Nvidia hat den Grafikprozessor Rubin HPC angekündigt, der für leistungsstarke wissenschaftliche und technische Berechnungen sowie für die Analyse großer Datenmengen entwickelt wurde. Laut Hersteller wird der Beschleuniger über 50.000 CUDA-Kerne verfügen — ein Wert, der die Anzahl der Rechenkerne der Gaming-Grafikkarte GeForce RTX 5090 um fast das 2,5-fache übertrifft. Damit bestätigt Nvidia faktisch, dass seine nächste Flaggschiff-Architektur in zwei Bereiche unterteilt wird: Endverbraucher und professionelle Anwendung, wobei der professionelle Bereich eine deutlich umfangreichere Rechenbasis erhält.
Positionierung: Wissenschaft und Technik statt KI-Training
Der Rubin HPC wird Teil der Vera Rubin-Plattform sein, doch sein Zielbereich liegt eher bei komplexen Berechnungsaufgaben als beim Training und Betrieb von Modellen der künstlichen Intelligenz. Als vorrangige Anwendungsgebiete nennt Nvidia Klimasimulationen und technische Modellierung, Genomanalysen sowie die Bewertung finanzieller Risiken. Dies bedeutet, dass der Chip für Aufgaben konzipiert ist, bei denen Präzision und Durchsatz bei der Arbeit mit großen Mengen strukturierter und unstrukturierter Daten entscheidend sind, statt für das massenhafte Inferenz-Verfahren neuronaler Netze.
Kerne und Architektur: Über 50.000 CUDA
Das wichtigste quantitative Merkmal der Ankündigung war die Anzahl der Rechenkerne: über 50.000 CUDA-Kerne. Zum Vergleich: Die Gaming-Grafikkarte GeForce RTX 5090 hat etwa weniger als halb so viele Kerne, daher geht der Rubin HPC über das Endverbrauchersegment hinaus und richtet sich an Server- und Cluster-Konfigurationen. Die genaue Anzahl der Kerne, die Kapazität des Videospeichers sowie dessen Durchsatz hat Nvidia bisher ebenso wenig offengelegt wie die Angaben zum Stromverbrauch und zur Leistung in den Modi FP32 und FP64 — genau jene Metriken, die traditionell für wissenschaftliche Berechnungen mit doppelter Genauigkeit wichtig sind.
Beschleunigung der Verarbeitung spärlicher Daten
Eine der angekündigten Schlüsselfunktionen der GPU ist die Technologie zur Beschleunigung der Verarbeitung spärlicher Daten (sparse data acceleration). Laut Hersteller sorgt sie für eine effizientere Datenübertragung an die Rechenkerne, damit diese weniger Zeit im Leerlauf verbringen, während sie auf Informationen warten. Für wissenschaftliche Aufgaben, die mit der Verarbeitung großer Datenmengen und wiederholten identischen Berechnungen verbunden sind, wirkt sich dies direkt auf die Gesamtleistung des Systems aus, indem „Engpässe“ bei der Datenzuführung zu den Kernen reduziert werden.
Konnektivität und Software-Ökosystem: NVLink 7 und CUDA-X
Für den Datenaustausch zwischen Grafikprozessoren ist die Unterstützung der siebten NVLink-Generation vorgesehen — einer Hochgeschwindigkeits-Interconnect-Technologie (Punkt-zu-Punkt). Dies ist wichtig für den Aufbau von Multiprozessor-Knoten, bei denen die Geschwindigkeit der Inter-Core- und Inter-Card-Kommunikation die Skalierbarkeit der Berechnungen bestimmt. Darüber hinaus wird Rubin HPC mit den Nvidia CUDA-X-Bibliotheken arbeiten, die optimierte Algorithmen für wissenschaftliche Berechnungen und Analytik enthalten. Insbesondere werden KI-Agenten diese nutzen können, um Simulationen durchzuführen und verschiedene Hypothesen zu überprüfen, was den neuen Beschleuniger mit dem wachsenden Bereich autonomer Berechnungs-Agenten verknüpft.
Was noch unbekannt ist und wann die Veröffentlichung erfolgt
Trotz der großen Ankündigung hat Nvidia eine Reihe praktischer Eigenschaften nicht offengelegt: die genaue Anzahl der CUDA-Kerne, Kapazität und Durchsatz des Videospeichers, Stromverbrauch, Leistung in FP32 und FP64 sowie die Kosten des Beschleunigers und die darauf basierenden Systemkonfigurationen. Auch die Namen der Produktionspartner für Rubin HPC wurden bisher nicht bekannt gegeben. Es wird erwartet, dass der Grafikprozessor im Jahr 2028 verfügbar sein wird, was der Industrie Zeit lässt, die Plattform weiterzuentwickeln und das technische Profil des Produkts zu vervollständigen.