Det oprindelige design var planlagt til 2027 og skulle samle fire compute-chiplets og 16 HBM4E-hukommelsesmoduler i én avanceret pakke . Ifølge SemiAnalysis er den nye Rubin Ultra omtrent halveret i fysisk størrelse, mens den praktiske ydelse også er halveret .

Der er dog en vigtig reservation: Nvidia har ikke selv udsendt en formel bekræftelse. Nogle markedsaktører hævdede 30. juni, at SemiAnalysis muligvis blot gentog forsyningskæderygter fra april 2026. Medier i Taiwan, blandt andre Ctee og Commercial Times, havde allerede omtalt en ændring til et design med to dies i begyndelsen af april .

Fra fire dies til to

Den almindelige Rubin-GPU er ifølge de tilgængelige brancheoplysninger bygget med to beregningsdies og otte HBM4-moduler . Den oprindelige Rubin Ultra var i praksis tænkt som to Rubin-klassechips samlet i én pakke: fire dies og 16 HBM4E-stakke .

Den reviderede model vender angiveligt tilbage til en konfiguration med to dies og otte HBM-moduler – altså samme grundopbygning som standardversionen .

Nogle taiwanske branchekilder rapporterede allerede i april, at forsyningskæden planlagde ud fra en model med to dies. Det kan tyde på, at fire-die-versionen primært var et ambitiøst mål, som aldrig blev produktionsklar .

Hvorfor TSMC fik problemer

Den centrale udfordring ser ud til at være avanceret chipindkapsling hos TSMC – den del af produktionen, hvor flere chips, forbindelser og HBM-hukommelse samles i én fysisk pakke.

• Den oprindelige fire-die-pakke blev beskrevet som cirka 7,5-8 gange større end retikelgrænsen for standardlitografi. Det øger både produktionsrisikoen og omkostningerne markant .
• TSMC’s CoWoS-L-proces havde angiveligt svært ved at håndtere den enorme sammenkobling mellem flere dies i én samlet pakke .
• I en 2+2-konfiguration skulle pakkens substrat være blevet skævt – eller “warpet” – i flere retninger. Det kunne forhindre chiplets i at få fuld kontakt med substratet og dermed føre til fejl i signaloverførslen .
• SemiAnalysis omtalte problemet som bekymringer om “manufacturing execution”: Designet var ganske enkelt for krævende for de nuværende kombinationer af 3-nanometerproduktion og CoWoS-L-indkapsling .

Et brancheestimat fra et LinkedIn-opslag anslog udbyttet på pakkeniveau til omkring 60 procent for fire-die-løsningen. Skiftet til to dies skulle kunne løfte udbyttet til cirka 85 procent og sænke prisen pr. kort med omkring 30 procent . Det er dog et brancheestimat fra en brugergenereret kilde, ikke et officielt Nvidia-tal.

TSMC ser på en større indkapslingsteknologi

TSMC undersøger angiveligt en ny metode kaldet CoPoS – Chip-on-Panel-on-Substrate. Ideen er at erstatte den cirka 300 millimeter store silicium-interposer med større, firkantede eller rektangulære paneler .

De tidlige specifikationer nævner paneler på omkring 310 × 310 millimeter med mulighed for senere skalering til 515 × 510 millimeter eller 750 × 620 millimeter . Større paneler kan give plads til flere chips og HBM-moduler, men teknologien forventes først at nå masseproduktion i slutningen af 2028 eller begyndelsen af 2029 . Det er for sent til det oprindelige Rubin Ultra-vindue i 2027.

Nvidia kan flytte skaleringen fra pakken til serverkortet

Ifølge rapporterne forsøger Nvidia ikke nødvendigvis at opgive målet om fire dies helt. I stedet kan virksomheden nå den samlede kapacitet på kort- eller systemniveau.

I stedet for at samle fire dies i én ekstremt stor pakke kan to separate pakker med hver to dies monteres sammen på det samme serverkort. Denne 2+2-tilgang skulle gøre det muligt at bevare en del af den oprindelige gennemstrømning uden at presse én enkelt CoWoS-L-pakke ud over dens praktiske grænser .

