NVIDIA amplia la propria piattaforma Vera Rubin con una nuova GPU progettata espressamente per il calcolo ad alte prestazioni. Si chiama Rubin HPC e ha già un primato piuttosto significativo: integra oltre 50.000 CUDA core, il numero più elevato mai annunciato dall’azienda per una GPU. La presentazione è arrivata in occasione di SC26, la conferenza dedicata al supercalcolo, dove il produttore ha delineato alcune delle caratteristiche che dovrebbero rendere questa soluzione particolarmente adatta alle simulazioni scientifiche e alle applicazioni di analisi dei dati.
Non si tratta quindi di una semplice evoluzione delle GPU pensate per l’addestramento e l’inferenza dei modelli AI; Rubin HPC nasce per affrontare un insieme di carichi di lavoro differenti, nei quali la capacità di elaborazione deve andare di pari passo con la velocità di accesso e movimentazione dei dati. NVIDIA punta proprio su questo equilibrio, introducendo una tecnologia per l’accelerazione dei dati sparsi e adottando la settima generazione dell’interconnessione NVLink per la comunicazione tra GPU.
Per vedere la nuova soluzione sul mercato bisognerà comunque attendere; la disponibilità è prevista nel corso del 2028. Nel frattempo, le informazioni diffuse sono ancora limitate e non consentono di delineare una scheda tecnica completa; cerchiamo però di fare il punto della situazione.
Indice:
Segui TuttoTech.net su Google Discover









Rubin HPC porta oltre 50.000 CUDA core nella piattaforma NVIDIA Vera Rubin

La nuova GPU entra a far parte della piattaforma NVIDIA Vera Rubin, ma si distingue per una destinazione d’uso più specifica. Mentre gli acceleratori Rubin tradizionali sono rivolti soprattutto ai carichi di lavoro legati all’Intelligenza Artificiale, Rubin HPC è stata sviluppata per simulazioni scientifiche, elaborazioni numeriche e analisi di grandi quantità di dati. Sono ambiti nei quali la potenza di calcolo è importante, ma non rappresenta l’unico fattore in grado di determinare le prestazioni di un sistema.
Il dato che ha attirato maggiormente l’attenzione è naturalmente quello relativo alle unità di elaborazione, NVIDIA dichiara come detto oltre 50.000 CUDA core su una singola GPU; si tratta di un record per il produttore, che con questo acceleratore punta a incrementare sensibilmente la capacità di elaborazione disponibile per le applicazioni HPC.
Per avere un termine di paragone, la GPU Rubin standard è stata presentata con 28.672 CUDA core e 224 Streaming Multiprocessor; Rubin HPC supera quindi nettamente questa configurazione, anche se il confronto numerico non è sufficiente per stabilire quale sarà il vantaggio prestazionale nelle applicazioni reali. Bisogna inoltre non confondere il numero di CUDA core con un’indicazione diretta della velocità di elaborazione; il dato descrive la dotazione di unità di calcolo, ma non permette da solo di determinare le prestazioni in virgola mobile, soprattutto quando si parla di applicazioni scientifiche che richiedono precisioni elevate.
Per una valutazione completa serviranno informazioni sulle capacità FP32 e FP64, sulle frequenze operative, sulla memoria e sull’architettura interna dell’acceleratore; NVIDIA però non ha ancora comunicato questi dettagli. Non conosciamo quindi il numero esatto di CUDA core, oltre alla soglia dei 50.000, né la configurazione degli Streaming Multiprocessor; anche l’organizzazione fisica del chip non è stata descritta ufficialmente.
Alcune ricostruzioni delle immagini mostrate durante l’annuncio ipotizzano una soluzione multi-die, con più componenti di calcolo integrate nello stesso package, ma al momento si tratta di interpretazioni non confermate dall’azienda. L’aspetto più interessante è comunque la scelta di sviluppare una GPU specifica per le esigenze del calcolo scientifico, anziché limitarsi ad aumentare il numero di unità di elaborazione di un acceleratore general purpose.
Sparse Data Acceleration e NVLink 7: NVIDIA punta sulla movimentazione dei dati

