NVIDIA Rubin HPC: Neue GPU soll mehr als 50.000 CUDA-Cores bieten
Veröffentlicht am: 18.11.2026 um 05:53 Uhr | Redaktion boerse-global.deAuf der Supercomputing-Konferenz SC26 in Chicago hat NVIDIA die Rubin HPC GPU angekündigt. Der neue Grafikprozessor soll über mehr als 50.000 CUDA-Cores auf einem einzigen chip verfügen, was das Unternehmen als neuen Rekord ausweist.
Die Architektur bietet zudem eine Beschleunigung für dünnbesetzte Daten (Sparse-Data-Acceleration) sowie die siebte Generation der NVLink-Verbindungstechnik. NVIDIA plant die Marktverfügbarkeit für das Jahr 2028. Angaben zu Speicherausstattung, FP64-Durchsatz, Leistungsaufnahme und Preisen wurden bislang nicht veröffentlicht.
Ausrichtung auf wissenschaftliche Agenten-Workloads
Zum Vergleich verweisen Branchenberichte auf die bisherige Flaggschiff-Rubin-GPU, die mehr als 28.000 CUDA-Cores sowie 898 Tensor-Cores umfasst und eine NVLink-Bandbreite von 3,6 Tbit/s pro GPU erreicht.
Ian Buck, Vice President für Hyperscale und HPC bei NVIDIA, erklärte, dass eine schnellere Simulation für Agenten in Wissenschaft und Technik unmittelbar zu schnelleren Entdeckungen führe. Entsprechend ist die Rubin HPC GPU gezielt auf agentenbasierte Arbeitslasten in Kombination mit den unternehmenseigenen CUDA-X-Bibliotheken ausgelegt.
Ergänzend dazu stellte NVIDIA das Software-Paket Nemotron for Science vor. Dieses umfasst das Modell Nemotron 3.5 Super VL mit 124 Milliarden Parametern, von denen rund 10 Prozent aktiv sind, sowie den quelloffenen Chemie-Datensatz LitmusBench v0.2 mit rund 50.000 Fragestellungen auf Hugging Face.
Vera-Prozessoren und Server-Plattformen
Parallel zur GPU-Entwicklung rückte NVIDIA die Vera CPU in den Fokus. Die dazugehörige Rack-Scale-Plattform fasst 192 Vera-Prozessoren, die über Quantum-X800 InfiniBand vernetzt sind, und bietet eine aggregierte Spitzen-Speicherbandbreite von über 200 TB/s, rund 300 TB Arbeitsspeicher sowie 1 PB Storage. Das System nutzt ein voll flüssigkeitsgekühltes MGX-Design mit acht Prozessoren pro 1U-Einschub.
Die rasante Entwicklung leistungsstarker KI-Hardware geht mit neuen regulatorischen Anforderungen einher, die Unternehmen beim Einsatz dieser Technologien kennen müssen. Dieser kostenlose Download verschafft Ihnen den Überblick über Fristen, Pflichten und Risikoklassen, den Ihre Rechts- und IT-Abteilung jetzt braucht. EU AI Act in 5 Schritten verstehen
Jede einzelne Vera CPU besitzt 88 Olympus-Kerne, 176 Threads und SOCAMM2 LPDDR5X mit bis zu 1,2 TB/s Speicherbandbreite. Laut Hannah Coutand aus dem CPU-Marketing von NVIDIA handelt es sich bei Vera um keine Mehrzweck-CPU für allgemeine Aufgaben.
In unternehmenseigenen Benchmarks gegen ein x86-System mit zwei AMD EPYC 9755 erzielte die Vera CPU bei der OpenFOAM-Simulation motorBike Large die 1,9-fache Leistung und eine 2,4-fach bessere Effizienz pro Watt; unabhängige Tests stehen jedoch noch aus. Racks mit Vera-CPUs werden von Herstellern wie Dell, HPE, Lenovo und Supermicro ab Anfang 2027 erwartet.
Supermicro präsentierte auf der SC26 bereits entsprechende luft- und flüssigkeitsgekühlte Serverkonfigurationen. Zudem gab das Deutsche Klimarechenzentrum (DKRZ) bekannt, Vera-CPUs für das von Bull gebaute System HLRE-5 ausgewählt zu haben, dessen Inbetriebnahme für Anfang 2028 geplant ist.
Während neue Hardware-Generationen die Rechenleistung massiv steigern, stellt die EU-KI-Verordnung gleichzeitig neue Regeln für die Dokumentation und Qualitätssicherung von KI-Systemen auf. Erfahren Sie im kostenlosen Umsetzungsleitfaden zum EU AI Act, welche Anforderungen und Übergangsfristen für Ihr Unternehmen konkret gelten. Kostenlosen Leitfaden zur KI-Verordnung sichern
Neue Entwicklerwerkzeuge und Forschungskooperationen
NVIDIA feierte zugleich das zwanzigjährige Bestehen von CUDA, das inzwischen von über 11 Millionen Entwicklern genutzt wird. Mit dem HPC SDK 26.11 wurden Compiler für die Vera-Architektur bereitgestellt, darunter ein neuer Fortran-Compiler in der öffentlichen Beta-Phase.
Zudem wurden zahlreiche CUDA-X-Bibliotheken aktualisiert, darunter cuPotential, Daviator und cuPhoton, das bei Korrelationen im Bereich des Event Horizon Telescope Rechenzeiten drastisch verkürzen konnte.
Im Bereich des Quantencomputings kündigte NVIDIA eine Kooperation mit IBM und dem Fermilab auf Basis einer gemeinsamen Co-Design-Plattform an. Über den TCBP-JOBS-Decoder in CUDA-Q konnte die Rechenzeit für die quantenmechanische Fehlerkorrektur laut Unternehmensangaben von zwölf Wochen auf 45 Minuten reduziert werden.
Für die lokale Entwicklung bietet NVIDIA künftig das DGX Spark HPC Developer Kit an, das als Vier-Knoten-Cluster über ConnectX-7 betrieben wird und NVFP4-Modelle mit bis zu 700 Milliarden Parametern lokal verarbeiten kann.
