英伟达 Rubin HPC 怎么选:5 万 CUDA 核心与 2028 上市时间表

一句话结论:英伟达 Rubin HPC 是一块要到 2028 年才上市、专门为仿真与科学计算生的高性能计算 GPU,单卡 CUDA 核心数超过 5 万个,官方对外公布的确定信息目前只有四项:核心数、稀疏数据加速能力、第七代 NVLink 互连,以及 2028 年的预计上市时间。

2026 年 11 月 16 日,芝加哥的 SC26 超算大会开幕当天,英伟达发布了一款新的 GPU 芯片 Rubin HPC。它不是又一张通用加速卡,而是挂在 Vera Rubin 平台下、专门服务科学与工程仿真的一条新分支。官方的说法很直接:随着 AI 智能体帮科学家和工程师筛选候选材料、分子和设计方案,被反复调用的仿真计算正在变成瓶颈,而 Rubin HPC 要做的就是把这些仿真跑得更快。

先说清楚一个容易被忽略的差别。英伟达官网的 Vera Rubin 平台规格表里列出的数据中心 Rubin GPU,用的是第六代 NVLink;而 Rubin HPC 官方公告写的是第七代 NVLink。两者不是同一款 SKU。平台规格表里那些 3,600 PFLOPS、288GB HBM4、19.2 TB/s 的数字属于平台主推的数据中心 Rubin GPU,不能直接当成 Rubin HPC 的参数。这篇文章会把这两条产品线分开讲,避免把它们混成一张卡。

Rubin HPC 的四个确定信息,和三个仍然空着的格子

官方公告里关于 Rubin HPC 的表述并不长,信息密度却很高。四条确定信息分别是:单卡 CUDA 核心数量超过 5 万个,创下该公司的产品纪录;配备稀疏数据加速能力,作用是持续为核心喂数据;支持第七代 NVIDIA NVLink 互连用于多卡高速互联;预计 2028 年上市。

英伟达超算与高性能计算部门副总裁 Ian Buck 的原话给出了应用场景的落点:面向处理智能体的科学与工程任务,更快的仿真意味着更快的发现,Rubin HPC 加速的是智能体用来测试想法的仿真,从而帮科研与工程团队探索更多可能性。

官方列出的适用计算模式包括稀疏矩阵运算、模板计算、排序与归约。这四类恰好是气候建模、基因组分析、工程设计与金融风险计算里最常见的算子类型。三个仍然空着的格子也很关键:详细参数没有公布,价格没有公布,具体的量产节奏也没有公布。也就是说,2028 这个时间点目前是唯一可用的采购参考。

对比项 Rubin HPC RTX PRO 6000 Blackwell 服务器版 GeForce RTX 5090
CUDA 核心数 超过 50,000 24,064 21,760
GPU 显存 未公布 96GB GDDR7(含 ECC) 32GB GDDR7
显存带宽 未公布 1597 GB/s 未在官方规格中列出
FP32 单精度 未公布 120 TFLOPS 未在官方规格中列出
FP4 算力 未公布 4 PFLOPS 未在官方规格中列出
最大功耗 未公布 最高 600W(可配置) 未在官方规格中列出
预计上市 2028 年 已上市 已上市

把这张表读透,结论是 Rubin HPC 单卡的规模是现有旗舰数据中心卡的两倍以上。对算力紧张的仿真任务,节点数量可以按比例下降。但同样要看到另一面,超过 5 万个核心的规模意味着单卡功耗与散热都进入了新区间,官方这次一个功耗数字都没给,采购侧的能效账暂时算不出来。

Vera Rubin 平台规格:3,600 PFLOPS 是怎么分层的

Rubin HPC 本身的参数悬在半空,但同平台的 Vera Rubin NVL72 机架级系统给出了可复算的参考坐标。官方规格表按三个层级列数:整机架、超级芯片、单颗 GPU。三者的关系是清楚的,72 颗 Rubin GPU 加 36 颗 Vera CPU 构成 NVL72,两颗 GPU 加一颗 CPU 构成超级芯片。

精度与用途 Vera Rubin NVL72 Vera Rubin 超级芯片 单颗 Rubin GPU
NVFP4 推理 3,600 PFLOPS 100 PFLOPS 50 PFLOPS
NVFP4 训练 2,520 PFLOPS 70 PFLOPS 35 PFLOPS
FP8 / FP6 训练 1,260 PFLOPS 35 PFLOPS 17.5 PFLOPS
FP16 / BF16 288 PFLOPS 8 PFLOPS 4 PFLOPS
TF32 144 PFLOPS 4 PFLOPS 2 PFLOPS
FP32 单精度 9,360 TFLOPS 260 TFLOPS 130 TFLOPS
FP64 双精度 2,400 TFLOPS 67 TFLOPS 33 TFLOPS
GPU 显存与带宽 20.7TB HBM4 / 1400 TB/s 576GB HBM4 / 38.5 TB/s 288GB HBM4 / 19.2 TB/s
NVLink 互连 第六代,216 TB/s 第六代,6 TB/s 第六代,3 TB/s
NVLink-C2C 65 TB/s 1.8 TB/s 不适用
CPU 核心 3,168 个 NVIDIA Olympus 核 88 个 NVIDIA Olympus 核 不适用