Una delle caratteristiche principali di Rubin HPC è la tecnologia Sparse Data Acceleration, progettata per migliorare l’elaborazione di dati sparsi e irregolari. Per comprendere l’importanza di questa novità bisogna considerare il modo in cui funzionano molte applicazioni scientifiche; durante una simulazione, la GPU può essere chiamata a recuperare informazioni distribuite in aree differenti di un dataset molto esteso, elaborare soltanto alcuni valori e ripetere l’operazione su una scala estremamente ampia.
In scenari di questo tipo, avere a disposizione un numero elevato di unità di calcolo non garantisce automaticamente prestazioni proporzionali. Se i dati necessari non arrivano abbastanza velocemente, le risorse di elaborazione possono rimanere in attesa, riducendo l’efficienza complessiva dell’acceleratore; è proprio questo problema che NVIDIA intende affrontare con Sparse Data Acceleration, cercando di mantenere i CUDA core costantemente alimentati con le informazioni necessarie.
Il produttore cita diverse tipologie di operazioni che dovrebbero beneficiare di questa tecnologia; tra queste troviamo le sparse matrix operations, ovvero i calcoli effettuati su matrici nelle quali molti elementi sono nulli o non rilevanti per il risultato. Invece di elaborare indiscriminatamente l’intera struttura, un sistema ottimizzato può concentrarsi sui valori effettivamente utili, limitando il lavoro superfluo e gli spostamenti di dati non necessari.
Un altro esempio riguarda le stencil computations, utilizzate in numerose simulazioni numeriche. In questo caso, il valore di una posizione viene calcolato prendendo in considerazione quelli delle celle vicine, secondo uno schema che può ripetersi su griglie spaziali o temporali molto estese; parliamo di operazioni importanti, per esempio, nella modellazione dei fenomeni fisici e nelle simulazioni climatiche. NVIDIA cita inoltre le operazioni di sorting e reduction, ricorrenti nei carichi di lavoro scientifici e nell’analisi dei dati.
A questa novità si affianca NVLink 7, la settima generazione dell’interconnessione proprietaria NVIDIA per la comunicazione tra acceleratori. Rubin HPC sarà il primo prodotto della famiglia a utilizzare questa tecnologia, superando quindi NVLink 6 adottato dalle GPU Rubin standard; il collegamento tra più GPU è particolarmente importante nei sistemi HPC, dove le simulazioni vengono spesso suddivise tra numerosi acceleratori che devono scambiarsi continuamente informazioni.
Anche in questo caso, tuttavia, mancano ancora i numeri necessari per quantificare il salto generazionale; il produttore non ha comunicato la larghezza di banda di NVLink 7, il numero di collegamenti disponibili per GPU o le prestazioni complessive del sistema di interconnessione.
Dalle simulazioni climatiche alla ricerca sui materiali: gli ambiti di utilizzo

La scelta di sviluppare un acceleratore specifico per l’HPC risponde a esigenze che interessano diversi settori della ricerca e dell’industria. NVIDIA indica tra i principali ambiti di utilizzo la modellazione climatica, le simulazioni ingegneristiche, l’analisi genomica e la valutazione del rischio finanziario; si tratta di applicazioni differenti, ma accomunate dalla necessità di elaborare dataset molto estesi e di eseguire ripetutamente operazioni complesse.
Nella ricerca sui materiali, per esempio, le simulazioni possono aiutare a valutare le proprietà di nuove combinazioni prima di procedere con esperimenti fisici; un approccio simile può essere utilizzato nello studio delle molecole e nello sviluppo di nuovi composti, riducendo il numero di tentativi che devono essere verificati direttamente in laboratorio.
Le simulazioni ingegneristiche invece consentono di studiare il comportamento di strutture e sistemi complessi prima di realizzare prototipi, mentre i modelli climatici richiedono l’elaborazione di grandi quantità di informazioni per rappresentare fenomeni che coinvolgono numerose variabili. In questo scenario NVIDIA vuole integrare Rubin HPC anche con le proprie librerie CUDA-X, che mettono a disposizione implementazioni ottimizzate di algoritmi e strumenti per applicazioni scientifiche e analisi dei dati.
L’annuncio si inserisce inoltre nella strategia dell’azienda legata alla cosiddetta Intelligenza Artificiale Agentica. NVIDIA immagina un flusso di lavoro nel quale gli agenti AI aiutano ricercatori e ingegneri a esplorare nuove possibilità, formulare ipotesi e individuare i candidati più promettenti; le simulazioni eseguite sugli acceleratori vengono quindi utilizzate per verificare le ipotesi e fornire risultati che possono guidare le fasi successive.
Il processo è potenzialmente iterativo; un agente propone una soluzione, avvia una simulazione, analizza il risultato e utilizza le informazioni ottenute per affinare il tentativo successivo. Ridurre il tempo necessario per ogni simulazione significa quindi poter esaminare più alternative nello stesso intervallo di tempo, accelerando il lavoro di ricerca e sviluppo.
Rubin HPC arriverà nel 2028: ancora nessun dettaglio su memoria, consumi e prestazioni

