उत्तरप्रकाशित4 घंटे पहलेLast edited 3 घंटे पहले21 स्रोत

Nvidia Vera Rubin NVL72: 30 गुना अधिक AI काम प्रति मेगावाट, नया Vera CPU और SpaceXAI साझेदारी

Vera Rubin NVL72 एक लिक्विड कूल्ड रैक स्तरीय AI फैक्टरी है, जिसमें 72 Rubin GPU, 36 Vera CPU, ConnectX 9 SuperNIC और BlueField 4 DPU शामिल हैं। [3][6] Nvidia का दावा है कि AgentX परीक्षण में Vera Rubin ने GB300 NVL72 की तुलना में प्रति मेगावाट एजेंटिक AI थ्रूपुट 30 गुना तक बढ़ाया और टोकन लागत 35 गुना तक घटाई। [8][9]...

Studio Global AI के साथ खोजें और तथ्यों की जांच करें और ट्रेंडिंग पेज देखें

शोध उत्तर

मुख्य निष्कर्ष

Vera Rubin NVL72 एक लिक्विड कूल्ड रैक स्तरीय AI फैक्टरी है, जिसमें 72 Rubin GPU, 36 Vera CPU, ConnectX 9 SuperNIC और BlueField 4 DPU शामिल हैं। [3][6]
Nvidia का दावा है कि AgentX परीक्षण में Vera Rubin ने GB300 NVL72 की तुलना में प्रति मेगावाट एजेंटिक AI थ्रूपुट 30 गुना तक बढ़ाया और टोकन लागत 35 गुना तक घटाई। [8][9]
नए Vera CPU में 88 Olympus कोर, 176 Spatial Multithreading थ्रेड और 1.2 TB/s तक LPDDR5X मेमोरी बैंडविड्थ है। [2][7]
NVLink 6 रैक के भीतर ‘scale in’ या scale up कनेक्टिविटी देता है, जबकि Quantum X800 InfiniBand और Spectrum X Ethernet अलग अलग रैक को जोड़ते हैं। [3][49]

What did Nvidia announce about its next generation Vera Rubin NVL72 platform, Vera CPU, Scale In networking, and partnerships, including theAI-generated editorial hero image for What did Nvidia announce about its next generation Vera Rubin NVL72 platform, Vera CPU, Scale In networking, and partnerships, including the.
AI संकेत
Create a landscape editorial hero image for this Studio Global article: What did Nvidia announce about its next generation Vera Rubin NVL72 platform, Vera CPU, Scale In networking, and partnerships, including the. Article summary: Nvidia’s announcement positions Vera Rubin as a rack scale, full stack “AI factory,” not merely a faster GPU generation: it combines custom GPUs, CPUs, scale up and scale out networking, DPUs, and power management softwa. Topic tags: general web, llm, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with
openai.com

Nvidia का Vera Rubin ऐलान केवल तेज GPU की नई पीढ़ी पेश करने तक सीमित नहीं है। कंपनी इसे एक रैक-स्तरीय, फुल-स्टैक ‘AI फैक्टरी’ के रूप में देख रही है—जहाँ GPU, कस्टम CPU, हाई-स्पीड नेटवर्किंग, DPU, स्टोरेज और पावर-मैनेजमेंट सॉफ्टवेयर मिलकर एजेंटिक-AI सेवाएँ चलाते हैं। लक्ष्य है: सीमित बिजली और कूलिंग क्षमता में अधिक उपयोगी AI काम करना और हर जेनरेट किए गए टोकन की लागत घटाना।

हालाँकि, सबसे बड़े प्रदर्शन आंकड़े Nvidia के अपने, कंपनी-समर्थित परीक्षणों से आए हैं। इन्हें स्वतंत्र, peer-reviewed सत्यापन के बराबर नहीं माना जाना चाहिए। 8

Vera Rubin NVL72 में क्या है?

Vera Rubin NVL72 एक लिक्विड-कूल्ड रैक सिस्टम है, जिसमें शामिल हैं:

72 Rubin GPU
36 Vera CPU
ConnectX-9 SuperNIC
BlueField-4 DPU
छठी पीढ़ी का NVLink स्विचिंग सिस्टम

यह कॉन्फिगरेशन 72 GPU को एक tightly coupled scale-up डोमेन की तरह काम करने के लिए तैयार किया गया है। बड़े क्लस्टर बनाने के लिए रैक Quantum-X800 InfiniBand या Spectrum-X Ethernet के जरिए बाहर की नेटवर्किंग से जुड़ सकते हैं। 3 6