官网另给了三条换算口径:相比 GB200 NVL72,Vera Rubin NVL72 每百万 token 成本降到十分之一,每兆瓦 token 产出提升 10 倍,训练 MoE 模型所需 GPU 数量只需要四分之一。同页还标注了一个数量级参考,100 兆瓦供电规模可以容纳 4 万颗 GPU。这些换算基于英伟达自己的模型与配置,属于厂商口径,第三方复算前应当当作参考而非结论。

还有一个细节值得记下来。平台主推 Rubin GPU 的 FP32 是 130 TFLOPS,而 Rubin HPC 的核心数被单独强调为超过 5 万个。英伟达在 Rubin HPC 的公告里完全不提 AI 训练性能,只谈仿真与数据分析。这种取舍本身就是产品定位信号,它要抢的是科学计算的预算,而不是大模型训练的预算。

MLPerf 首秀:训练每 GPU 翻倍,推理每瓦十倍

Rubin 平台在同一天交出了第一份 MLPerf 成绩,这也是目前最硬的第三方可核对的数字来源。MLCommons 的成绩于 11 月 16 日放出,官方列出的提交编号包括 6.1-0116、6.1-0030、6.1-0135、6.1-0020、6.1-0049、6.1-0123、6.1-0138、6.1-0073、6.1-0124、6.1-0129 与 6.1-0038。

训练侧的结论有两条。英伟达是本轮唯一在全部训练基准上都提交成绩的平台,覆盖大语言模型、图像生成、推荐系统与强化学习后训练;在首秀中,Vera Rubin NVL72 每 GPU 性能最高达到高度优化过的 GB300 NVL72 的两倍。规模侧的验证来自 DeepSeek-V3 基准,从 256 颗 GPU 扩展到 1,024 颗时效率约 97%,GPU 数量翻两番把训练时间从 16 分钟压到约 4 分钟。本轮最大规模测试由 GB300 系统在 10,240 颗 GPU 上完成,微软 Azure 用 GB200 跑到了同样的规模。参与提交的合作伙伴有 20 家,包括华硕、微软 Azure、思科、CoreWeave、戴尔、HPE、谷歌云、甲骨文、Supermicro 与佛罗里达大学。

推理侧的数字更接近日常体感。MLPerf Endpoints v1.0 用面向智能体工作流的开源模型 Kimi K3 做测试,官方给出的是暂定结果,尚待 MLCommons 协会复核。

MLPerf Endpoints 指标(Kimi K3,标准组) Vera Rubin NVL72 GB300 NVL72
加速器数量 32 48
并发查询数 1,024 48
首字延迟 P90 4,673.9 毫秒 2,305.1 毫秒
系统吞吐 41,414.2 token/秒 2,210.4 token/秒
端到端平均交互速度 50.4 token/秒/人 56.2 token/秒/人
运行功耗 100.89 千瓦 60 千瓦
每瓦吞吐 在相同每秒 50 token/人交互速度下,超过 10 倍

这组数字里最容易被误读的是首字延迟。Rubin 侧 4,673.9 毫秒高于 GB300 的 2,305.1 毫秒,看上去像是退步,其实两个系统的并发规模差了 21 倍,1024 条并发查询对 48 条。在这种负载下对比单请求延迟没有意义,真正可比的是同样交互速度约束下的每瓦吞吐。另外一句官方表述也值得留意:成绩取自 11 月 9 日,Rubin 一侧仍是暂定值,待同行评审后可能变化。

为什么五万核心必须配稀疏数据加速

英伟达对 Rubin HPC 的技术描述里,稀疏数据加速能力被放在和核心数同等的位置,理由并不难理解。科学计算负载的形态非常固定:应用伸进一个巨大的数据集,抓取少量散落的值,算出一个结果,然后以极大规模重复这个过程。

如果只堆计算不扩数据搬运,结果就是核心在等数据。官方的说法是要把数据搬运与计算一起规模化,而不是只提升计算。这种均衡设计针对的正是仿真里反复出现的四类算子:稀疏矩阵运算、模板计算、排序与归约。

这条路线并非唯一答案。走模拟计算芯片的路线试图直接用物理规律解矩阵方程,路径与 GPU 完全不同,国内已经有面向矩阵求解的模拟计算产品在做同样的事;而单纯的推理卡路线则在通用性上占优。选型的真正分歧点在于负载形态:偏稀疏矩阵与偏归约排序的仿真更适合均衡设计,偏规则稠密的通用计算更看单卡吞吐。

CUDA-X 科学计算库:这块卡真正的生产力在软件侧

同一天英伟达还更新了 CUDA-X 库集合,新增 cuPhoton、cuPotential 与 cuSpa 等组件。这些数字比芯片参数更能说明仿真负载的实际收益来自哪里。

cuPhoton 里的 xBeam 模块把事件视界望远镜的数据关联从一个月以上压缩到八分钟,官方提到它已成功关联黑洞喷流 J1924 与 3C279 的观测数据,让重建 M87 星系级黑洞成为可能。xLens 模块被太平洋聚变用于在等离子体仿真运行过程中提取中间结果,让实验数据不必等仿真跑完才能看。cuPotential 基于 Simons Foundation flatsiron 研究所与 D. E. Shaw Research 的工作,把既有分子模拟软件加速最多 3 倍,同时改善计算稳定性与精度。面向 VASP 的批量 GPU 内核集合 Daviator 将进入 NVIDIA ALCHEMI,官方称量子力学计算最多快 22 倍、成本最多降低 75%。新开源的 cuSpa 在纪念斯隆凯特琳癌症中心用于细胞多边形计算,相比 CPU 有 900 倍加速。GPU 加速的 HMMER 库在 Basecamp Research 的基准搜索中比标准 HMMER 快最多 84 倍。

把这些数字和 Rubin HPC 的定位放在一起看,会发现一个清楚的分工。芯片解决的是算子吞吐与数据供给的问题,库解决的是具体算法能否跑得动的问题。只看芯片发布会就做采购决策,忽略库这一层,实际到手的工作流很可能停在无法调通的阶段。

2028 这个时间点意味着什么

Rubin HPC 预计 2028 年上市,这一条决定了很多事。英伟达官方同时表示 Vera Rubin 平台已进入全面量产爬坡阶段,台湾主要的服务器制造商与全球供应链伙伴正在规模化制造并出货基于 Vera Rubin 的系统,但那是平台主力的 Rubin GPU 与超级芯片,不含这块面向 HPC 的新分支。

对中国的实际约束更直接。英伟达对华出口的合规名单本身就是变数,最近一批获批企业名单里就出现了空壳公司,这类政策变量对 2028 年落地节奏的影响远比产品参数重要。要做三年规划的任何一方,都必须把出口许可当作一级风险项来评估,而不是当作采购细节。

替代路线在同期也在推进。谷歌的 TPU 已经推进到第八代系统,AMD 侧的 MI355X 已经出现整套内核由智能体重写并三天完成适配的案例,国内厂商在昇腾路线上也有世界模型类的开源成果发布,英伟达之外的自研路线在算力版图上的推进速度并不慢。

谁该等,谁不该等

该等的判断标准是负载是否卡在仿真吞吐上。国家级气候模拟中心、基因组分析平台、工业工程仿真与金融风险计算这几类用户,如果现在的瓶颈确实是仿真节点数量与数据搬运,那么 Rubin HPC 的均衡设计与稀疏数据加速直接命中痛点,提前进规划是合理的。这类项目从立项到落地通常跨三年以上,2028 上市的时间点在它们的时间尺度内。

不该等的是另一类用户。做模型训练、做推理服务、做本地开发的人,等 Rubin HPC 没有意义,它的规格重心不在 AI 训练上,官方公告里连一个训练跑分都没提。推理与训练侧该看的是 Vera Rubin NVL72 与 Blackwell Ultra 的对比,而不是这块 HPC 卡。

现阶段能拿到手的产品仍然是 Blackwell 家族的成员,像带 24,064 个 CUDA 核心与 96GB GDDR7 的 RTX PRO 6000 服务器版已经上市,英伟达自家面向推理加速的其它 SKU 也都可采。采购节奏上更稳妥的做法是先用现有卡把仿真工作流和 CUDA-X 库调通,再等硬件替换,软件的迁移成本往往比硬件的等待时间更长。

常见问题

Rubin HPC 现在能买到吗?不能。官方给出的预计上市时间是 2028 年,详细参数、价格与量产节奏都还没有公布。现阶段可以采购的是 Blackwell 家族的量产型号。

Rubin HPC 和数据中心 Rubin GPU 是同一块卡吗?不是。Vera Rubin 平台规格表里的 Rubin GPU 使用第六代 NVLink,而 Rubin HPC 公告写的是第七代 NVLink,属于平台内新开的一条面向高性能计算仿真的分支,两者参数不能互相套用。

Rubin HPC 相比 Blackwell 到底强在哪?确定的只有一项,单卡 CUDA 核心超过 5 万个,是 24,064 核心的 RTX PRO 6000 服务器版两倍以上。英伟达强调的是围绕稀疏数据加速做的均衡设计,用于稀疏矩阵、排序与归约这类仿真算子,而不是 AI 训练性能。

小结

Rubin HPC 给 HPC 行业留下的问题,比它给出的答案更多。5 万个 CUDA 核心是一个明确到可以放进采购模型的数字,2028 年是一个明确到可以写进三年规划的节点,中间剩下的变量是价格、功耗与出口许可。这块卡真正值得关注的并不是它有多少核心,而是英伟达第一次把智能体驱动的仿真明确写成产品目标,并且给出了稀疏数据加速这样具体的实现路径。至于普通开发者与中小团队,眼下最实际的选择仍然是 Blackwell 家族的量产型号,把 CUDA-X 的工作流先跑通才是能立刻兑现的收益。

相关阅读

全部文章归档与模型专题