NVIDIA Vera Rubin: новая архитектура для масштабного искусственного интеллекта

NVIDIA Rubin - новое поколение архитектуры ускорителей для искусственного интеллекта, пришедшее после Blackwell. Но в случае с Rubin компания делает акцент уже не столько на отдельном GPU, сколько на целой вычислительной платформе. NVIDIA Vera Rubin объединяет графические ускорители, новый серверный процессор Vera, высокоскоростную память и сетевые компоненты в единую систему для обучения и запуска крупных нейросетей.

Главная задача платформы - справляться с быстро растущей вычислительной нагрузкой современных ИИ-систем. Reasoning-модели генерируют огромные объёмы токенов, работают с длинным контекстом, а автономные AI-агенты могут выполнять сотни последовательных операций в рамках одного задания. Для таких сценариев производительности одного мощного GPU уже недостаточно: важными становятся скорость памяти, обмен данными между ускорителями и эффективность всего дата-центра.

Поэтому Rubin можно рассматривать как следующий этап развития подхода, начатого NVIDIA с Grace Hopper и продолженного Blackwell. Компания фактически превращает целую серверную стойку в один большой вычислительный комплекс, внутри которого десятки GPU и CPU работают как связанная система.

Что такое NVIDIA Vera Rubin и почему она пришла на смену Blackwell

Название Vera Rubin относится не к одному процессору. Это семейство технологий и систем NVIDIA, построенных вокруг архитектуры Rubin. В основе платформы находятся Rubin GPU и серверный Vera CPU, но вместе с ними работают NVLink 6 Switch, ConnectX-9 SuperNIC, BlueField-4 DPU и сетевые компоненты Spectrum-6. NVIDIA проектирует эти элементы совместно, чтобы уменьшить узкие места между вычислениями, памятью и передачей данных.

Центральным продуктом платформы стала серверная система Vera Rubin NVL72. В одной стойке она объединяет 72 Rubin GPU и 36 Vera CPU. Ускорители связаны через NVLink 6, поэтому программное обеспечение может использовать их не просто как набор отдельных видеокарт, а как большой общий вычислительный ресурс.

Такой подход особенно важен для современных нейросетей. Размеры моделей уже могут измеряться сотнями миллиардов и триллионами параметров, а их данные невозможно эффективно разместить и обработать на одном ускорителе. Модель приходится распределять между десятками или даже тысячами GPU, поэтому скорость связи между ними начинает напрямую влиять на итоговую производительность.

Blackwell уже развивал эту концепцию с системами GB200 NVL72, однако Rubin делает следующий шаг. NVIDIA увеличивает пропускную способность памяти, обновляет межсоединения и одновременно заменяет Grace CPU новым процессором Vera. В результате архитектура оптимизируется не только под классическое обучение нейросетей, но и под inference с длинным контекстом, сложные reasoning-модели и агентные системы, которые постоянно генерируют и обрабатывают большое количество токенов.

Показательно, что NVIDIA описывает дата-центр как новую "единицу вычислений". Раньше главным объектом сравнения был отдельный GPU: сколько у него вычислительных блоков, памяти и терафлопс. В Vera Rubin производительность всё сильнее определяется тем, насколько эффективно десятки ускорителей, CPU, память и сетевые устройства могут работать вместе.

Именно поэтому Vera Rubin нельзя воспринимать просто как очередную более быструю видеокарту после Blackwell. Это новая серверная архитектура NVIDIA, созданная вокруг масштабирования искусственного интеллекта на уровне целых стоек и крупных AI-фабрик.

Архитектура NVIDIA Rubin: GPU, Vera CPU, HBM4 и NVLink 6

Rubin GPU

Основой Vera Rubin стал новый Rubin GPU, разработанный специально под обучение и запуск крупных моделей искусственного интеллекта. Чип содержит 336 млрд транзисторов, 224 потоковых мультипроцессора и 896 Tensor Cores. Для сравнения, у Blackwell было около 208 млрд транзисторов, поэтому рост вычислительных ресурсов оказался значительным даже без учёта изменений в памяти и межсоединениях.