Agentic AI में 30 गुना दक्षता का दावा

Nvidia के अनुसार, Vera Rubin NVL72 ने GB300 NVL72 की तुलना में एजेंटिक वर्कलोड पर प्रति मेगावाट थ्रूपुट 30 गुना तक अधिक दिया। कंपनी ने इसी तुलना में टोकन लागत 35 गुना तक कम होने का दावा भी किया है। 8 9

Nvidia ने Rubin प्लेटफॉर्म के लिए Blackwell की तुलना में inference-token लागत में 10 गुना तक कमी का व्यापक दावा पहले भी किया है। 11

इन आंकड़ों का अर्थ यह नहीं है कि हर AI सेवा की लागत स्वतः 30 या 35 गुना घट जाएगी। परिणाम मॉडल, संदर्भ की लंबाई, उपयोगकर्ताओं की संख्या, इंटरैक्शन की गति, सॉफ्टवेयर कॉन्फिगरेशन और डेटा सेंटर की पावर सीमा पर निर्भर करेंगे।

SemiAnalysis AgentX और DeepSeek V4 Pro परीक्षण

Nvidia ने प्रदर्शन मापने के लिए SemiAnalysis का AgentX वर्कलोड इस्तेमाल किया। यह बेंचमार्क वास्तविक उत्पादन-जैसे agentic coding सत्रों की रिकॉर्डिंग को दोहराता है, जिसमें संदर्भ का बढ़ना, टूल कॉल, कोड निष्पादन और सब-एजेंट बनना शामिल रहता है। परीक्षण में DeepSeek V4 Pro मॉडल का उपयोग किया गया। 8 9

यह तुलना केवल GPU FLOPS पर आधारित नहीं है। एजेंटिक AI में मॉडल बार-बार सोचता है, टूल इस्तेमाल करता है, कोड चलाता है, डेटा खोजता है और फिर नया उत्तर तैयार करता है। इसलिए CPU क्षमता, मेमोरी बैंडविड्थ, GPU के बीच संचार और नेटवर्किंग की देरी भी कुल प्रदर्शन में महत्वपूर्ण भूमिका निभाती है।

उपलब्ध सामग्री GB300 की तुलना को समर्थन देती है, लेकिन Hopper के लिए कोई प्राथमिक स्रोत वाला, सीधे तुलनीय आंकड़ा उपलब्ध नहीं है। इसी तरह, प्रति 10 लाख टोकन की सटीक डॉलर लागत भी प्रकाशित नहीं की गई है। इसलिए Hopper के मुकाबले कोई निश्चित multiplier या डॉलर-प्रति-मिलियन-टोकन कीमत बताना अभी उचित नहीं होगा।

एजेंटिक वर्कलोड सामान्य one-shot चैट की तुलना में काफी अधिक टोकन इस्तेमाल कर सकते हैं, क्योंकि इनमें क्रमिक reasoning और tool use शामिल होता है। Nvidia की रिपोर्टों में ऐसे वर्कलोड के लिए टोकन खपत को साधारण चैट से 15 गुना अधिक बताया गया है, लेकिन यह भी वर्कलोड-विशिष्ट आंकड़ा है।

DSX MaxLPS: अधिकतम बिजली नहीं, अधिक उपयोगी काम

Nvidia का DSX प्लेटफॉर्म चिप, सिस्टम, सॉफ्टवेयर, डेटा सेंटर सुविधा और साझेदार तकनीकों को एक end-to-end AI फैक्टरी डिजाइन में जोड़ता है। इसका DSX MaxLPS सॉफ्टवेयर प्रति मेगावाट अधिक टोकन थ्रूपुट हासिल करने पर केंद्रित है—यानी मशीन को हर समय अधिकतम तात्कालिक बिजली पर चलाना ही इसका लक्ष्य नहीं है। 12 15

व्यावहारिक रूप से इसका मतलब है कि AI फैक्टरी में उपलब्ध बिजली को उन हिस्सों में बेहतर ढंग से बाँटा जा सके, जहाँ उससे अधिक उपयोगी आउटपुट मिल रहा हो। यह उन डेटा सेंटरों के लिए महत्वपूर्ण हो सकता है जहाँ accelerator की उपलब्धता से ज्यादा बिजली आपूर्ति, कूलिंग और ग्रिड क्षमता तैनाती की सीमा बनती है।

Vera CPU में 88 Olympus कोर

Nvidia ने Vera को एजेंटिक-AI युग के लिए बनाया गया अपना कस्टम, Armv9.2-compatible CPU बताया है। इसमें 88 Olympus CPU कोर और 176 Spatial Multithreading थ्रेड हैं। इसका काम केवल सामान्य सर्वर प्रोसेसिंग नहीं, बल्कि inference के आसपास चलने वाले उच्च-समानांतर कार्यों को संभालना है—जैसे डेटा प्रोसेसिंग, orchestration, retrieval, tool execution, sandboxed code और simulation। 2 10

