Nvidia посилює наукові обчислення! Випускає Rubin HPC GPU, робить ставку на те, що AI-агенти можуть перевизначити суперкомп’ютери
Один GPU Rubin HPC оснащений понад 50 тисячами CUDA-ядер, спеціально оптимізований для наукових обчислень, запуск очікується у 2028 році. CUDA-X розширює наукові обчислення, охоплюючи такі сфери, як астрофізика, матеріалознавство, розробка ліків і одноклітинна біологія; аналіз чорних дір скоротився з одного місяця до 8 хвилин. NVIDIA продемонструвала інтеграцію фотонного інтерконекту й квантових обчислень, доповнюючи інфраструктуру надобчислень, зазначаючи, що Lambda використовує фотонну технологію співпакування NVIDIA (CPO) для досягнення до 5 разів більшої енергоефективності; NVIDIA також розширює систему управління навантаженням Slurm, інтегруючи квантові процесори (QPU) у традиційні робочі процеси надобчислень. NVIDIA також повідомила, що серверна шафа Vera CPU вийде на початку наступного року, а постачальниками є Dell, HPE, Lenovo та Supermicro.
Nvidia розширює конкуренцію у сфері AI-інфраструктури до області наукових обчислень.
16 листопада на конференції з суперкомп’ютерних технологій SC26, що проходила у Чикаго, Nvidia анонсувала нове покоління GPU Rubin HPC, спеціально розробленого для наукових обчислень, інженерного моделювання та аналізу даних, а також оголосила низку досягнень щодо бібліотек програмного забезпечення CUDA-X, фотонних обчислень та квантових обчислень, намагаючись інтегрувати GPU-акселерацію, AI-агентів і традиційні високопродуктивні обчислення (HPC) на єдину платформу.
Цей реліз несе важливий сигнал: із залученням AI-агентів до наукових досліджень, які можуть самостійно формулювати гіпотези, використовувати обчислювальні інструменти, запускати симуляції та коригувати плани на основі результатів, потреби наукових обчислень у потужностях також змінюються. Nvidia сподівається за допомогою спільного дизайну апаратного та програмного забезпечення дозволити AI не лише допомагати дослідникам аналізувати дані, а й безпосередньо брати участь у процесі наукових відкриттів — від постановки задачі до перевірки результату.
Rubin HPC — це основний апаратний продукт даного релізу. На відміну від GPU, що в основному орієнтовані на AI-навчання і інференс, цей продукт спеціально оптимізовано для великих обсягів читання даних, обробки розріджених матриць і складних моделювань у наукових та інженерних завданнях.

На SC26 Nvidia також розповіла, що шафа з процесорами Vera CPU надійде у продаж на початку наступного року.
Загалом, сигнали з SC26 свідчать: Nvidia планує змагатися не лише на ринку GPU для AI-навчання й інференсу, а й на значно ширшому ринку, що охоплює наукові обчислення, інженерне моделювання, квантові обчислення та відповідну інфраструктуру. У міру того, як AI-агенти поступово трансформуються з інструменту обробки інформації на дослідницьких помічників, здатних викликати професійне ПЗ і виконувати складні задачі, координація між GPU, науковим ПЗ та високошвидкісними мережами стане ключовим напрямом у подальшій конкуренції у сфері високопродуктивних обчислень.
Rubin HPC: понад 50 000 ядер CUDA в одному GPU, оптимізовано для наукових обчислень
Nvidia зазначає, що Rubin HPC — це новий GPU для платформи Vera Rubin, орієнтований на робочі навантаження у сфері науки, інженерії й аналізу даних. Один GPU містить понад 50 тисяч ядер CUDA, що є новим рекордом для Nvidia, водночас підтримує апаратне прискорення роботи з розрідженими даними та використовує міжз’єднання сьомого покоління NVLink для підвищення ефективності передачі даних між GPU.