Rubin использует два крупных вычислительных кристалла, объединённых внутри одного корпуса высокоскоростным интерфейсом NV-HBI. Такая компоновка позволяет NVIDIA создавать чрезвычайно большой GPU, не пытаясь производить весь процессор в виде единственного монолитного кристалла.

Одним из главных изменений стал Transformer Engine третьего поколения. Он предназначен для операций, которые особенно часто встречаются в современных трансформерных моделях, и поддерживает низкую точность вычислений, включая NVFP4. Для одного Rubin GPU NVIDIA заявляет до 50 PFLOPS производительности NVFP4 при inference и до 35 PFLOPS при обучении. Эти показатели нельзя напрямую сравнивать с обычной FP32-производительностью игровых видеокарт: речь идёт о специализированных матричных вычислениях для нейросетей.

Такой упор связан с изменением характера ИИ-нагрузок. Современная reasoning-модель может не просто выдать один короткий ответ, а выполнить длинную последовательность рассуждений, обратиться к инструментам, обработать дополнительный контекст и сгенерировать тысячи токенов. В результате ускорителю необходимо долго поддерживать высокий уровень загрузки, а не просто кратковременно выдавать максимальное количество операций в секунду.

Память HBM4

Не менее важным обновлением стала память. Каждый Rubin GPU получает до 288 ГБ HBM4 с пропускной способностью до 22 ТБ/с. Для Blackwell NVIDIA указывает около 8 ТБ/с, поэтому пропускная способность памяти у Rubin выросла примерно в 2,8 раза.

Такой прирост нужен не только для загрузки огромных моделей. Во время генерации текста ускорителю приходится постоянно обращаться к весам нейросети и KV-кэшу, где хранится информация о предыдущих токенах контекста. Чем длиннее диалог и чем больше одновременных пользователей обслуживает система, тем выше нагрузка на память.

Именно поэтому HBM4 - новое поколение памяти для искусственного интеллекта и HPC становится одним из ключевых компонентов современных ИИ-ускорителей. Дополнительная ёмкость позволяет держать больше данных непосредственно возле GPU, а высокая пропускная способность уменьшает время ожидания между вычислительными операциями.

В полной стойке Vera Rubin NVL72 суммарный объём HBM4 достигает примерно 20,7 ТБ, а совокупная пропускная способность памяти - около 1,58 ПБ/с. Такие значения показывают, почему сравнивать современные ИИ-системы только по мощности отдельного GPU становится всё менее полезно: десятки ускорителей работают внутри единой вычислительной среды.

NVIDIA Vera CPU

Вместе с Rubin компания заменила серверный Grace новым процессором NVIDIA Vera CPU. Это собственный Arm-совместимый процессор NVIDIA, построенный на ядрах Olympus и предназначенный прежде всего для работы в крупных ИИ-системах.

Один Vera CPU содержит 88 ядер Olympus и может работать с 1,5 ТБ памяти LPDDR5X. В конфигурации Vera Rubin Superchip один такой процессор соединяется сразу с двумя Rubin GPU. Между CPU и ускорителями используется NVLink-C2C с совокупной пропускной способностью до 1,8 ТБ/с.

Задача Vera CPU заключается не в том, чтобы заменить GPU при нейросетевых вычислениях. Процессор занимается подготовкой данных, управлением задачами, выполнением обычного программного кода и другими операциями, которые плохо подходят для Tensor Cores. GPU при этом получает наиболее тяжёлые параллельные вычисления.

Быстрая связь между CPU и GPU уменьшает необходимость постоянно копировать данные через относительно медленные традиционные интерфейсы. Для масштабных моделей это особенно важно: даже очень быстрый ускоритель может простаивать, если данные поступают к нему недостаточно быстро.

NVLink 6 и объединение десятков GPU

Следующим узким местом становится обмен информацией между самими ускорителями. Если модель распределена между десятками GPU, они постоянно передают друг другу промежуточные результаты. Чем медленнее эта связь, тем больше времени оборудование тратит на ожидание вместо вычислений.

В Rubin используется NVLink шестого поколения. Для отдельного GPU NVIDIA указывает пропускную способность до 3,6 ТБ/с, тогда как полноценная стойка Vera Rubin NVL72 получает 260 ТБ/с совокупной пропускной способности NVLink 6 Switch.