Vera की प्रमुख मेमोरी और इंटरकनेक्ट विशेषताएँ हैं:

SOCAMM2 LPDDR5X मेमोरी
1.2 TB/s तक कुल मेमोरी बैंडविड्थ
प्रति कोर 14 GB/s तक बैंडविड्थ
164 MB unified L3 cache
दूसरी पीढ़ी का Scalable Coherency Fabric
कोर, कैश और मेमोरी सबसिस्टम के बीच 3.4 TB/s तक bisection bandwidth 7 8

Grace की तुलना में Nvidia Vera में 2.4 गुना मेमोरी बैंडविड्थ, 3 गुना मेमोरी क्षमता और coherent CPU-GPU संचालन के लिए दोगुनी NVLink-C2C बैंडविड्थ का दावा करती है। 1

‘Scale-in’ नेटवर्किंग की भूमिका

Nvidia की नेटवर्किंग रणनीति को तीन परतों में समझा जा सकता है:

Scale-in या scale-up: NVLink 6 एक ही रैक के भीतर 72 GPU को एक साझा, tightly coupled कंप्यूटिंग सिस्टम की तरह जोड़ता है। Nvidia के अनुसार, प्रत्येक GPU को 3.6 TB/s bidirectional GPU-to-GPU बैंडविड्थ और पूरे रैक को 260 TB/s रैक-स्तरीय GPU बैंडविड्थ मिलती है। 3
Scale-out: Quantum-X800 InfiniBand और Spectrum-X Ethernet अलग-अलग रैक को बड़े क्लस्टर में जोड़ते हैं। 3
डेटा और इंफ्रास्ट्रक्चर offload: ConnectX-9 और BlueField-4 नेटवर्किंग, स्टोरेज, सुरक्षा और data-path कार्यों को accelerator से अलग संभालते हैं। 3 6

इसलिए ‘scale-in’ का मतलब रैक के भीतर GPU को एक साथ जोड़ना है; यह scale-out का विकल्प नहीं, बल्कि उसका पूरक है। बड़े AI डेटा सेंटरों में दोनों स्तरों की आवश्यकता होती है।

SpaceXAI और Starmind साझेदारी

Nvidia के अनुसार, SpaceXAI agentic-AI वर्कलोड के लिए Vera CPU तैनात करेगा और Grok के पीछे मौजूद AI इंफ्रास्ट्रक्चर को Vera Rubin प्लेटफॉर्म पर बढ़ाएगा। यह विस्तार gigawatt-scale कंप्यूटिंग क्षमता के लक्ष्य के साथ जुड़ा है। 10

दोनों कंपनियाँ इस आर्किटेक्चर को नियोजित Starmind ऑर्बिटल-कंप्यूटिंग प्रयास तक ले जाने की योजना भी बता रही हैं। इसमें Nvidia हार्डवेयर एक space-optimized compute payload का आधार बनेगा। यह अभी नियोजित तैनाती है—इसे आज संचालित हो रहे ऑर्बिटल AI डेटा सेंटर का प्रमाण नहीं समझना चाहिए। 10 12

Nvidia की प्रतिस्पर्धी स्थिति पर असर

यदि Nvidia के workload-आधारित दावे ग्राहकों की वास्तविक तैनाती में भी कायम रहते हैं, तो इसका मुख्य लाभ केवल अधिक model performance नहीं होगा। असली लाभ हो सकता है—सीमित मेगावाट में अधिक agentic work, कम बिजली और कूलिंग लागत, बेहतर नेटवर्क उपयोग और कम capital cost per token।

साथ ही, Nvidia अपनी प्रतिस्पर्धा का दायरा GPU से आगे बढ़ा रही है। कस्टम Arm CPU, coherent CPU-GPU सिस्टम, rack-scale NVLink switching, DPU और AI-factory operating software को एक साथ नियंत्रित करने से कंपनी को प्लेटफॉर्म स्तर पर बढ़त मिल सकती है। दूसरी ओर, ग्राहकों की Nvidia के हार्डवेयर और सॉफ्टवेयर ecosystem पर निर्भरता भी बढ़ेगी।

इसलिए Vera Rubin का महत्व केवल अगली GPU पीढ़ी के रूप में नहीं, बल्कि AI डेटा सेंटर की पूरी अर्थव्यवस्था—बिजली, कूलिंग, नेटवर्किंग, CPU orchestration और टोकन लागत—को एकीकृत तरीके से अनुकूलित करने की कोशिश के रूप में है।

Studio Global AI

अपना शोध जारी रखें

इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।

Studio Global AI के साथ खोजें और तथ्यों की जांच करें

लोग पूछते भी हैं