NVIDIA Vera Rubin: Neue Supercomputer-Plattform für Wissenschaft und KI vorgestellt

Auf der ISC High Performance 2026 in Hamburg hat NVIDIA die neue Vera Rubin Accelerated-Computing-Plattform vorgestellt. Sie ist speziell für wissenschaftliche Supercomputing-Anwendungen konzipiert und kombiniert NVIDIA Rubin GPUs mit Vera CPUs über NVLink-C2C in einem durchgängig optimierten System, das sowohl klassische Simulationen als auch KI-Workloads verarbeiten kann .

Ein einzelnes Rack des Vera Rubin-Systems erreicht über 7 Exaflops KI-Performance sowie 5 Petaflops native double-precision (FP64) Rechenleistung, wobei bis zu 144 GPUs zum Einsatz kommen – ein Leistungsniveau vergleichbar mit Systemen der TOP500-Liste . Die Vera CPU selbst verfügt über 88 Kerne und bietet eine doppelte Leistung pro Watt im Vergleich zu vorherigen NVIDIA CPU-Generationen .

Wichtige Leistungsdaten auf einen Blick

• Native FP64 double-precision Rechenleistung für traditionelle HPC-Simulationen, bereitgestellt durch die Rubin GPU-Architektur .
• NVL4 Konfiguration: Supertmicros DCBBS Blueprint auf Basis von Vera Rubin NVL4 unterstützt bis zu 1.152 Rubin GPUs und 576 Vera CPUs in einer einzigen skalierbaren Einheit .
• 3,2 MW skalierbare Einheit mit DLC-2 Direkt-Flüssigkeitskühlung, die 362 kW pro Rack ermöglicht .
• Die Rubin-Plattform (erstmals auf der CES 2026 vorgestellt) senkt die Inferenzkosten um das bis zu 10-Fache und reduziert die GPU-Anzahl für das Training von Mixture-of-Experts-Modellen um das Vierfache im Vergleich zur Blackwell-Plattform .
• Vollständig integriert mit NVIDIA CUDA-X Bibliotheken, NVIDIA NIM Mikroservices, NVIDIA AI Enterprise Software und NVIDIA Quantum InfiniBand Netzwerk .

Forschungseinrichtungen, die auf Vera Rubin setzen

Insgesamt sind 35 neue NVIDIA AI HPC Supercomputer in 23 europäischen Ländern in der Entwicklung oder Planung – sie werden mehr als 3 Millionen Forscher mit modernster Infrastruktur versorgen . Zu den namentlich genannten Einrichtungen gehören:

• Barcelona Supercomputing Center – EuroHPC KI-Fabrik
• BavariaAI – Blue Swan System
• IT4Innovations (IT4I) – Tschechische Republik
• HLRS (Höchstleistungsrechenzentrum Stuttgart) – HammerHAI System
• NAISS – Mimer EuroHPC KI-Fabrik, Schweden
• CINECA (Italien)
• Fraunhofer FOKUS (Deutschland)
• Jülich Supercomputing Centre (Forschungszentrum Jülich)

Diese Systeme decken ein breites Spektrum ab: von KI-Fabriken über Klima- und Energieforschung bis hin zu hybridem Quantum-GPU-Computing .

Industriepartnerschaften und Fertigung

• Supermicro: Lieferte das erste durchgängige DCBBS Blueprint für HPC auf Basis der NVIDIA Vera Rubin NVL4 Plattform inklusive flüssigkeitsgekühlter Racks und vollständiger Integration .
• Corning: Mehrjährige Partnerschaft zum Ausbau der US-amerikanischen Fertigung von optischen Konnektivitätslösungen für KI-Infrastruktur, inklusive drei neuer Werke in North Carolina und Texas .
• Führende Industriesoftware-Unternehmen (Cadence, Dassault Systèmes, PTC, Siemens, Synopsys): Bringen CUDA-X, Omniverse und GPU-beschleunigte Werkzeuge in Fertigungs- und Ingenieursworkflows .
• Siemens: Ausgebaute Partnerschaft für ein KI-beschleunigtes industrielles Betriebssystem, das Design, Engineering, Fertigung und Lieferketten umfasst .

KI-Integration in traditionelle wissenschaftliche Simulation

Vera Rubin ist als konvergierte HPC- und KI-Plattform konzipiert – sie kann sowohl klassische physikbasierte Simulationen (FP64) als auch KI-Workloads auf derselben Infrastruktur ausführen .

• PhysicsNeMo: NVIDIAs KI-Physik-Framework für CFD, thermische Analysen, Klima- und Wettervorhersagen wird auf Vera Rubin unterstützt. Es verwendet maschinelle Lernmodelle, um Multiskalen-Modelle zu beschleunigen und traditionelle Löser generieren Trainingsdaten für die KI .
• Klimamodellierung: Vera Rubin beschleunigt Klimasimulationen durch die Kombination von nativen FP64-Lösern mit KI-gesteuerter Emulation und Datenassimilation .
• Computational Fluid Dynamics (CFD): Die Plattform ermöglicht KI-beschleunigte CFD, bei der neuronale Surrogate die iterativen Löser beschleunigen, während die Genauigkeit für die Validierung durch doppelte Genauigkeit erhalten bleibt .
• Energieexploration: Seismische Bildgebung, Reservoirsimulation und Modellierung erneuerbarer Energien profitieren, weil KI Kandidatenszenarien vorschlägt und traditionelle FP64-Löser diese validieren .

NVIDIA beschreibt diese Konvergenz als Wissenschaft, die "an der Schnittstelle von physikbasierter Simulation und KI lebt – wo maschinelle Lernmodelle Multiskalen-Modelle beschleunigen, generative KI Kandidatenmoleküle oder -materialien für die hochgenaue Validierung vorschlägt und traditionelle Löser die Trainingsdaten generieren, die KI überhaupt erst möglich machen" .