NVIDIA presenta Rubin HPC, una GPU de más de 50.000 núcleos CUDA para investigar materiales y moléculas

NVIDIA prepara Rubin HPC, una GPU con más de 50.000 núcleos CUDA

Nos ayudas mucho si nos sigues en Google Seguir en

NVIDIA ha presentado Rubin HPC, una variante de su arquitectura Rubin orientada a computación de alto rendimiento (HPC, por sus siglas en inglés). La compañía anuncia más de 50.000 núcleos CUDA y prevé que el acelerador llegue en 2028. Su propósito es atender mejor cargas científicas como las simulaciones de materiales y moléculas, además de tareas de ingeniería y análisis de datos.

El anuncio importa porque separa esta GPU de las versiones Rubin enfocadas en inteligencia artificial. En investigación científica no basta con acelerar operaciones de baja precisión: algunas simulaciones necesitan cálculos de doble precisión, conocidos como FP64, para representar los valores con más exactitud. NVIDIA plantea un producto ajustado a ese tipo de trabajo, aunque todavía no ha publicado especificaciones suficientes para comparar su rendimiento completo.

Una variante Rubin centrada en cálculo científico

Según la información publicada por The Register sobre Rubin HPC, NVIDIA explicó que la nueva GPU forma parte de la plataforma Rubin, pero que sus variantes se diseñan para subdominios de aplicaciones concretos. En este caso, el objetivo es reequilibrar la arquitectura para cargas habituales de HPC y computación científica, en lugar de priorizar únicamente el rendimiento en inteligencia artificial.

Ese enfoque puede ser relevante para equipos que ejecutan modelos numéricos de sistemas físicos o químicos. Por ejemplo, una simulación hipotética de las propiedades de una molécula puede exigir repetir operaciones matemáticas sobre grandes conjuntos de datos. Una GPU especializada puede acelerar parte de ese trabajo, pero el resultado real también depende del algoritmo, del software y de cómo se distribuye el cálculo entre procesadores.

La cifra de más de 50.000 núcleos CUDA da una idea de la escala del chip, pero no permite por sí sola anticipar cuánto tardará una simulación. CUDA es la plataforma de NVIDIA para ejecutar cálculo paralelo en sus GPU; el rendimiento final depende asimismo de factores como la precisión admitida, la memoria disponible y su ancho de banda. NVIDIA no ha comunicado todavía la capacidad de memoria, el ancho de banda ni el rendimiento máximo de Rubin HPC.

La precisión FP64, una diferencia clave frente a la IA

Una de las tensiones técnicas del sector es que los aceleradores diseñados para inteligencia artificial suelen priorizar operaciones de menor precisión, que permiten procesar más datos en determinados modelos. Para muchas aplicaciones científicas, sin embargo, importa el rendimiento en FP64 nativo: operaciones realizadas directamente con números de doble precisión, en vez de aproximarlas mediante otros formatos.

El artículo de The Register recuerda que algunos aceleradores recientes de NVIDIA habían reducido el énfasis en el cálculo matricial FP64 frente a las operaciones de menor precisión. Al presentar Rubin, la empresa había defendido que una mayor relación entre ancho de banda de memoria y capacidad de cálculo podía beneficiar cargas dispersas y vectoriales. Para cálculos matriciales densos, también había planteado una técnica de emulación de FP64 que descompone esas operaciones en secuencias de otras operaciones ejecutadas en los núcleos tensoriales.

Según la información atribuida a NVIDIA, Rubin puede alcanzar hasta 200 teraflops de operaciones matriciales FP64 emuladas. La emulación no equivale automáticamente a rendimiento nativo en cualquier aplicación: su utilidad depende de que el problema y el software puedan aprovechar esa técnica. La compañía también indicó que su hardware HPC ofrecerá rendimiento matricial FP64 nativo, por lo que los usuarios no tendrían que depender exclusivamente de la emulación. No se han detallado cifras para esa capacidad en Rubin HPC.

En cuanto al cálculo vectorial, The Register estima que el chip podría superar los 53.000 núcleos CUDA y ofrecer, como mínimo, un 86 % más de rendimiento vectorial en doble precisión. Esa cifra es una estimación del medio, no una especificación confirmada por NVIDIA. La distinción es importante para comparar productos: los núcleos CUDA y las cifras teóricas no sustituyen a pruebas con las aplicaciones científicas concretas que utiliza cada centro.

Una competencia también dirigida a la memoria y al rendimiento FP64

Rubin HPC llega a un mercado en el que AMD también prepara aceleradores específicos para computación científica. The Register cita la Instinct MI430X, con especificaciones anunciadas de 432 GB de memoria HBM4, 23 TB/s de ancho de banda y 288 teraflops de rendimiento máximo FP64. Son datos atribuidos a AMD y no una comparación medida en condiciones idénticas con Rubin HPC, cuyas cifras equivalentes aún no se han publicado.

Para responsables de centros de cálculo y empresas que investigan materiales, moléculas o procesos de ingeniería, la noticia abre una posibilidad futura, no una decisión de compra inmediata. La llegada está prevista para 2028 y aún faltan datos esenciales para evaluar coste, consumo, memoria y rendimiento según la carga. También será necesario comprobar qué programas científicos aprovechan el hardware y cómo se integra en los sistemas existentes.

Por ahora, el anuncio confirma que NVIDIA prepara una rama de Rubin dirigida expresamente a HPC. Su valor se medirá menos por el recuento de núcleos que por la combinación de rendimiento FP64 nativo, ancho de banda, capacidad de memoria y resultados en las simulaciones que realmente ejecuten los investigadores.

Blogs de tecnología Similares

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *