Rubin Ultra урізали вдвічі: як проблеми пакування TSMC змінюють плани Nvidia

Повідомлення про Rubin Ultra стало для ринку не просто історією про скасування одного чипа. Воно показує, наскільки складним є подальше масштабування AI-прискорювачів: Nvidia одночасно намагається втримати високі доходи, подолати фізичні обмеження виробництва та захистити свою перевагу від власних чипів великих хмарних компаній.

Що саме повідомила SemiAnalysis

30 червня 2026 року дослідницька компанія SemiAnalysis написала в X, що Nvidia скасувала початкову чотирикристальну версію GPU Rubin Ultra приблизно через три місяці після її презентації на GTC 2026 . Початковий план передбачав 4 обчислювальні кристали та 16 модулів пам’яті HBM4E в одному передовому корпусі з орієнтовним запуском у 2027 році .

За даними SemiAnalysis, оновлений Rubin Ultra буде приблизно вдвічі меншим, а його фактична продуктивність також скоротиться приблизно наполовину .

Для порівняння, базовий Rubin має 2 обчислювальні кристали та 8 модулів HBM4 . Початковий Rubin Ultra фактично мав об’єднати два чипи класу Rubin в одному корпусі — 4 кристали та 16 стеків HBM4E . Урізана версія повертається до конфігурації 2 кристали + 8 стеків HBM, подібної до базового Rubin .

Важливе застереження: Nvidia офіційно не підтвердила скасування. Деякі учасники ринку 30 червня припустили, що SemiAnalysis могла повторно оприлюднити чутки з ланцюга постачання, які вже з’являлися у квітні 2026 року . Тайванські видання Ctee та Commercial Times повідомляли про перегляд дизайну ще на початку квітня .

Чому виникли проблеми з пакуванням TSMC

Ключовою причиною називають складність передового пакування на потужностях TSMC.

• Початковий корпус із чотирма кристалами мав бути приблизно у 7,5–8 разів більшим за ліміт фотошаблона — межу, яку зазвичай визначає максимальний розмір області експонування під час літографії. Це різко ускладнює виробництво та знижує вихід придатних виробів .
• Процес CoWoS-L TSMC, який поєднує обчислювальні кристали, інтерпозер і пам’ять у єдиному корпусі, виявився недостатньо економічним для настільки масштабного багатокристального з’єднання .
• У схемі 4 кристалів, розташованих за принципом 2+2, підкладка корпусу могла деформуватися — вигинатися в кількох напрямках. Через це обчислювальні кристали не контактували з підкладкою належним чином, що призводило до збоїв передавання сигналів .
• SemiAnalysis описала проблему як «занепокоєння щодо виконання виробничого плану»: задум виявився надто амбітним для наявного поєднання 3-нм техпроцесу та пакування CoWoS-L .

Одна з галузевих оцінок, оприлюднена аналітиком у LinkedIn, припускає, що вихід придатних корпусів для чотирикристального рішення становив близько 60%. Перехід на 2 кристали може підвищити його приблизно до 85%, а собівартість однієї плати — зменшити орієнтовно на 30% . Водночас це оцінка з користувацького джерела, а не офіційні дані Nvidia чи TSMC.

TSMC, за повідомленнями, вивчає новий підхід CoPoS (Chip-on-Panel-on-Substrate). Він передбачає заміну кремнієвого інтерпозера розміром близько 300 мм на більші квадратні або прямокутні панелі. Ранні специфікації передбачають панель приблизно 310×310 мм, а в майбутньому — масштабування до 515×510 мм або навіть 750×620 мм .

Однак масове виробництво CoPoS очікується не раніше кінця 2028-го або початку 2029 року. Це запізно для початкового вікна запуску Rubin Ultra у 2027 році .

Що зміниться у двокристальній версії

Показник	Початковий Rubin Ultra, 4 кристали	Переглянутий Rubin Ultra, 2 кристали
Обчислювальні кристали	4	2
Пам’ять	16 стеків HBM4E	8 стеків HBM4E
Розмір корпусу	Приблизно 7,5–8× ліміту фотошаблона	Приблизно 1–2× ліміту фотошаблона
Відносна обчислювальна потужність	100% початкової цілі	Близько 50% початкової цілі
Заявлена Nvidia перевага	«Безпрецедентна продуктивність завдяки масштабуванню до 4 кристалів» на GTC 2026	До 3,5 раза вища швидкість інференсу проти попереднього покоління

Деякі тайванські джерела, зокрема TrendForce та Commercial Times, ще у квітні повідомляли, що планування ланцюга постачання від початку орієнтувалося на 2-кристальну конфігурацію. Це може означати, що чотирикристальний варіант був радше амбітною презентаційною ціллю, ніж дизайном, готовим до серійного виробництва .

