Le 16 novembre 2026, NVIDIA a annoncé Rubin HPC lors de la conférence de supercalcul SC26 à Chicago : un nouveau GPU de la plateforme Vera Rubin, avec plus de 50 000 cœurs CUDA sur une seule carte, conçu spécifiquement pour la simulation en science, en ingénierie et en analyse de données. La disponibilité est attendue en 2028.
À qui servent les 50 000 cœurs : les agents proposent, la simulation trie
Rubin HPC se positionne différemment de la puce Rubin qui entraîne les grands modèles : il vise un flux de travail où les agents proposent des candidats — nouveaux matériaux, molécules, designs — et où la simulation GPU vérifie lesquels méritent d'être testés en laboratoire. Au-delà du nombre de cœurs, NVIDIA l'a doté d'une accélération des données éparses, pour que des données dispersées suivent le rythme de consommation des cœurs, et de NVLink de septième génération pour la connexion entre GPU. Ian Buck, vice-président hyperscale et HPC de NVIDIA, le présente comme la réponse au goulot d'étranglement qui apparaît une fois que les agents ont proposé une expérience : la puissance de calcul pour la tester. Lors de la même conférence, NVIDIA a aussi étendu ses bibliothèques CUDA-X à l'usage des agents IA.
Les chiffres non publiés comptent tout autant
NVIDIA n'a donné ni capacité ni type de mémoire, ni consommation électrique, ni performance en double précision, ni prix, et n'a nommé aucun partenaire ni client de lancement. À titre de comparaison, le GPU Rubin actuel compte 28 672 cœurs CUDA — Rubin HPC en a presque le double — mais davantage de cœurs ne signifie pas automatiquement des simulations plus rapides : les charges éparses dépendent davantage de la bande passante mémoire, et c'est précisément la partie non divulguée. Une livraison en 2028 fait aussi de cette annonce une présentation deux ans à l'avance, avec des chiffres clés encore manquants pour toute décision d'achat.
Rubin HPC et le triomphe de Vera Rubin aux benchmarks d'entraînement MLPerf sont les deux faces d'une même plateforme — Vera Rubin balaie le classement MLPerf d'entraînement dès ses débuts : performance par carte doublée, efficacité d'échelle proche de 97 % : un côté entraîne de grands modèles, l'autre fait tourner des simulations pour des agents de recherche. Le message de NVIDIA est que la même génération de puces doit à la fois porter les usines d'IA et capter la prochaine vague du calcul scientifique.