Благодаря этому 72 Rubin GPU внутри NVL72 могут обмениваться данными через высокоскоростную fabric-сеть. Это особенно важно для моделей Mixture-of-Experts, где разные части нейросети могут выполняться на разных ускорителях и данные приходится постоянно перемещать между ними.

В результате архитектура Rubin строится вокруг четырёх связанных ресурсов: вычислительной мощности Tensor Cores, HBM4, быстрого взаимодействия CPU и GPU и масштабируемого NVLink. Если один из этих компонентов отстаёт, эффективность всей системы снижается. Именно поэтому NVIDIA проектирует Vera Rubin как единую платформу, а не как набор независимых процессоров.

Производительность Vera Rubin и зачем она нужна современному ИИ

Рост производительности Vera Rubin лучше оценивать не по одному показателю FLOPS. Для современных ИИ-систем важнее, сколько токенов инфраструктура способна генерировать при заданном энергопотреблении, сколько ускорителей требуется для обучения модели и насколько быстро система работает с длинным контекстом.

По данным NVIDIA, Vera Rubin NVL72 способна выдавать до 10 раз больше токенов на мегаватт по сравнению с GB200 NVL72 в сценарии работы reasoning-модели Kimi K2 Thinking. Для того же тестового сценария компания заявляет примерно десятикратное снижение стоимости генерации миллиона токенов. Это не означает, что Rubin универсально в десять раз быстрее Blackwell: преимущество зависит от модели, формата вычислений, длины контекста и характера нагрузки.

Особенно заметен выигрыш в агентных системах. В отличие от обычного чат-бота, который получает запрос и формирует ответ, AI-агент может последовательно искать информацию, обращаться к внешним инструментам, запускать дополнительные модели и несколько раз анализировать полученные результаты. Такие процессы резко увеличивают количество обрабатываемых токенов. NVIDIA указывает, что агентные задачи способны потреблять до 15 раз больше токенов, чем традиционные ИИ-приложения.

Из-за этого главным ограничением становится уже не только скорость выполнения отдельных матричных операций. Система должна постоянно перемещать большие объёмы данных между HBM4, GPU и другими ускорителями, одновременно обслуживая множество пользователей. Высокая пропускная способность памяти и NVLink 6 позволяет Rubin эффективнее поддерживать такие продолжительные нагрузки.

В августе 2026 года NVIDIA опубликовала результаты более специализированного теста AgentX для агентного программирования. В одном из режимов Vera Rubin NVL72 показала до 30 раз более высокий throughput на мегаватт относительно GB300 NVL72 при сохранении целевой скорости 160 токенов в секунду на пользователя. Результаты были измерены самой NVIDIA и на момент публикации ожидали независимой проверки SemiAnalysis, поэтому их стоит рассматривать как заявленные показатели платформы, а не как универсальный результат для всех моделей.

Для обучения крупных моделей Rubin также делает ставку на эффективность всей системы. NVIDIA заявляет, что при обучении модели Mixture-of-Experts с 10 трлн параметров за одинаковый временной период Vera Rubin NVL72 может потребовать примерно в четыре раза меньше GPU, чем GB200 NVL72. Снижение количества ускорителей означает не только меньшие расходы на оборудование, но и меньшее энергопотребление, упрощение сети и сокращение количества передаваемых между узлами данных.

Именно здесь становится важна AI Fabric: как строится сеть для обучения нейросетей на тысячах GPU. Когда модель распределяется между сотнями или тысячами ускорителей, производительность зависит от того, насколько быстро они могут обмениваться промежуточными результатами. Мощный GPU мало помогает, если значительную часть времени он ожидает данные от соседних узлов.

Vera Rubin поэтому проектировалась сразу как основа крупных AI-фабрик. NVLink отвечает за масштабирование внутри серверной стойки, а InfiniBand и Spectrum-X Ethernet позволяют объединять множество таких стоек в значительно более крупные кластеры. В мае 2026 года NVIDIA заявила, что платформа вышла на этап массового производства и создаётся с расчётом на инфраструктуру, включающую огромное количество связанных ускорителей.

Отдельное преимущество такого подхода проявляется при работе с моделями Mixture-of-Experts. В них для каждого токена активируется лишь часть нейросети, однако необходимые экспертные блоки могут находиться на разных GPU. Поэтому системе приходится постоянно перемещать данные между ускорителями. Чем быстрее межсоединение и память, тем меньше времени теряется на коммуникации.

