Nvidia skal ha skrotet den mest ambisiøse Rubin Ultra-brikken

Den ambisiøse Ultra-modellen kan derfor beskrives som to Rubin-lignende løsninger satt sammen i én pakke: fire brikker og 16 HBM4E-stakker . SemiAnalysis hevdet at den reviderte Rubin Ultra-versjonen blir omtrent halvparten så stor, med tilsvarende halvering av den faktiske ytelsen .

Det er viktig å ta forbehold: Nvidia har ikke offentlig bekreftet kanselleringen. Enkelte markedsaktører mente også 30. juni at SemiAnalysis kan ha gjentatt rykter fra leverandørkjeden som allerede var omtalt i april 2026, snarere enn å presentere helt ny informasjon . Medier i Taiwan, blant annet Ctee og Commercial Times, hadde allerede rapportert om en mulig designendring tidlig i april .

Hvorfor ble pakken for vanskelig å produsere?

Hovedutfordringen ser ut til å ha vært avansert pakking hos TSMC – altså teknologien som kobler flere store brikker og høybåndbreddeminne sammen til én fungerende enhet.

Den opprinnelige firebrikkepakken skal ha vært rundt 7,5–8 ganger større enn den såkalte retikkelgrensen i vanlig litografi. Det skapte betydelige utfordringer for både produksjonsutbytte og kostnader .

Nvidia planla å bruke TSMCs CoWoS-L-teknologi. I en 2+2-konfigurasjon skal pakkesubstratet imidlertid ha blitt utsatt for deformasjon – det vil si at det bøyde seg i flere retninger. Resultatet var at beregningsbrikkene ikke fikk full kontakt med substratet, noe som kunne føre til feil i signaloverføringen .

SemiAnalysis beskrev situasjonen som bekymringer knyttet til «manufacturing execution», eller gjennomføringen av selve produksjonen . Problemet skal med andre ord ikke først og fremst ha vært etterspørselen, men at designet var for krevende for dagens kombinasjon av TSMCs 3-nanometerteknologi og CoWoS-L-pakking.

Et bransjeestimat fra et LinkedIn-innlegg antyder at firebrikkeløsningen hadde et produksjonsutbytte på rundt 60 prosent på pakkenivå. Overgangen til to brikker kan løfte utbyttet til omtrent 85 prosent og redusere kostnaden per kort med rundt 30 prosent . Dette er imidlertid et eksternt estimat, ikke et tall Nvidia har bekreftet.

Hva går tapt i den reviderte modellen?

Den reviderte løsningen skal i praksis ligne mer på standard Rubin: to beregningsbrikker og åtte minnestakker. Nvidia skal likevel planlegge å oppnå mye av den opprinnelige firebrikkekapasiteten på kort- eller systemnivå. En mulig løsning er en 2+2-konfigurasjon, der to separate pakker monteres på samme serverkort i stedet for å presses inn i én enkelt pakke .

Det kan gjøre løsningen enklere å produsere, men innebærer også at mer av ytelsen må hentes gjennom systemdesign, kommunikasjon mellom komponentene og programvare.

CoPoS kan bli neste steg – men ikke tidsnok

TSMC skal undersøke en ny pakkingsteknologi kalt CoPoS, eller «Chip-on-Panel-on-Substrate». Ideen er å erstatte dagens silisiumbaserte mellomlag på rundt 300 millimeter med større, firkantede eller rektangulære paneler .

Tidlige spesifikasjoner skal ha omtalt paneler på omtrent 310 × 310 millimeter, med mulighet for senere skalering til 515 × 510 millimeter eller 750 × 620 millimeter . Større paneler kan gi plass til flere brikker og HBM-minne, samtidig som materialsvinnet langs kantene reduseres.

Utfordringen er kalenderen. CoPoS ventes ikke å nå masseproduksjon før sent i 2028 eller tidlig i 2029 – for sent til å løse Rubin Ultra-problemet innen det planlagte lanseringsvinduet i 2027 .

