NVIDIA Vera Rubin: Nová éra superpočítačů pro vědu i umělou inteligenci

Na konferenci ISC High Performance 2026 v německém Hamburku představilo NVIDIA platformu Vera Rubin – akcelerovaný výpočetní systém postavený speciálně pro vědecké superpočítače. Kombinuje grafické čipy NVIDIA Rubin a procesory Vera CPU propojené technologií NVLink-C2C a je navržen jako univerzální řešení pro tradiční simulace i moderní úlohy umělé inteligence .

Jediný rack systému Vera Rubin dokáže poskytnout přes 7 exaflopsů AI výkonu a 5 petaflopsů nativního výkonu v dvojité přesnosti (FP64) s využitím až 144 GPU – tedy výkon srovnatelný s nejvýkonnějšími systémy žebříčku TOP500 . Procesor Vera má 88 jader a 2× vyšší výkon na watt oproti předchozí generaci procesorů NVIDIA .

Klíčové výkonnostní parametry

• Nativní výkon FP64 (dvojitá přesnost) pro tradiční HPC simulace díky architektuře GPU Rubin .
• Konfigurace NVL4: Blueprint DCBBS od společnosti Supermicro postavený na Vera Rubin NVL4 podporuje až 1 152 GPU NVIDIA Rubin a 576 CPU NVIDIA Vera v jedné škálovatelné jednotce .
• Škálovatelná jednotka o výkonu 3,2 MW s přímým kapalinovým chlazením DLC-2, které zvládá 362 kW na rack .
• Platforma Rubin (prvně oznámená na CES 2026) přináší až 10× snížení nákladů na inferenci tokenů a 4× snížení počtu GPU potřebných pro trénování modelů typu mixture-of-experts oproti platformě Blackwell .
• Integrace s knihovnami NVIDIA CUDA-X, mikroslužbami NVIDIA NIM, softwarem NVIDIA AI Enterprise a sítí NVIDIA Quantum InfiniBand .

Výzkumné instituce, které nasazují systémy Vera Rubin

Celkem 35 nových superpočítačů NVIDIA AI HPC je ve vývoji ve 23 evropských zemích a poskytne výpočetní kapacitu více než 3 milionům výzkumníků . Mezi jmenované instituce patří:

• Barcelona Supercomputing Center – EuroHPC AI Factory
• BavariaAI – systém Blue Swan
• IT4Innovations (IT4I) – Česká republika
• HLRS (High-Performance Computing Center Stuttgart) – systém HammerHAI
• NAISS – Mimer EuroHPC AI Factory, Švédsko
• CINECA (Itálie)
• Fraunhofer FOKUS (Německo)
• Jülich Supercomputing Centre (Forschungszentrum Jülich)

Tyto systémy pokrývají AI továrny, výzkum klimatu a energetiky i hybridní kvantově-GPU výpočty .

Průmyslová partnerství a výroba

• Supermicro: Dodala první ucelený DCBBS Blueprint pro HPC postavený na platformě NVIDIA Vera Rubin NVL4 včetně kapalinou chlazených racků a kompletní integrace .
• Corning: Víceleté partnerství na rozšíření výroby pokročilých optických konektorových řešení pro AI infrastrukturu v USA, včetně tří nových závodů v Severní Karolíně a Texasu .
• Lídři průmyslového softwaru (Cadence, Dassault Systèmes, PTC, Siemens, Synopsys): Přinášejí nástroje CUDA-X, Omniverse a GPU-akcelerované nástroje do výrobních a konstrukčních procesů .
• Siemens: Rozšířené partnerství pro vybudování AI-akcelerovaného průmyslového operačního systému pokrývajícího návrh, konstrukci, výrobu i dodavatelské řetězce .

Propojení AI s tradiční vědeckou simulací

Vera Rubin je navržen jako konvergovaná platforma pro HPC i AI – na stejné infrastruktuře běží tradiční fyzikální simulace (FP64) i úlohy umělé inteligence .

• PhysicsNeMo: Framework NVIDIA pro AI-fyziku používaný pro CFD, tepelnou analýzu, modelování klimatu a počasí je na Vera Rubin plně podporován. Využívá strojové učení jako náhradní modely (surrogates) k urychlení víceškálových modelů, přičemž tradiční solver generuje trénovací data pro AI .
• Modelování klimatu: Vera Rubin urychluje simulace klimatu kombinací nativních FP64 solverů s AI-driven emulací a asimilací dat .
• Výpočetní dynamika tekutin (CFD): Platforma umožňuje AI-akcelerovanou CFD, kde neuronové náhradní modely zrychlují iterační cykly solverů při zachování dvojité přesnosti pro validaci .
• Průzkum energetických zdrojů: Seismické zobrazování, simulace ložisek a modelování obnovitelných zdrojů těží z hybridního přístupu – AI navrhuje kandidátní scénáře, tradiční FP64 solver je validuje .

NVIDIA popisuje toto propojení jako vědu žijící „na průsečíku fyzikálních simulací a umělé inteligence – kde strojové učení urychluje víceškálové modely, generativní AI navrhuje kandidátní molekuly či materiály k podrobné validaci a tradiční solver vytváří trénovací data, která AI umožňují“ .