Menurut laporan TrendForce dan penganalisis industri, Nvidia sedang menilai versi Rubin Ultra dengan kapasiti memori lebih rendah. Syarikat itu juga dilaporkan telah mengurangkan kapasiti memori sistem bagi Vera Rubin NVL72. Nvidia bagaimanapun menolak gambaran bahawa langkah tersebut ialah “downgrade”, sebaliknya menyifatkannya sebagai perancangan produk untuk segmen pelanggan dan keperluan beban kerja yang berbeza.
Mulai suku ketiga 2026, Nvidia dilaporkan memperluas penilaian konfigurasi HBM untuk Rubin Ultra. Rancangan asal menggunakan 12-Hi HBM4e, iaitu susunan memori bertindan dengan 12 lapisan. Kini, empat pilihan sedang dinilai serentak :
Spesifikasi akhir masih belum ditetapkan . Perubahan ini dikaitkan dengan jangkaan kekurangan DRAM di seluruh industri pada 2027, yang boleh mengehadkan kapasiti wafer untuk pengeluaran HBM. Terdapat juga ketidakpastian mengenai tempoh kelayakan HBM4e oleh tiga pengeluar memori utama .
Secara ringkas, susunan 8-Hi boleh menawarkan bekalan yang lebih mudah diperoleh berbanding 12-Hi, tetapi berpotensi mengurangkan kapasiti memori bagi setiap cip. Pemilihan HBM4 berbanding HBM4e pula boleh mencerminkan pertimbangan tentang ketersediaan dan jadual pengeluaran, bukan keupayaan logik GPU semata-mata.
Bagi platform Vera Rubin, perubahan yang dilaporkan lebih khusus. Nvidia dikatakan mahu mengurangkan kapasiti modul SOCAMM—memori sistem modular yang digunakan bersama CPU Vera—daripada 192 GB kepada 96 GB bagi setiap modul .
Berdasarkan analisis yang dipetik TrendForce dan GF Securities, jumlah memori CPU Vera bagi setiap rak mungkin turun daripada kira-kira 55 TB kepada 28 TB. Kapasiti HBM4 GPU pula dikatakan kekal pada 20.7 TB bagi setiap rak .
Langkah itu bertujuan mengurangkan kos dan meredakan tekanan bekalan. Kos memori, termasuk HBM dan SOCAMM, dianggarkan sudah mencecah kira-kira 29% daripada jumlah bil bahan (BOM) sistem Vera Rubin . Ini menjadikan memori bukan lagi komponen sokongan biasa, tetapi antara pemacu kos terbesar dalam keseluruhan sistem.
Tidak semua laporan mentafsir perubahan ini sebagai pemotongan spesifikasi utama. Ada sumber yang berpendapat Nvidia sebenarnya sedang menguji beberapa SKU khusus pelanggan—dengan tahap memori berbeza untuk keperluan dan beban kerja tertentu—bukannya mengubah satu spesifikasi unggulan untuk semua pelanggan .
Pendekatan itu membolehkan Nvidia menawarkan sistem dengan tahap prestasi dan harga yang berbeza. Ia juga memberi syarikat lebih banyak ruang untuk terus menghantar produk jika konfigurasi HBM4e paling tinggi menghadapi kekangan bekalan.
Dalam catatan blog pada 7 Ogos 2026, Nvidia menolak dakwaan bahawa Vera atau Rubin dikurangkan kerana kekurangan HBM. Syarikat itu berkata konfigurasi berkenaan ialah SKU berbeza dan penalaan khusus pelanggan, bukannya penurunan spesifikasi yang dipaksa oleh masalah bekalan .
Nvidia turut menyatakan bahawa ia sentiasa melaraskan pengkomputeran, rangkaian dan memori bagi mencapai gabungan prestasi serta kecekapan terbaik untuk pelanggan .
