepat riset terkait sehingga kegiatan yang biasanya memakan waktu lima bulan kini hanya butuh tiga minggu.

Nvidia juga menunjukkan aplikasi nyata penggabungan komputasi kuantum dan klasik: QunaSys menggunakan 1.024 GPU Nvidia Hopper untuk meniru lebih dari 300 juta operasi kuantum dan mencapai presisi kimia pada model atom tetrahydro; peneliti Nvidia menggunakan superkomputer JUPITER Jerman untuk menyimulasikan 104 qubit dalam lingkungan noise nyata, guna menguji arsitektur komputasi kuantum toleran kesalahan di masa depan.

CUDA Genap 20 Tahun: Ekosistem Pengembang Menjadi Keunggulan Jangka Panjang

SC26 kali ini juga menjadi momentum simbolis: Nvidia tengah merayakan 20 tahun peluncuran CUDA.

Pada November 2006, Nvidia secara resmi meluncurkan CUDA dan memperkenalkan platform pemrograman GPU ini kepada bidang komputasi ilmiah pada konferensi SC06 tahun itu. CUDA memungkinkan peneliti menggunakan model pemrograman yang mereka kenal untuk menjalankan komputasi paralel pada GPU, sehingga aplikasi GPU meluas dari pemrosesan grafis ke simulasi ilmiah, komputasi rekayasa, dan analisis data.

Selama 20 tahun, CUDA telah menjadi inti ekosistem komputasi akselerasi Nvidia. Saat ini, Nvidia mengumumkan sudah ada lebih dari 11 juta pengembang di seluruh dunia yang menggunakan CUDA, dengan CUDA-X mencakup lebih dari 1.000 pustaka.

Beberapa kasus ikon yang dipaparkan Nvidia antara lain: tim Universitas Illinois memanfaatkan CUDA untuk mempercepat simulasi dinamika molekul sehingga berkontribusi pada riset struktur atom cangkang HIV; peneliti Universitas Toronto menggunakan dua GPU Nvidia untuk melatih AlexNet dan mendorong terobosan deep learning tahun 2012; dan AlphaFold 2 — perangkat lunak prediksi struktur protein pemenang Nobel Kimia 2024 — juga menggunakan CUDA untuk komputasi GPU.

Dari awalnya dimanfaatkan untuk simulasi ilmiah dan komputasi rekayasa, kemudian menjadi fondasi penting bagi deep learning dan AI generatif, kini CUDA berkembang menjadi pendukung algoritma sains dan toolset komputasi profesional bagi agen AI di ranah riset ilmiah yang digerakkan AI.

Rak CPU Vera Meluncur Awal Tahun Depan, Distribusi oleh Dell, HPE, Lenovo, dan Supermicro

Nvidia juga mengumumkan bahwa platform rak CPU Vera untuk HPC diperkirakan mulai tersedia awal 2027 melalui Dell Technologies, Hewlett Packard Enterprise (HPE), Lenovo, dan Super Micro Computer.

Platform ini mengintegrasikan 192 CPU Vera dalam satu rak, terhubung via Nvidia Quantum-X800 InfiniBand, dilengkapi sekitar 300TB memori dan 1PB penyimpanan, menggunakan pendingin cair, serta bandwidth total memori puncak lebih dari 200TB/detik.

Nvidia menekankan, platform ini ditujukan untuk mempercepat tugas komputasi ilmiah berbasis data besar seperti pemodelan iklim dan simulasi dinamika molekul.

0
0

Disclaimer: Konten pada artikel ini hanya merefleksikan opini penulis dan tidak mewakili platform ini dengan kapasitas apa pun. Artikel ini tidak dimaksudkan sebagai referensi untuk membuat keputusan investasi.

PoolX: Raih Token Baru
APR hingga 12%. Selalu aktif, selalu dapat airdrop.
Kunci sekarang!

Kamu mungkin juga menyukai

Bernstein: OpenAI meluncurkan ChatGPT Wallet, persaingan pembayaran AI mencapai titik balik baru, Visa(V.US) dan Mastercard(MA.US) berpotensi menjadi pemenang besar

Seiring dengan evolusi agen kecerdasan buatan (AI) dari alat pencarian informasi menjadi asisten pribadi yang mampu secara mandiri menyelesaikan belanja dan pembayaran, industri pembayaran global sedang menyambut peluang kompetisi baru.

智通财经•2026/11/16 16:13
Bernstein: OpenAI meluncurkan ChatGPT Wallet, persaingan pembayaran AI mencapai titik balik baru, Visa(V.US) dan Mastercard(MA.US) berpotensi menjadi pemenang besar

Di tengah penurunan tajam sektor semikonduktor, "tuan tanah" AI mendapat perhatian? Blackstone Data Center REIT (BXDC.US) naik lebih dari 10% sebelum pembukaan pasar, arus kas jangka panjang menjadi sorotan pasar.

Blackstone Digital Infrastructure Trust Company mengakuisisi mayoritas saham dua perusahaan patungan yang didirikan bersama Amazon Web Services dengan nilai transaksi sekitar 5 miliar dolar AS. BXDC akan memiliki 13 ruang mesin baru yang sudah diberi daya di dua kompleks pusat data milik AWS, dan AWS akan menyewa kembali seluruh portofolio ruang mesin tersebut, dengan masa sewa awal selama 12 tahun yang dapat diperpanjang hingga 32 tahun.

智通财经•2026/11/16 13:40

"Bosankah itu indah"? BTIG: Kekuatan luar biasa sektor defensif mengingatkan pada malam sebelum ledakan gelembung tahun 2000

Dalam 30 hari terakhir, sektor kebutuhan pokok S&P 500 mengungguli sektor teknologi sebesar 33 poin persentase, mencatatkan selisih bulanan terbesar dalam hampir 25 tahun dan mengulang karakter rotasi defensif sebelum pecahnya gelembung internet tahun 2000. Krinsky, ahli strategi BTIG, optimis terhadap sektor kebutuhan pokok, memperingatkan bahwa saham teknologi dan semikonduktor masih berpotensi turun lebih jauh, serta dolar yang kuat dapat memperparah tekanan likuiditas. Namun, pasar masih berbeda pendapat apakah rotasi ini dapat berlanjut, dengan fokus pada apakah perdagangan AI telah memasuki periode penyesuaian jangka panjang.

华尔街见闻•2026/11/16 13:36
"Bosankah itu indah"? BTIG: Kekuatan luar biasa sektor defensif mengingatkan pada malam sebelum ledakan gelembung tahun 2000

Huang Renxun meninggalkan panggung, uang Nvidia (NVDA.US) mulai menjadi "penakut": $500 miliar di masa depan mungkin hanya berani diinvestasikan ke perusahaan besar

Setelah Huang Renxun mengundurkan diri, platform pembiayaan AI senilai 500 miliar dolar AS milik Nvidia diperkirakan akan berlanjut, namun pada tahap awal kemungkinan akan dihentikan sementara. Biaya transaksi baru meningkat, dan dana mungkin akan beralih dari penyedia cloud baru ke penyedia cloud besar yang lebih matang.

智通财经•2026/11/16 13:22
Huang Renxun meninggalkan panggung, uang Nvidia (NVDA.US) mulai menjadi "penakut": $500 miliar di masa depan mungkin hanya berani diinvestasikan ke perusahaan besar