Det peger på en bredere ændring i chipdesign: Flere funktioner kan blive fordelt mellem separate pakker og derefter samlet på systemniveau, frem for at alt skal integreres i én gigantisk pakke.

Konkurrencen kommer både fra chips og software

SemiAnalysis placerede Rubin Ultra-historien i en større fortælling om, at Nvidia langsomt møder mere modstand på AI-markedet . Presset kommer især fra fire sider:

• Cloudgiganternes egne chips: Googles TPU, Amazons Trainium og Microsofts Maia-programmer vinder større udbredelse i deres egne cloudmiljøer. Det kan erstatte Nvidia-GPU’er i nogle af de største interne AI-arbejdsbelastninger .
• Specialdesignede ASIC’er vokser hurtigere end standard-GPU’er: TrendForce-tal citeret af SemiAnalysis peger på en vækst i forsendelser af specialdesignede AI-ASIC’er på 44,6 procent i 2026 mod 16,1 procent for kommercielle GPU’er . I flerårige inferensinstallationer skulle ASIC’er desuden have en fordel på 40-65 procent i samlede ejeromkostninger, også kaldet TCO .
• CUDA-fordelen er under langsom nedbrydning: Nvidia har i mange år haft en stærk softwarefordel med CUDA. Men cloududbydere udvikler egne softwarestakke, mens mere hardwareuafhængige værktøjer som Triton, ONNX Runtime og OpenXLA kan gøre det lettere at skifte væk fra CUDA .
• Specialiserede chipproducenter: Groq, Cerebras og Etched konkurrerer også på markedet for AI-inferens i datacentre med ASIC’er, der er optimeret til bestemte opgaver .

Stærke indtægter – men en svækket topmodel

Rubin Ultra-nyheden var kun den negative del af SemiAnalysis’ vurdering. Samme dag forudsagde analysefirmaet, at Nvidias datacenterindtægter fra computing i andet halvår af 2026 kunne ligge 20 procent over Wall Streets konsensusforventning, blandt andet fordi flaskehalsen for HBM4-forsyninger var blevet løst .

Det skaber en situation, som SemiAnalysis beskrev som “is og ild”: Nvidia kan have stærkt salg på kort sigt, samtidig med at den mest ambitiøse del af den langsigtede produktplan bliver nedskaleret.

De vigtigste konsekvenser er:

• En ny emballagestrategi: Annulleringen tyder på, at det fortsat er meget vanskeligt at skalere til mere end to retikelstore chiplets i én CoWoS-pakke med den nuværende TSMC-teknologi .
• Et større spillerum til AMD og cloududbydere: Hvis Rubin Ultra ender med omkring halvdelen af den oprindeligt planlagte topydelse, får AMD’s Instinct MI500-serie og cloudgiganternes egne ASIC’er en stærkere position i den øvre ende af markedet .
• En langsigtet risiko for markedsandele: SemiAnalysis vurderer, at Nvidia allerede mister terræn til blandt andre Trainium og TPU, og at redesigningen kan øge risikoen ved at udskyde virksomhedens næste store arkitektoniske spring .

Konklusion

Rubin Ultra-sagen handler derfor om mere end en enkelt chip. Den viser grænsen for, hvor langt Nvidia og TSMC kan presse multi-die-designs ind i én avanceret pakke med den nuværende teknologi.

På kort sigt er billedet ikke entydigt negativt: HBM4-forsyningen ser ud til at være mindre begrænsende, og SemiAnalysis forventer stærke datacenterindtægter. På længere sigt er spørgsmålet, om Nvidia kan flytte skaleringen fra én gigantisk chip-pakke til serverkort og komplette systemer – og samtidig holde fast i den softwarefordel, som CUDA har givet virksomheden.

Om Rubin Ultra blot bliver et dyrt fejltrin i indkapslingen, eller om sagen markerer begyndelsen på et større skifte i AI-chipmarkedet, afhænger i høj grad af, om TSMC’s næste generation af CoPoS-teknologi kan levere den multi-die-skalering, som CoWoS-L ikke kunne.

