NVIDIA anunció en la conferencia de supercómputo SC26 una nueva GPU llamada Rubin HPC, pensada para simulación científica, ingeniería y análisis de datos más que para entrenar modelos de IA. Tendrá más de 50,000 núcleos CUDA, unas tres veces los del H100, trabajará con números desde FP64 hasta FP4 y llegará en 2028. La empresa no dio la cifra que más esperan los laboratorios: cuánto rendimiento tendrá en FP64.
HPC son las siglas en inglés de cómputo de alto rendimiento: las supercomputadoras que simulan el clima, el plegamiento de proteínas, el choque de un auto o una explosión nuclear. Esas simulaciones hacen miles de millones de cuentas encadenadas, y un error pequeño en cada una se acumula hasta arruinar el resultado. Por eso usan FP64, números de 64 bits que guardan entre 15 y 16 cifras exactas. La IA, en cambio, tolera números mucho más burdos: los modelos se usan con FP8 o FP4, de 8 y 4 bits, que caben más en cada chip y se calculan mucho más rápido. En los últimos años, NVIDIA llenó sus GPU de circuitos para esos números pequeños, y el FP64 se fue quedando atrás.
Claves del anuncio de Rubin HPC
- Una variante de Rubin. Rubin es la generación de GPU que NVIDIA empezó a entregar este año para centros de datos de IA, dentro de su plataforma Vera Rubin. «Seguimos dentro de la plataforma Rubin, pero estamos construyendo variantes para enfocarnos en un subdominio específico de aplicaciones», explicó Dan Ernst, director sénior de supercómputo de NVIDIA, a The Register. Rubin HPC es la versión para ciencia.
- Más de 50,000 núcleos CUDA. Es la mayor cantidad que NVIDIA ha puesto en una sola GPU, según la empresa, y unas tres veces la del H100, de la generación Hopper. Los núcleos CUDA son las unidades que hacen cuentas generales, las que más usan los programas de simulación.
- De FP64 a FP4. Trabajará con todos los formatos, desde los de 64 bits de la ciencia hasta los de 4 bits de la IA. Ernst dijo que tendrá FP64 nativo para matrices, es decir, en el propio hardware, para que los clientes no dependan solo de la emulación por software.
- Pensada para mover datos. Incluye aceleración para datos dispersos, tablas enormes donde casi todos los valores son cero, muy comunes en ingeniería. NVIDIA dice que diseñó el chip para escalar el movimiento de datos al mismo ritmo que el cálculo, y menciona operaciones típicas de simulación como matrices dispersas, ordenamientos y reducciones. Se conectará con otras GPU por NVLink de séptima generación.
- Agentes de IA que corren simulaciones. NVIDIA la presenta como la GPU para los agentes de IA que usan los científicos. «Para los agentes que trabajan en ciencia e ingeniería, una simulación más rápida significa un descubrimiento más rápido», dijo Ian Buck, vicepresidente de cómputo de alto rendimiento de NVIDIA.
- Lo que no dijo. NVIDIA no publicó cuánto FP64 dará, cuánta memoria tendrá, cuánto consumirá ni su precio, y no nombró ninguna supercomputadora que vaya a usarla.
- También en SC26: CPU Vera para supercómputo. NVIDIA anunció racks con 192 procesadores Vera, de Dell, HPE, Lenovo y Supermicro, desde inicios de 2027. El centro alemán de cómputo climático DKRZ los eligió para su supercomputadora HLRE-5, que espera tener a inicios de 2028.
Por qué NVIDIA vuelve a mirar al FP64
Las cifras de las generaciones recientes explican el anuncio. Según The Register, la Blackwell Ultra (B300) da 15 petaflops en FP4, pero apenas 1.3 teraflops en FP64. La Rubin para IA sube a 33 teraflops en FP64 nativo, menos que el H100 de hace cuatro años. Para compensar, NVIDIA apuesta por la emulación: un método matemático, derivado del esquema Ozaki, que reparte cada cuenta de 64 bits en varias cuentas pequeñas que los Tensor Cores hacen muy rápido. Con eso, NVIDIA dice que Rubin llega hasta 200 teraflops de FP64 emulado en operaciones con matrices. Funciona bien en algunos programas, pero no en todos, y muchos centros de supercómputo prefieren tener el FP64 en el hardware.
AMD tomó ese camino. Su Instinct MI430X, la versión para supercómputo de la serie MI400, promete 288 teraflops de FP64 nativo y 432 GB de memoria HBM4, sin depender de la emulación, y sus primeros envíos están previstos para inicios de 2027. AMD asegura que supercomputadoras como Discovery, del Laboratorio Nacional de Oak Ridge, o Alice Recoque, de Europa, ganarían mucho rendimiento con ella. Con Rubin HPC, NVIDIA responde con un chip propio para ese mercado, aunque un año después y sin cifras para comparar.
Para la ciencia es una buena señal: el negocio de la IA llevó a los fabricantes a recortar justo la precisión que necesitan las simulaciones, y ahora los dos grandes vuelven a ofrecer chips pensados para ellas. Faltan más de dos años para que Rubin HPC llegue, y hasta que NVIDIA publique su FP64, su memoria y su consumo no se sabrá si alcanza al MI430X ni cuánto costará una supercomputadora con ella.
Fuente: NVIDIA (16 de noviembre de 2026); detalles de Ian Buck en el blog de NVIDIA sobre SC26 y racks Vera en la nota de prensa de NVIDIA; declaraciones de Dan Ernst y cifras de FP64 según The Register; fecha del MI430X según TechRadar.
