W poniedziałek Nvidia zaprezentowała Rubin — nową platformę do trenowania i uruchamiania modeli sztucznej inteligencji, informuje sport-tour.pl, powołując się na calcalistech.com. Firma twierdzi, że rozwiązanie pozwala znacząco ograniczyć koszty obliczeniowe zarówno na etapie trenowania modeli, jak i wnioskowania. Dla branży, w której zapotrzebowanie na moc obliczeniową rośnie z miesiąca na miesiąc, może to być moment przełomowy.
Czym jest platforma Rubin i jak została zaprojektowana
Rubin to nie pojedynczy chip, lecz kompletna platforma obliczeniowa złożona z sześciu ściśle zintegrowanych komponentów. Nvidia opisuje ją jako kompaktowy superkomputer AI, w którym wszystkie elementy działają jak jeden organizm. Rdzeń systemu stanowi nowy procesor sztucznej inteligencji Rubin, uzupełniony o procesor centralny Vera.
Oprócz tego platforma obejmuje jednostkę przetwarzania danych (DPU) oraz trzy wyspecjalizowane układy komunikacyjne. Taka konfiguracja pozwala ograniczyć opóźnienia między komponentami i efektywniej rozdzielać obciążenia podczas trenowania dużych modeli.
Izraelski ślad w nowej architekturze Nvidii
Istotna część prac nad Rubin była związana z zespołami inżynieryjnymi Nvidii w Izraelu. To tam powstawały lub były dopracowywane kluczowe elementy platformy — nie tylko rozwiązania sieciowe, ale także komponenty odpowiadające za wewnętrzną komunikację między chipami.
W skład systemu wchodzą m.in. Nvidia BlueField-4 DPU oraz komponenty sieciowe ConnectX-9 SuperNIC, NVLink 6 i Ethernet Spectrum-6. Wszystkie zostały opracowane w Izraelu i zoptymalizowane do pracy z dużymi klastrami AI.
Więcej Przeczytaj
Dlaczego Rubin pojawia się właśnie teraz
Założyciel i dyrektor generalny Nvidii Jensen Huang tłumaczy premierę platformy gwałtownym wzrostem zapotrzebowania na obliczenia dla sztucznej inteligencji. Chodzi nie tylko o trenowanie modeli, ale także o wnioskowanie, które w dużych systemach staje się coraz droższe.
Jak podkreśla, Rubin jest efektem corocznego cyklu aktualizacji superkomputerów AI Nvidii oraz głębokiej optymalizacji na poziomie sprzętu i oprogramowania. Firma pozycjonuje platformę jako krok w stronę kolejnego etapu rozwoju sztucznej inteligencji, w którym efektywność ma znaczenie równie duże jak „surowa” moc obliczeniowa.
Nazwa z naukowym kontekstem
Platforma została nazwana na cześć Very Rubin — żydowsko-amerykańskiej astronomki, której badania dynamiki galaktyk odegrały kluczową rolę w odkryciu ciemnej materii. Dla Nvidii to kontynuacja tradycji nadawania architekturom nazw naukowców, którzy zmienili sposób postrzegania świata.
Więcej Przeczytaj
W firmie podkreślają, że wybór nazwy ma wymiar symboliczny: Rubin ma pomóc „zobaczyć więcej” — tym razem w świecie złożonych modeli AI i ogromnych zbiorów danych.
O ile Rubin jest szybszy od poprzedniej generacji
Według danych Nvidii platforma Rubin wyraźnie przewyższa rozwiązania poprzedniej generacji Blackwell. W szczególności umożliwia trenowanie modeli typu Mixture of Experts przy użyciu czterokrotnie mniejszej liczby chipów AI. Ma to bezpośredni wpływ na koszty infrastruktury oraz zużycie energii.
Jeszcze większy efekt widać na etapie wnioskowania. Firma deklaruje obniżenie tych kosztów nawet o 90%, co może radykalnie zmienić ekonomię dużych usług AI i rozwiązań korporacyjnych.
Jak Rubin oceniają partnerzy Nvidii
Dyrektor generalny OpenAI Sam Altman podkreśla, że rozwój sztucznej inteligencji jest bezpośrednio uzależniony od możliwości obliczeniowych. Im więcej dostępnych zasobów, tym bardziej złożone zadania mogą rozwiązywać modele i tym szersze jest ich praktyczne zastosowanie.
Z kolei szef Anthropic Dario Amodei zwraca uwagę na aspekt infrastrukturalny. Podkreśla, że zwiększenie efektywności platform takich jak Rubin pozwala pracować z dłuższym kontekstem, uzyskiwać stabilniejsze wyniki oraz rozwijać badania nad bezpieczeństwem AI bez gwałtownego wzrostu kosztów.
Kiedy platforma trafi na rynek
Nvidia spodziewa się, że systemy oparte na Rubin będą dostępne dla klientów korporacyjnych w drugiej połowie 2026 roku. Wtedy firmy będą mogły ocenić, w jakim stopniu nowa platforma zmienia podejście do skalowania sztucznej inteligencji. Dla wielu graczy rynkowych może to być czynnik decydujący przy wyborze przyszłej infrastruktury.
Więcej Przeczytaj
Równolegle do zmian w infrastrukturze AI rynek sprzętu konsumenckiego reaguje napięciami cenowymi — NVIDIA i AMD mogą gwałtownie podnieść ceny kart graficznych nawet o 150%.