Другой важный сценарий - длинный контекст. Если нейросеть работает с сотнями тысяч или миллионами токенов, растёт объём данных, который необходимо хранить и повторно использовать при генерации. Для задач программирования, анализа документов и автономных агентов это становится особенно заметно: контекст постепенно накапливается по мере выполнения задания.

Таким образом, производительность Vera Rubin определяется не одним более мощным GPU. NVIDIA увеличила вычислительную мощность Rubin, пропускную способность HBM4 и скорость межсоединений одновременно, а затем объединила эти компоненты в масштабируемую серверную архитектуру. Именно такой подход позволяет платформе эффективнее работать с нагрузками, где главным ресурсом становятся миллиарды генерируемых токенов и огромные объёмы данных, проходящие через всю ИИ-инфраструктуру.

NVIDIA Rubin и Blackwell: в чём основные отличия

Rubin продолжает направление, заданное Blackwell, но почти каждый ключевой компонент платформы получил серьёзное обновление. NVIDIA увеличила вычислительную мощность GPU, перешла на HBM4, удвоила пропускную способность NVLink и заменила Grace новым процессором Vera. Поэтому разница между поколениями заметна не только в характеристиках отдельных ускорителей, но и в устройстве всей серверной системы.

Характеристики относятся к серверным ускорителям и платформам NVIDIA, а показатели вычислительной производительности зависят от формата данных и конкретной конфигурации.

Одно из наиболее заметных изменений произошло непосредственно в GPU. Полный Rubin содержит 336 млрд транзисторов против 208 млрд у Blackwell. При работе с NVFP4 NVIDIA заявляет до 50 PFLOPS производительности Rubin при inference против 10 PFLOPS у Blackwell. При этом архитектура получила третье поколение Transformer Engine, рассчитанное на современные трансформерные и reasoning-модели.

Но увеличение вычислительной мощности само по себе не решило бы проблему. Чем быстрее становится GPU, тем больше данных необходимо своевременно передавать его вычислительным блокам. Поэтому одним из главных отличий Rubin стал переход с HBM3E на HBM4. Пропускная способность памяти выросла примерно с 8 до 22 ТБ/с на GPU - почти в 2,8 раза. Это особенно полезно при длинном контексте и массовом inference, где производительность часто ограничивается скоростью перемещения данных, а не количеством доступных Tensor Cores.

Ещё сильнее различия проявляются при объединении ускорителей. Пятое поколение NVLink у Blackwell обеспечивает до 1,8 ТБ/с двунаправленной пропускной способности на GPU, тогда как NVLink 6 увеличивает показатель до 3,6 ТБ/с. Для систем NVL72 совокупная пропускная способность NVLink Switch соответственно возрастает со 130 до 260 ТБ/с.

Это принципиально важно для больших моделей Mixture-of-Experts. Когда разные части нейросети распределены между несколькими ускорителями, GPU приходится интенсивно обмениваться данными. Удвоение пропускной способности межсоединений помогает уменьшить время ожидания и лучше загружать вычислительные блоки.

Чтобы подробнее понять предыдущее поколение и причины такого перехода, полезно отдельно рассмотреть NVIDIA B200 и архитектура Blackwell: новый стандарт ИИ-ускорителей. Именно в Blackwell NVIDIA впервые сделала rack-scale системы NVL72 одним из центральных элементов своей стратегии, а Rubin развивает эту концепцию дальше.

Изменился и центральный процессор. В системах Blackwell используется Grace CPU на Arm-архитектуре, тогда как Rubin получил новый Vera CPU с 88 собственными ядрами NVIDIA Olympus. Vera создавался уже с учётом типичных нагрузок современных AI-фабрик: запуска программных окружений, обработки данных, управления KV-кэшем, orchestration и выполнения кода ИИ-агентов.

Одновременно в два раза выросла пропускная способность соединения CPU и GPU. NVLink-C2C у поколения Blackwell обеспечивает до 900 ГБ/с, а связка Vera и Rubin - до 1,8 ТБ/с. Это позволяет быстрее перемещать большие массивы данных между системной памятью и ускорителями и снижает вероятность того, что GPU будет простаивать в ожидании процессора.