Nvidia підкреслює, що наукові обчислення суттєво відрізняються від стандартних AI-навчальних завдань. Незалежно від того, йдеться про кліматичне моделювання, інженерні симуляції, геномний аналіз чи оцінку фінансових ризиків, такі застосунки часто багаторазово вилучають розпорошені дані з великих обсягів інформації, проводять обчислення й постійно повторюють цю процедуру. Тому просте збільшення ядeр GPU недостатнє; потрібно синхронно підвищувати швидкість обробки й передачі даних, щоб уникнути простою через очікування надходження інформації.
Ключова особливість Rubin HPC — баланс між переміщенням даних і обчислювальною потужністю, забезпечення прискорення розріджених матричних операцій, трафаретних обчислень (Stencil Computation), сортування, редукції та ін., щоб підвищити загальну ефективність розрахунків.
Окремий акцент Nvidia робить на зміну потреб із появою AI-агентів. Оскільки агенти здатні допомагати науковцям і інженерам досліджувати більше матеріалів, молекулярних структур й інженерних рішень, симуляції стають критичним етапом перевірки таких рішень. Агент формулює гіпотези, викликає симуляційні інструменти, тестує результати й коригує подальші дії відповідно до фідбеку. Швидкість GPU-симуляцій визначає кількість сценаріїв, які можуть бути досліджені.
Nvidia повідомляє, що Rubin HPC планується випустити у 2028 році. Метою компанії є інтеграція AI-агентів, GPU-акселерації симуляцій та обробки наукових даних для скорочення циклу від постановки гіпотези до наукового відкриття.
CUDA-X розширює горизонти наукових обчислень: аналіз чорних дір скоротився з місяця до 8 хвилин
Якщо Rubin HPC — це апаратна потужність, то бібліотека програмного забезпечення CUDA-X, яку Nvidia також акцентовано представила, є ключем для готовності AI-агентів використовувати професійні засоби наукових розрахунків.
На SC26 Nvidia оголосила про розширення бібліотек CUDA-X: cuPhoton, cuPotential, cuSpa та ін., які охоплюють астрофізику, матеріалознавство, розробку ліків і одноклітинну біологію.

Особливо показовим є їх застосування в астрономії.
Телескоп горизонту подій (EHT), об’єднуючи радіотелескопи по всьому світу, створює віртуальний телескоп розміром із Землю для спостереження за чорними дірами. Такі спостереження генерують петабайти даних, і традиційна обробка може тривати місяці.
Модуль cuPhoton.xBeam від Nvidia дозволяє використовувати GPU для прискорення кореляції радіоастрономічних даних, скорочуючи аналіз з понад місяця до 8 хвилин. Цей інструмент вже використано для аналізу даних по чорних дірах J1924 та 3C279 і допомагає у реконструкції зображення чорної діри в центрі галактики Messier 87 в реальному часі.
У сфері досліджень термоядерного синтезу Nvidia показала застосування cuPhoton.xLens. Дослідники можуть синхронно вилучати й аналізувати дані в процесі симуляції плазми, а не чекати завершення експерименту чи всіх обчислень. Використовуючи локального агента Nemotron, можна інтерактивно аналізувати результати моделювання й оперативно коригувати напрямок симуляцій, надаючи рекомендації для дизайну камер і мішеней термоядерних реакторів.
У розробці лікарських засобів cuPotential побудовано на дослідженнях Flatiron Institute Симонового Фонду та D.E. Shaw Research, дозволяє збільшити швидкість молекулярних симуляторів до 3 разів та підвищити стабільність і точність обчислень. Також допомагає у створенні синтетичних даних для тренування генеративних AI-моделей і знаходженні нових взаємодій між молекулами.
В області матеріалознавства Nvidia представила інструмент Daviator — набір GPU-ядeр для широко використовуваного пакету Vienna Ab initio Simulation Package (VASP), що підвищує швидкість квантовомеханічних обчислень у 22 рази і знижує витрати до 75%.
У біомедицині новий open-source cuSpa прискорює обчислення багатокутників клітин, забезпечуючи підтримку для побудови великих просторових карт і моделей пацієнтів та онкологічних досліджень. Відповідне рішення Memorial Sloan Kettering Cancer Center прискорює розрахунки до 900 разів порівняно з CPU.
Nvidia також представила rapids-singlecell — платформу для прискореного аналізу одноклітинних даних. Therna Biosciences з її допомогою збільшила швидкість обробки у 200 разів, а Basecamp Research використовує GPU-акселерацію HMMER для біоанотації, отримуючи прискорення до 84 разів.
Ці приклади показують, що Nvidia намагається трансформувати CUDA-X з традиційного засобу прискорення обчислень на GPU у повноцінний набір наукових обчислювальних інструментів, доступних AI-агентам. Такі агенти не лише розуміють наукові завдання й планують кроки, а й викликають спеціалізовані бібліотеки для обробки, симуляцій і аналізу даних.
Фотонні міжз’єднання та квантові обчислення: доповнення інфраструктури суперкомп’ютерів
Окрім GPU й наукового ПЗ, Nvidia цього разу зосередила увагу й на міжмережевих комунікаціях для суперкомп’ютерних систем, а також інтеграції квантових і традиційних обчислень.
В інфраструктурі мережі хмарний провайдер Lambda впроваджує фотонну технологію спільного пакування оптики Nvidia (Co-Packaged Optics, CPO) у продуктивне використання — для підключення фабрики AI з системою GB300 NVL72 із понад 10 тисячами GPU.

