NVIDIA Vera Rubin tại ISC 2026: Bước đột phá cho siêu máy tính khoa học

Tại hội nghị ISC High Performance 2026 diễn ra ở Hamburg, Đức, NVIDIA đã chính thức công bố nền tảng tính toán tăng tốc Vera Rubin – một hệ thống được thiết kế chuyên biệt cho siêu máy tính phục vụ nghiên cứu khoa học. Nền tảng này tích hợp GPU NVIDIA Rubin và CPU Vera, kết nối qua NVLink-C2C, tạo thành một hệ thống toàn diện có khả năng xử lý cả khối lượng công việc mô phỏng truyền thống và AI .

Một rack đơn của Vera Rubin có thể đạt hơn 7 exaflops hiệu năng AI và 5 petaflops tính toán double-precision (FP64) gốc, sử dụng tới 144 GPU – hiệu năng tương đương với các hệ thống trong danh sách TOP500 . CPU Vera sở hữu 88 nhân với hiệu năng trên mỗi watt gấp đôi so với thế hệ CPU NVIDIA trước đó .

Thông số hiệu năng chính

• Hiệu năng FP64 gốc: Dành cho các khối lượng công việc mô phỏng HPC truyền thống, được cung cấp thông qua kiến trúc GPU Rubin .
• Cấu hình NVL4: DCBBS Blueprint của Supermicro dựa trên Vera Rubin NVL4 hỗ trợ tới 1.152 GPU NVIDIA Rubin và 576 CPU NVIDIA Vera trong một đơn vị mở rộng duy nhất .
• Đơn vị mở rộng 3,2 MW với hệ thống làm mát bằng chất lỏng trực tiếp DLC-2, hỗ trợ 362 kW mỗi rack .
• Nền tảng Rubin (được công bố lần đầu tại CES 2026) mang lại giảm tới 10 lần chi phí token suy luận và giảm 4 lần số GPU cần thiết để huấn luyện mô hình mixture-of-experts so với nền tảng Blackwell .
• Tích hợp với thư viện NVIDIA CUDA-X, microservice NVIDIA NIM, phần mềm NVIDIA AI Enterprise và mạng NVIDIA Quantum InfiniBand .

Các viện nghiên cứu triển khai hệ thống Vera Rubin

Một kỷ lục 35 siêu máy tính AI HPC mới của NVIDIA đang được phát triển trên khắp 23 quốc gia châu Âu, trang bị cho hơn 3 triệu nhà nghiên cứu . Các tổ chức được xác nhận bao gồm:

• Trung tâm Siêu máy tính Barcelona — EuroHPC AI Factory
• BavariaAI — Hệ thống Blue Swan
• IT4Innovations (IT4I) — Cộng hòa Séc
• HLRS (Trung tâm Siêu máy tính Stuttgart) — Hệ thống HammerHAI
• NAISS — Mimer EuroHPC AI Factory, Thụy Điển
• CINECA (Ý)
• Fraunhofer FOKUS (Đức)
• Trung tâm Siêu máy tính Jülich (Forschungszentrum Jülich)

Các hệ thống này bao gồm các AI factory, nghiên cứu khí hậu và năng lượng, cũng như điện toán lai lượng tử-GPU .

Quan hệ đối tác trong ngành và sản xuất

• Supermicro: Cung cấp DCBBS Blueprint đầu tiên cho HPC dựa trên nền tảng NVIDIA Vera Rubin NVL4, bao gồm rack làm mát bằng chất lỏng và tích hợp hoàn chỉnh .
• Corning: Quan hệ đối tác nhiều năm để mở rộng sản xuất tại Mỹ các giải pháp kết nối quang học tiên tiến cho hạ tầng AI, bao gồm ba cơ sở mới ở Bắc Carolina và Texas .
• Các ông lớn phần mềm công nghiệp (Cadence, Dassault Systèmes, PTC, Siemens, Synopsys): Đưa CUDA-X, Omniverse và các công cụ tăng tốc GPU vào quy trình thiết kế, kỹ thuật và sản xuất .
• Siemens: Mở rộng quan hệ đối tác để xây dựng hệ điều hành công nghiệp tăng tốc AI, bao trùm thiết kế, kỹ thuật, sản xuất và chuỗi cung ứng .

Tích hợp AI với mô phỏng khoa học truyền thống

Vera Rubin được thiết kế như một nền tảng hội tụ HPC và AI – chạy cả mô phỏng vật lý truyền thống (FP64) và khối lượng công việc AI trên cùng một hạ tầng .

• PhysicsNeMo: Framework AI-vật lý của NVIDIA cho CFD, phân tích nhiệt, khí hậu và thời tiết được hỗ trợ trên Vera Rubin. Nó sử dụng các mô hình thay thế học máy để tăng tốc các mô hình đa tỷ lệ, trong khi các bộ giải truyền thống tạo dữ liệu huấn luyện cho AI .
• Mô hình hóa khí hậu: Vera Rubin tăng tốc mô phỏng khí hậu bằng cách kết hợp các bộ giải FP64 gốc với các kỹ thuật mô phỏng và đồng hóa dữ liệu dựa trên AI .
• Động lực học chất lưu (CFD): Nền tảng này cho phép CFD tăng tốc AI, nơi các mạng nơ-ron thay thế đẩy nhanh các vòng lặp giải lặp trong khi vẫn duy trì độ chính xác double-precision để xác thực .
• Thăm dò năng lượng: Hình ảnh địa chấn, mô phỏng hồ chứa và mô hình hóa năng lượng tái tạo được hưởng lợi từ AI đề xuất các kịch bản ứng viên trong khi các bộ giải FP64 truyền thống xác thực chúng .

NVIDIA mô tả sự hội tụ này như khoa học "sống ở giao điểm của mô phỏng vật lý và AI – nơi các mô hình thay thế học máy tăng tốc các mô hình đa tỷ lệ, AI tạo sinh đề xuất các phân tử hoặc vật liệu ứng viên để xác thực độ trung thực cao, và các bộ giải truyền thống tạo ra dữ liệu huấn luyện giúp AI trở nên khả thi" .