Nvidia presses fra flere kanter

Rubin Ultra-saken kommer samtidig som Nvidia møter et bredere konkurransepress i datasentermarkedet.

• Skytjenestegigantenes egne brikker: Googles TPU, Amazons Trainium og Microsofts Maia brukes i økende grad til selskapenes egne AI-arbeidslaster. Det kan direkte redusere behovet for Nvidia-brikker i de største interne distribusjonene .
• Spesialtilpassede ASIC-er vokser raskere: TrendForce-tall som SemiAnalysis viser til, antyder at leveransene av spesialtilpassede AI-ASIC-er kan vokse 44,6 prosent i 2026, mot 16,1 prosent for kommersielle GPU-er. Det skal være første år der ASIC-veksten går forbi GPU-veksten .
• Kostnad per AI-svar blir viktigere: ASIC-er skal kunne ha en fordel på 40–65 prosent i totale eierkostnader ved flerårige inferensløsninger . For kunder som kjører enorme mengder AI-forespørsler, kan dette være viktigere enn maksimal toppytelse.
• CUDA-fordelen svekkes gradvis: Nvidia har lenge hatt en sterk programvarefordel gjennom CUDA. SemiAnalysis mener denne terskelen sakte blir lavere når skyleverandører bygger egne programvarestakker og rammeverk som Triton, ONNX Runtime og OpenXLA gjør det enklere å flytte arbeidslaster mellom ulike typer maskinvare .
• Nye spesialister utfordrer inferensmarkedet: Selskaper som Groq, Cerebras og Etched utvikler spesialiserte AI-brikker som konkurrerer med Nvidia på effektivitet og kostnad ved inferens .

«Is og ild» i Nvidias datasenterforretning

SemiAnalysis publiserte ikke bare dårlige nyheter 30. juni. Firmaet anslo også at Nvidias inntekter fra datasenterberegning i andre halvår av 2026 kan bli 20 prosent høyere enn Wall Streets konsensus, blant annet fordi flaskehalsen for HBM4-forsyningen skal være løst .

Det gir en todelt situasjon: Nvidia kan ha sterk inntektsvekst på kort sikt, samtidig som den mest ambisiøse delen av den langsiktige produktplanen blir svekket. SemiAnalysis beskrev dette som en dynamikk av «is og ild».

På lengre sikt kan designendringen få flere følger:

• Nvidia må i større grad satse på oppdeling på kort- og systemnivå i stedet for å samle stadig flere store brikker i én pakke .
• AMDs Instinct MI500-serie og skyleverandørenes egne ASIC-er kan få et større konkurransevindu dersom toppmodellen Rubin Ultra faktisk leverer omtrent halvparten av den opprinnelig planlagte ytelsen .
• En forsinket eller nedskalert arkitektonisk toppmodell kan forsterke risikoen for at Nvidia mister markedsandeler til Trainium, TPU-er og andre alternativer .

Konklusjonen

Rubin Ultra-saken handler om mer enn én kansellert brikkekonfigurasjon. Den viser hvor vanskelig det er å skalere AI-maskinvare når store beregningsbrikker, HBM-minne og avansert pakking skal fungere som én enhet.

Hvis opplysningene stemmer, har Nvidia valgt en mer produksjonsvennlig tobrikkeløsning fremfor å presse fire brikker inn i én pakke som CoWoS-L ikke ser ut til å håndtere lønnsomt. Samtidig kan selskapet forsøke å gjenskape firebrikke-ytelsen ved å koble sammen flere pakker på systemnivå.

Nvidia står dermed ikke nødvendigvis foran et umiddelbart tilbakeslag. Men kombinasjonen av pakkeutfordringer, egne AI-brikker hos kundene og en gradvis svekkelse av CUDA-avhengigheten kan bli viktig for selskapets markedsposisjon i årene som kommer. Det avgjørende spørsmålet blir om TSMCs neste pakkingsteknologi, som CoPoS, kan levere den skalaen CoWoS-L ikke klarte.