Nvidia стверджує, що за результатами тестів Lambda, у порівнянні з традиційними знімними оптичними модулями, фотонні комутатори зменшують затримку на рівні стійки приблизно на 4%, а на рівні Pod — до 10%, зберігаючи при цьому таку ж пропускну спроможність.
За словами Nvidia, завдяки спільному пакуванню оптики фотонний двигун і чип-комутатор розміщуються разом: це забезпечує у 5 разів кращу енергоефективність і у 15 раз більшу надійність, порівняно зі знімними оптичними модулями, а кількість лазерів зменшена вчетверо.
Для великих AI-кластерів мережеві збої можуть спричинити простої тисяч GPU. Зі зростанням потреб у розподілених AI-обчисленнях важливими стають затримка, споживання енергії та надійність мережі.
Щодо квантових обчислень Nvidia розширює систему керування завданнями Slurm, включаючи підтримку квантових процесорів (QPU) у традиційних HPC-середовищах.
Nvidia повідомляє, що за останні п’ять років кількість квантових процесорів у суперкомп’ютерних центрах зросла майже в 7 разів; сьогодні понад 50 QPU встановлено у близько 30 суперкомп’ютерних центрів у світі.
Оскільки багато суперкомп’ютерних центрів вже використовують Slurm для керування CPU- та GPU-завданнями, Nvidia розширює підтримку квантових процесорів у Slurm, щоб дослідники могли використовувати класичні й квантові ресурси в звичному робочому процесі.
Оновлення Slurm реалізовано у співпраці з IBM, Pasqal та квантовою спільнотою, дозволяючи виробникам QPU підключатися через єдиний інтерфейс до різних HPC-центрів і зменшувати обсяги розробки специфічного адаптаційного ПЗ.
Нова версія підтримує інтерфейси QRMI та QDMI і впроваджується такими компаніями, як IBM, IQM, Quantinuum, Pasqal. Slurm 26.11 має вийти наприкінці листопада.