Поэтому воспринимать Rubin как обычное увеличение производительности Blackwell не совсем правильно. Blackwell уже превратил серверную стойку с десятками ускорителей в тесно связанную вычислительную систему, а Rubin усиливает практически все её критические элементы одновременно: GPU, память, CPU и сеть между ускорителями.

Главное архитектурное отличие заключается в том, под какие нагрузки оптимизируется система. Blackwell создавался как универсальная платформа для обучения и inference больших моделей, тогда как Rubin гораздо сильнее ориентирован на эпоху reasoning и agentic AI. Такие системы выполняют длинные цепочки операций, используют огромный контекст и могут генерировать значительно больше токенов на один пользовательский запрос.

Именно поэтому NVIDIA всё чаще сравнивает поколения не только по максимальному количеству операций в секунду, но и по числу токенов на мегаватт, стоимости inference и количеству ускорителей, необходимому для обучения модели. Для крупных дата-центров эти показатели непосредственно влияют на стоимость эксплуатации, и именно здесь Vera Rubin должна дать основную часть преимущества относительно Blackwell.

Что такое Rubin CPX и как будет развиваться Vera Rubin

NVIDIA Rubin CPX

Помимо основного Rubin GPU, NVIDIA подготовила отдельный ускоритель Rubin CPX. Он построен на архитектуре Rubin, но предназначен для другого типа нагрузки - обработки очень длинного контекста при inference. В первую очередь компания ориентирует его на программирование с помощью ИИ, анализ крупных кодовых баз, генеративное видео и другие задачи, где модель должна одновременно учитывать огромный объём информации.

Rubin CPX не стоит воспринимать как более мощную версию обычного Rubin GPU. Основной Rubin рассчитан на универсальное обучение и inference крупных моделей и использует HBM4, тогда как CPX оптимизирован непосредственно под massive-context processing и оснащается 128 ГБ GDDR7. NVIDIA выбрала такую конфигурацию, чтобы получить более выгодное соотношение стоимости памяти и производительности в специализированных задачах.

Сам ускоритель представляет собой монолитный кристалл и обеспечивает до 30 PFLOPS NVFP4. По данным NVIDIA, его архитектура позволяет примерно втрое увеличить производительность операций attention относительно системы GB300 NVL72 в соответствующих сценариях. Именно механизм attention становится особенно тяжёлым при увеличении контекста, поскольку модели приходится учитывать всё больше предыдущей информации.

Практический пример - AI-ассистент для программирования. Обычной модели можно передать отдельный файл или небольшой фрагмент проекта. При контексте в миллионы токенов система способна одновременно анализировать значительно большую часть кодовой базы, учитывать зависимости между файлами и выполнять более сложные изменения без постоянного дробления проекта на небольшие участки.

Похожая проблема возникает при работе с видео. NVIDIA отмечает, что обработка часа видеоматериала моделью может потребовать порядка миллиона токенов. Rubin CPX объединяет средства кодирования и декодирования видео с вычислительными блоками для long-context inference, поэтому ориентирован также на поиск по видеоматериалам, их анализ и генерацию продолжительного контента.

Наиболее крупной конфигурацией с такими ускорителями должна стать Vera Rubin NVL144 CPX. Она объединяет Vera CPU, обычные Rubin GPU и Rubin CPX, распределяя разные стадии inference между специализированными процессорами. NVIDIA заявляет для одной стойки до 8 экзафлопс ИИ-производительности, около 100 ТБ быстрой памяти и до 1,7 ПБ/с суммарной пропускной способности памяти.

Такое разделение хорошо показывает направление развития архитектуры NVIDIA. Вместо попытки сделать один GPU оптимальным абсолютно для всего компания создаёт несколько типов процессоров. Rubin выполняет основную тяжёлую работу с моделью, Vera берёт на себя CPU-нагрузки, а CPX специализируется на обработке огромного контекста.

Где будет использоваться Vera Rubin

Основным рынком Vera Rubin остаются крупные дата-центры. Платформа рассчитана на облачных операторов, разработчиков базовых ИИ-моделей, научные вычислительные центры и компании, строящие собственные AI-фабрики. Это оборудование другого класса, чем потребительские видеокарты GeForce: здесь важны тысячи связанных ускорителей, мегаватты потребляемой мощности и максимально высокая загрузка инфраструктуры.