Det oprindelige design var planlagt til 2027 og skulle samle fire compute-chiplets og 16 HBM4E-hukommelsesmoduler i én avanceret pakke . Ifølge SemiAnalysis er den nye Rubin Ultra omtrent halveret i fysisk størrelse, mens den praktiske ydelse også er halveret .

Der er dog en vigtig reservation: Nvidia har ikke selv udsendt en formel bekræftelse. Nogle markedsaktører hævdede 30. juni, at SemiAnalysis muligvis blot gentog forsyningskæderygter fra april 2026. Medier i Taiwan, blandt andre Ctee og Commercial Times, havde allerede omtalt en ændring til et design med to dies i begyndelsen af april .

Fra fire dies til to

Den almindelige Rubin-GPU er ifølge de tilgængelige brancheoplysninger bygget med to beregningsdies og otte HBM4-moduler . Den oprindelige Rubin Ultra var i praksis tænkt som to Rubin-klassechips samlet i én pakke: fire dies og 16 HBM4E-stakke .

Den reviderede model vender angiveligt tilbage til en konfiguration med to dies og otte HBM-moduler – altså samme grundopbygning som standardversionen .

Nogle taiwanske branchekilder rapporterede allerede i april, at forsyningskæden planlagde ud fra en model med to dies. Det kan tyde på, at fire-die-versionen primært var et ambitiøst mål, som aldrig blev produktionsklar .

Hvorfor TSMC fik problemer

Den centrale udfordring ser ud til at være avanceret chipindkapsling hos TSMC – den del af produktionen, hvor flere chips, forbindelser og HBM-hukommelse samles i én fysisk pakke.

• Den oprindelige fire-die-pakke blev beskrevet som cirka 7,5-8 gange større end retikelgrænsen for standardlitografi. Det øger både produktionsrisikoen og omkostningerne markant .
• TSMC’s CoWoS-L-proces havde angiveligt svært ved at håndtere den enorme sammenkobling mellem flere dies i én samlet pakke .
• I en 2+2-konfiguration skulle pakkens substrat være blevet skævt – eller “warpet” – i flere retninger. Det kunne forhindre chiplets i at få fuld kontakt med substratet og dermed føre til fejl i signaloverførslen .
• SemiAnalysis omtalte problemet som bekymringer om “manufacturing execution”: Designet var ganske enkelt for krævende for de nuværende kombinationer af 3-nanometerproduktion og CoWoS-L-indkapsling .

Et brancheestimat fra et LinkedIn-opslag anslog udbyttet på pakkeniveau til omkring 60 procent for fire-die-løsningen. Skiftet til to dies skulle kunne løfte udbyttet til cirka 85 procent og sænke prisen pr. kort med omkring 30 procent . Det er dog et brancheestimat fra en brugergenereret kilde, ikke et officielt Nvidia-tal.

TSMC ser på en større indkapslingsteknologi

TSMC undersøger angiveligt en ny metode kaldet CoPoS – Chip-on-Panel-on-Substrate. Ideen er at erstatte den cirka 300 millimeter store silicium-interposer med større, firkantede eller rektangulære paneler .

De tidlige specifikationer nævner paneler på omkring 310 × 310 millimeter med mulighed for senere skalering til 515 × 510 millimeter eller 750 × 620 millimeter . Større paneler kan give plads til flere chips og HBM-moduler, men teknologien forventes først at nå masseproduktion i slutningen af 2028 eller begyndelsen af 2029 . Det er for sent til det oprindelige Rubin Ultra-vindue i 2027.

Nvidia kan flytte skaleringen fra pakken til serverkortet

Ifølge rapporterne forsøger Nvidia ikke nødvendigvis at opgive målet om fire dies helt. I stedet kan virksomheden nå den samlede kapacitet på kort- eller systemniveau.

I stedet for at samle fire dies i én ekstremt stor pakke kan to separate pakker med hver to dies monteres sammen på det samme serverkort. Denne 2+2-tilgang skulle gøre det muligt at bevare en del af den oprindelige gennemstrømning uden at presse én enkelt CoWoS-L-pakke ud over dens praktiske grænser .