Nvidia, за повідомленнями, може компенсувати відмову від 4 кристалів в одному корпусі на рівні системи. Замість цього два окремі 2-кристальні корпуси розміщуватимуться разом на серверній платі за схемою 2+2 . Тобто масштабування переноситься з рівня одного складного пакета на рівень плати або модуля.

Конкуренція посилюється не лише з боку AMD

У тому самому аналізі від 30 червня SemiAnalysis описала кілька напрямів, у яких Nvidia поступово втрачає частину переваги .

• Власні чипи хмарних гігантів. Google розвиває TPU, Amazon — Trainium, а Microsoft — власні ASIC-рішення. У межах своїх хмар ці компанії можуть замінювати Nvidia GPU на спеціалізовані прискорювачі для найбільших внутрішніх AI-навантажень .
• ASIC зростають швидше за універсальні GPU. За даними TrendForce, які цитує SemiAnalysis, поставки спеціалізованих AI-ASIC у 2026 році можуть зрости на 44,6%, тоді як поставки комерційних GPU — на 16,1%. Це може стати першим роком, коли ASIC випередять GPU за темпами зростання .
• Економіка інференсу змінюється. У багаторічних інференс-розгортаннях ASIC можуть мати перевагу за сукупною вартістю володіння (TCO) на рівні 40–65% . Для клієнтів дата-центрів важливими стають не лише пікові FLOPS, а й ціна токена, енергоспоживання та фактичне завантаження обладнання.
• Бар’єр CUDA повільно слабшає. SemiAnalysis вважає, що залежність від екосистеми CUDA поступово зменшується, оскільки хмарні оператори оптимізують власні програмні стеки, а апаратно-нейтральні інструменти на кшталт Triton, ONNX Runtime та OpenXLA знижують вартість переходу на інше обладнання .
• З’являються незалежні конкуренти. Groq, Cerebras та Etched пропонують спеціалізовані ASIC для інференсу в дата-центрах і тиснуть на економіку Nvidia саме в тих сценаріях, де універсальність GPU може бути менш важливою .

«Лід і полум’я»: сильні доходи та слабший флагманський план

Історія Rubin Ultra — лише одна частина оцінки SemiAnalysis. Того самого дня компанія прогнозувала, що обчислювальний бізнес Nvidia у дата-центрах у другій половині 2026 року може перевищити консенсус-прогноз Волл-стріт на 20%, зокрема після послаблення дефіциту HBM4 .

Так виникає суперечлива картина: короткострокові фінансові перспективи залишаються сильними, але довгостроковий план розвитку найпотужнішого продукту довелося спростити.

Наслідки можуть бути такими:

• Перегляд стратегії пакування. Скасування початкового Rubin Ultra свідчить, що масштабування понад два кристали розміром із ліміт фотошаблона в одному корпусі CoWoS залишається недосяжним за нинішніх технологічних умов TSMC .
• Перехід до розподіленої архітектури. Nvidia, імовірно, доведеться частіше об’єднувати кілька окремих корпусів на рівні плати, модуля або серверної системи, а не намагатися вмістити все в один надвеликий пакет.
• Вікно можливостей для AMD і хмарних операторів. Якщо топова версія Rubin Ultra справді матиме приблизно половину початкової продуктивності, AMD Instinct MI500 та спеціалізовані прискорювачі гіперскейлерів отримають сильнішу позицію у верхньому сегменті .
• Ризик поступової втрати частки ринку. На думку SemiAnalysis, Trainium, TPU та інші рішення вже відбирають у Nvidia частину навантажень, а перегляд Rubin Ultra може відкласти наступний великий архітектурний стрибок компанії . Водночас масштаб цього ризику залишається предметом дискусії: частина учасників ринку вважала оцінку SemiAnalysis надто песимістичною .

Висновок

Повідомлення SemiAnalysis від 30 червня 2026 року описує не обвал Nvidia, а складний компроміс. Компанія, схоже, зіткнулася з реальними межами сучасного передового пакування й була змушена відмовитися від чотирикристального Rubin Ultra в одному корпусі. Водночас попит на AI-інфраструктуру та прогнозовані доходи Nvidia залишаються сильними.

Тепер головне питання — чи стане ця історія разовою невдачею надскладного пакування, чи початком тривалішого зсуву в галузі. Відповідь значною мірою залежатиме від того, чи зможе TSMC вчасно довести CoPoS до серійного виробництва, а Nvidia — компенсувати обмеження одного корпусу масштабуванням на рівні серверних систем.