Nonostante l’annuncio, la scheda tecnica di Rubin HPC è ancora lontana dall’essere completa. NVIDIA ha confermato la presenza di oltre 50.000 CUDA core, Sparse Data Acceleration e NVLink 7, ma non ha ancora fornito informazioni sulla capacità e sulla larghezza di banda della memoria, sui consumi energetici o sulle prestazioni teoriche in FP32 e FP64.
Sono proprio questi alcuni dei parametri più importanti per valutare un acceleratore destinato al calcolo scientifico; in particolare, la precisione FP64 assume un ruolo centrale in numerose applicazioni HPC, dove l’accuratezza dei risultati è fondamentale. Senza conoscere la capacità di elaborazione in doppia precisione, non è quindi possibile stabilire quanto Rubin HPC possa essere competitiva rispetto alle soluzioni attuali o alle future proposte della concorrenza.
Anche la memoria rappresenta un elemento da chiarire; le GPU Rubin standard sono state associate a configurazioni HBM4 molto avanzate, ma non è possibile trasferire automaticamente queste caratteristiche alla variante HPC. Rubin HPC potrebbe adottare una configurazione differente, proprio in funzione delle esigenze specifiche dei carichi di lavoro per cui è stata progettata.
Al momento, NVIDIA non ha confermato né la capacità né la banda della memoria del nuovo acceleratore. Le immagini mostrate durante la presentazione hanno alimentato alcune ipotesi sulla possibile organizzazione interna del package e sulla presenza di più sezioni di memoria HBM; l’unica indicazione temporale fornita dal produttore riguarda la disponibilità, ovvero che Rubin HPC è attesa nel 2028.
Al momento non sono stati comunicati prezzi, configurazioni, partner di lancio o sistemi specifici che integreranno il nuovo acceleratore, ma la presentazione di SC26 rappresenta comunque un segnale importante per il mercato del supercalcolo. Dopo aver concentrato una parte consistente della propria strategia sulle infrastrutture per l’AI, NVIDIA torna a mettere in primo piano le esigenze del calcolo scientifico tradizionale, puntando su una GPU che combina una dotazione di CUDA core senza precedenti con nuove soluzioni per la gestione dei dati e la comunicazione tra acceleratori.
- NVIDIA avrebbe cancellato la GeForce RTX 5080 24 GB: la crisi delle GDDR7 frena il lancio
- NVIDIA DLSS 5 arriva su War Thunder: il rendering neurale porta la guerra a un nuovo livello di realismo
- NVIDIA DLSS 5 arriva su Hogwarts Legacy con GeForce NOW: nuova luce per il mondo magico
- Abbiamo provato il nuovo modello NVIDIA DLSS 5 su GeForce RTX 5070: ecco com’è andata
- AMD Radeon RX 9070 XT ritestata: è ancora la scheda video da battere nella fascia medio-alta?
- Forza Horizon 6 è qui: ecco come va su PC con GeForce RTX 5080, Ray Tracing e DLSS 4.5
- AMD Radeon RX 9070 vs NVIDIA GeForce RTX 5060 Ti 16 GB: gaming consumi e prezzi
- DLSS 4.5 con DMFG 6X provato su GeForce RTX 5060: ci siamo quasi, ecco com’è andata
I nostri contenuti da non perdere:
- 🔝 Importante: Il razzo Vulcan fallisce il lancio e distrugge 40 satelliti di Amazon Leo
- 🛍️ È il mese delle offerte Black Friday: date e come non perdersi le migliori offerte
- 💰 Risparmia sulla tecnologia: segui Prezzi.Tech su Telegram, il miglior canale di offerte
- 🏡 Seguici anche sul canale Telegram Offerte.Casa per sconti su prodotti di largo consumo