Det peger på en bredere ændring i chipdesign: Flere funktioner kan blive fordelt mellem separate pakker og derefter samlet på systemniveau, frem for at alt skal integreres i én gigantisk pakke.

Konkurrencen kommer både fra chips og software

SemiAnalysis placerede Rubin Ultra-historien i en større fortælling om, at Nvidia langsomt møder mere modstand på AI-markedet . Presset kommer især fra fire sider:

• Cloudgiganternes egne chips: Googles TPU, Amazons Trainium og Microsofts Maia-programmer vinder større udbredelse i deres egne cloudmiljøer. Det kan erstatte Nvidia-GPU’er i nogle af de største interne AI-arbejdsbelastninger .
• Specialdesignede ASIC’er vokser hurtigere end standard-GPU’er: TrendForce-tal citeret af SemiAnalysis peger på en vækst i forsendelser af specialdesignede AI-ASIC’er på 44,6 procent i 2026 mod 16,1 procent for kommercielle GPU’er . I flerårige inferensinstallationer skulle ASIC’er desuden have en fordel på 40-65 procent i samlede ejeromkostninger, også kaldet TCO .
• CUDA-fordelen er under langsom nedbrydning: Nvidia har i mange år haft en stærk softwarefordel med CUDA. Men cloududbydere udvikler egne softwarestakke, mens mere hardwareuafhængige værktøjer som Triton, ONNX Runtime og OpenXLA kan gøre det lettere at skifte væk fra CUDA .
• Specialiserede chipproducenter: Groq, Cerebras og Etched konkurrerer også på markedet for AI-inferens i datacentre med ASIC’er, der er optimeret til bestemte opgaver .

Stærke indtægter – men en svækket topmodel

Rubin Ultra-nyheden var kun den negative del af SemiAnalysis’ vurdering. Samme dag forudsagde analysefirmaet, at Nvidias datacenterindtægter fra computing i andet halvår af 2026 kunne ligge 20 procent over Wall Streets konsensusforventning, blandt andet fordi flaskehalsen for HBM4-forsyninger var blevet løst .

Det skaber en situation, som SemiAnalysis beskrev som “is og ild”: Nvidia kan have stærkt salg på kort sigt, samtidig med at den mest ambitiøse del af den langsigtede produktplan bliver nedskaleret.

De vigtigste konsekvenser er:

• En ny emballagestrategi: Annulleringen tyder på, at det fortsat er meget vanskeligt at skalere til mere end to retikelstore chiplets i én CoWoS-pakke med den nuværende TSMC-teknologi .
• Et større spillerum til AMD og cloududbydere: Hvis Rubin Ultra ender med omkring halvdelen af den oprindeligt planlagte topydelse, får AMD’s Instinct MI500-serie og cloudgiganternes egne ASIC’er en stærkere position i den øvre ende af markedet .
• En langsigtet risiko for markedsandele: SemiAnalysis vurderer, at Nvidia allerede mister terræn til blandt andre Trainium og TPU, og at redesigningen kan øge risikoen ved at udskyde virksomhedens næste store arkitektoniske spring .

Konklusion

Rubin Ultra-sagen handler derfor om mere end en enkelt chip. Den viser grænsen for, hvor langt Nvidia og TSMC kan presse multi-die-designs ind i én avanceret pakke med den nuværende teknologi.

På kort sigt er billedet ikke entydigt negativt: HBM4-forsyningen ser ud til at være mindre begrænsende, og SemiAnalysis forventer stærke datacenterindtægter. På længere sigt er spørgsmålet, om Nvidia kan flytte skaleringen fra én gigantisk chip-pakke til serverkort og komplette systemer – og samtidig holde fast i den softwarefordel, som CUDA har givet virksomheden.

Om Rubin Ultra blot bliver et dyrt fejltrin i indkapslingen, eller om sagen markerer begyndelsen på et større skifte i AI-chipmarkedet, afhænger i høj grad af, om TSMC’s næste generation af CoPoS-teknologi kan levere den multi-die-skalering, som CoWoS-L ikke kunne.