Паралельно Nvidia розвиває платформу CUDA-Q для квантових обчислень. Новий декодер алгоритму квантової корекції TCBP-JOBS у 13 000 разів швидший за галузевий стандарт; Fermilab використав CUDA-Q, скоротивши п’ятимісячну задачу до трьох тижнів.
Nvidia продемонструвала й конвергентне застосування: QunaSys використовувала 1024 GPU Hopper для симуляції понад 300 мільйонів квантових операцій і отримала хімічну точність на моделі тетрагідрогену, а дослідники Nvidia на суперкомп’ютері JUPITER у Німеччині змоделювали роботу 104 кубітів у умовах реального шуму для тестування майбутньої архітектури стійких квантових обчислень.
20 років CUDA: екосистема розробників — стратегічна перевага на довгу перспективу
SC26 стала також символічною подією: Nvidia святкує 20 років з дня запуску CUDA.
У листопаді 2006 року Nvidia офіційно представила CUDA і на тодішній конференції SC06 популяризувала її в науковому співтоваристві. CUDA дала можливість дослідникам використовувати GPU для універсальних паралельних обчислень через знайомі програми, розширивши застосування GPU від графіки до наукових моделювань, інженерних розрахунків і аналізу даних.
За 20 років CUDA стала ядром екосистеми прискорених обчислень Nvidia. За даними компанії, сьогодні понад 11 мільйонів розробників працюють із CUDA, а бібліотека CUDA-X нараховує понад 1000 програм.
Серед прикладів: команда Іллінойського університету використовувала CUDA для прискорення молекулярної динаміки, сприяючи дослідженню структури капсидів вірусу СНІДу; команда Торонтського університету на двох GPU Nvidia тренувала AlexNet, що дало поштовх до прориву у deep learning у 2012 році; програмне забезпечення AlphaFold 2 — лауреат Нобелівської премії з хімії 2024 — також використовує CUDA для розрахунків на GPU.
Від початкового обслуговування наукових і інженерних задач до бази для розвитку deep learning і генеративного AI, а зараз — і до надання AI-агентам засобів для розрахунків і спеціалізованого аналізу: Nvidia послідовно розширює екосистему ПЗ у сферу AI-драйвінгових наукових відкриттів.
Шафа Vera CPU надійде у продаж на початку наступного року: постачальники — Dell, HPE, Lenovo, Supermicro
Nvidia також оголосила, що шафа Vera CPU для високопродуктивних обчислень буде поставлятись з початку 2027 року компаніями Dell Technologies, HPE, Lenovo та Supermicro.
Платформа містить 192 процесори Vera CPU в одному шафі, підключених мережею Nvidia Quantum-X800 InfiniBand, із приблизно 300 ТБ пам’яті та 1 ПБ сховища, із рідинним охолодженням, сукупна пропускна спроможність пам’яті перевищує 200 ТБ/с.
Nvidia зазначає, що ця платформа покликана пришвидшити кліматичне моделювання, молекулярну динаміку й інші наукомісткі завдання.
Відмова від відповідальності: зміст цієї статті відображає виключно думку автора і не представляє платформу в будь-якій якості. Ця стаття не повинна бути орієнтиром під час прийняття інвестиційних рішень.
Вас також може зацікавити
Bernstein: OpenAI запускає ChatGPT-гаманець, конкуренція у сфері AI-платежів виходить на новий етап, Visa(V.US) та Mastercard(MA.US) можуть стати великими переможцями
У міру того, як штучні інтелектуальні агенти поступово еволюціонують від інструментів для отримання інф ормації до персональних помічників, здатних самостійно здійснювати покупки та оплату, глобальна платіжна індустрія переживає нові можливості для конкуренції.

Під час різкого падіння цін на напівпровідники, "орендодавці" AI користуються популярністю? Blackstone Data Center REIT (BXDC.US) підскочив на понад 10% до торгів, довгостроковий грошовий потік стає центром уваги ринку
Blackstone Digital Infrastructure Trust придбала більшу частину акцій двох спільни х підприємств, створених з Amazon Web Services, за ціною близько 5 мільярдів доларів. BXDC матиме 13 нових будівель електрифікованих серверних на двох дата-центрах AWS, і AWS орендуватиме весь комплекс серверних приміщень із початковим терміном оренди 12 років, який можна продовжити до 32 років.
"Чи нудьга — це красиво"? BTIG: Незвичайна сила оборонних секторів нагадує переддень краху бульбашки 2000 року
За останні 30 днів сектор споживчих товарів першої необхідності S&P 500 випередив технологічний сектор на 33 процентних пункти, встановивши максимальний місячний розрив за майже 25 років та повторюючи захисну ротацію, характерну для періоду перед крахом інтернет-бульбашки у 2000 році. Стратег BTIG Krinsky позитивно оцінює споживчі товари першої н еобхідності, попереджаючи, що технологічні акції та напівпровідники мають простір для подальшого падіння, а сильний долар може посилити тиск на ліквідність. Однак щодо того, чи зможе ця ротація тривати, ринок залишається розділеним, і основна увага зосереджена на тому, чи вступає AI-торгівля у період довгострокового коригування.

Хуан Женьсюнь залишив сцену, гроші Nvidia (NVDA.US) стали "обережними": у майбутньому 500 мільярдів доларів, ймовірно, вкладатимуть лише у великі компанії
Після відставки Jen-Hsun Huang, платформа фінансування AI Nvidia на 500 млрд доларів, ймовірно, буде продовжена, але на початковому етапі може призупинитися. Вартість нових угод зростає, і капітал може перейти від нових хмарних провайдерів до більш зрілих великих хмарних компаній.