В 2026 году Vera Rubin уже перешла к массовому производству. NVIDIA сообщила, что системы на новой платформе выпускаются с участием крупных серверных производителей и глобальной цепочки поставок, а архитектура рассчитана на дальнейшее масштабирование вплоть до инфраструктуры с огромным количеством GPU.

Одним из первых крупных направлений станет облачный искусственный интеллект. Microsoft планирует использовать Vera Rubin NVL72 в следующем поколении инфраструктуры Fairwater, а CoreWeave заявлена среди первых облачных провайдеров, которые будут предлагать NVIDIA Rubin своим клиентам. Для разработчиков это означает, что доступ к архитектуре не обязательно потребует покупки собственных серверных стоек - вычислительные ресурсы можно будет получать через облачные платформы.

Другой важный рынок - суперкомпьютеры. Vera Rubin рассчитана не только на генеративный ИИ, но и на традиционные HPC-задачи с высокой точностью вычислений. NVIDIA заявляет поддержку нативных FP64-операций и позиционирует платформу для моделирования климата, вычислительной гидродинамики, квантовой химии, энергетических исследований и других научных задач. Новые суперкомпьютеры на Vera Rubin планируют использовать, в частности, Национальная лаборатория Лос-Аламоса, NERSC и Leibniz Supercomputing Centre.

Развивается и сама идея специализированных компонентов внутри AI-фабрики. Помимо Rubin GPU и CPX, NVIDIA добавляет отдельные ускорители и системы для inference, хранения контекста, сетевого обмена и CPU-задач. В августе 2026 года компания, например, объявила о массовом производстве Groq 3 LPX - специализированного ускорителя для быстрого последовательного генерирования токенов, который расширяет возможности инфраструктуры Vera Rubin.

В результате Vera Rubin постепенно превращается не в одну фиксированную серверную конфигурацию, а в конструктор для разных типов ИИ-нагрузок. Одним компаниям важнее максимальная скорость обучения, другим - дешёвый массовый inference, третьим - длинный контекст или минимальная задержка ответа. NVIDIA пытается закрывать эти сценарии разными вычислительными блоками, объединёнными общей программной и сетевой платформой.

Rubin CPX хорошо иллюстрирует этот переход. Если раньше новое поколение ускорителей прежде всего означало появление более мощного GPU, то теперь развитие ИИ-железа идёт в сторону специализации. Чем разнообразнее становятся нейросетевые нагрузки, тем выгоднее распределять их между процессорами, каждый из которых оптимизирован под конкретный этап вычислений.

Заключение

NVIDIA Rubin - это не просто очередной GPU после Blackwell, а следующий этап перехода NVIDIA к вычислениям на уровне целой серверной стойки. Платформа Vera Rubin объединяет новые Rubin GPU, Vera CPU, память HBM4, NVLink 6 и сетевую инфраструктуру, чтобы уменьшить задержки между отдельными компонентами и эффективнее масштабировать современные ИИ-системы.

Главные преимущества Rubin особенно заметны в задачах, где требуется огромный объём вычислений и постоянный обмен данными: обучении крупных моделей, reasoning, работе AI-агентов, длинном контексте и массовом inference. Рост пропускной способности памяти и межсоединений здесь оказывается не менее важным, чем увеличение чистой вычислительной мощности Tensor Cores.

По сравнению с Blackwell новая архитектура делает ещё больший акцент на производительности всей инфраструктуры: количестве генерируемых токенов, энергопотреблении, стоимости inference и эффективности взаимодействия десятков и тысяч ускорителей. Появление Rubin CPX дополнительно показывает, что NVIDIA движется в сторону специализированных процессоров для разных стадий работы нейросетей.

Для обычных пользователей Vera Rubin останется практически незаметной - это прежде всего оборудование для дата-центров, облачных сервисов и суперкомпьютеров. Но именно на таких платформах будут работать будущие ИИ-сервисы, поэтому развитие Rubin напрямую влияет на то, насколько быстрыми, сложными и доступными смогут стать нейросети следующего поколения.