Ketua Pegawai Eksekutif Nvidia, Jensen Huang, sebelum ini mengesahkan pada Jun 2026 bahawa Samsung, SK Hynix dan Micron telah diperakui untuk membekalkan HBM4. Beliau juga berkata Vera Rubin sudah berada dalam pengeluaran penuh, manakala Rubin, Rubin Ultra dan pelayan Kyber berada di landasan yang betul .
Pada Julai 2026, Huang menolak laporan mengenai kelewatan dan berkata pengeluaran Vera Rubin sedang berjalan dalam jumlah yang “besar” .
Justeru, wujud perbezaan jelas antara tafsiran penganalisis dan kenyataan rasmi Nvidia: TrendForce melihat peluasan penilaian HBM sebagai pelan sandaran yang didorong bekalan, manakala Nvidia menggambarkannya sebagai perancangan SKU biasa untuk keperluan pelanggan yang berbeza.
Bekalan HBM4 dilaporkan telah habis ditempah bagi sepanjang 2026, sementara kekurangan DRAM dijangka berlanjutan hingga 2027 . Keadaan ini meningkatkan tekanan harga dan bekalan terhadap platform Nvidia yang akan datang, termasuk Vera Rubin dan Rubin Ultra.
Apabila HBM dan SOCAMM membentuk kira-kira 29% daripada BOM Vera Rubin NVL72, sebarang perubahan pada kapasiti memori boleh memberi kesan besar kepada kos keseluruhan sistem . Nvidia perlu mengimbangi tiga perkara: prestasi, jumlah unit yang boleh dihantar dan kos setiap sistem.
Untuk mendapatkan bekalan yang mencukupi, Nvidia dan SK Group mengumumkan inisiatif strategik bernilai lebih daripada AS$500 bilion, termasuk kerjasama bekalan HBM jangka panjang dengan SK Hynix untuk HBM4 generasi Vera Rubin . Beberapa hari kemudian, Samsung Electronics dan Broadcom mengumumkan kerjasama berasingan bernilai AS$200 bilion .
Secara keseluruhan, perjanjian yang dilaporkan bernilai kira-kira AS$700 bilion itu menunjukkan betapa pentingnya mendapatkan memori pada harga yang munasabah kepada seluruh ekosistem cip AI.
Daripada bergantung sepenuhnya pada satu konfigurasi HBM4e unggulan, Nvidia nampaknya sedang menyediakan rangkaian SKU yang lebih luas—dengan perbezaan pada ketinggian susunan HBM dan kapasiti memori .
Jika komponen 12-Hi HBM4e mengambil masa lebih lama untuk diluluskan atau sukar diperoleh, Nvidia masih boleh menghantar Rubin Ultra menggunakan konfigurasi 8-Hi HBM4e atau HBM4. Prestasi bagi sesetengah varian mungkin lebih rendah, tetapi strategi ini boleh membantu syarikat mengekalkan penghantaran kepada pelanggan.
Laporan yang ada menunjukkan tekanan bekalan dan kos memang mempengaruhi keputusan reka bentuk Nvidia. Rubin Ultra sedang dinilai dengan beberapa pilihan HBM yang lebih rendah, manakala kapasiti SOCAMM Vera Rubin NVL72 dilaporkan dikurangkan daripada 192 GB kepada 96 GB bagi setiap modul.
Nvidia menafikan bahawa langkah itu ialah penurunan spesifikasi yang dipaksa kekurangan HBM, dan menyifatkannya sebagai penalaan khusus pelanggan. Namun, bekalan HBM4 yang terhad, kos memori yang semakin besar dalam BOM sistem serta perjanjian bekalan bernilai ratusan bilion dolar menunjukkan bahawa memori kini menjadi faktor strategik utama dalam hala tuju perkakasan AI Nvidia.
Spesifikasi akhir Rubin Ultra masih belum diumumkan. Tetapi satu perkara semakin jelas: generasi AI seterusnya tidak akan ditentukan oleh kuasa GPU sahaja, sebaliknya juga oleh jumlah memori yang boleh diperoleh dan kos untuk membekalkannya.