Nvidia hat am 16. November auf der Supercomputing-Konferenz SC26 die GPU Rubin HPC vorgestellt, die mit mehr als 50.000 CUDA-Kernen mehr Rechenkerne enthält als jeder andere Nvidia-Chip.[1] Laut Nvidia soll sie 2028 erscheinen und Simulationen und Datenanalysen in Wissenschaft und Ingenieurwesen beschleunigen.[1] Stand: Dienstag, 17. November 2026, 9:00 Uhr.
Ein Klick · kostenlosDr. Web bei Google bevorzugenMarkieren Sie drweb.de als bevorzugte Quelle. Dann sehen Sie unsere Artikel öfter unter den Top-Meldungen.Jetzt hinzufügenInhalt 4 Abschnitte
Offen ist, wie schnell der Chip rechnet. Weder zum Speicher noch zur Rechenleistung bei 64-Bit-Genauigkeit (FP64) nennt Nvidia in der Ankündigung Zahlen.[2]
Das Wichtigste in Kürze
Was unterscheidet Rubin HPC von der aktuellen Rubin?

Mit Rubin HPC erweitert Nvidia seine Vera-Rubin-Plattform um eine GPU für Simulation und Datenverarbeitung. Auf einer einzelnen GPU sitzen mehr als 50.000 CUDA-Kerne.[1] Die aktuelle Rubin kommt laut Tom’s Hardware auf 224 Multiprozessoren und 28.672 Kerne.[2] Das sind mindestens 74 % mehr Kerne (Rechnung der Redaktion). Wie Nvidia die Kerne auf Chiplets verteilt, hat der Konzern nicht veröffentlicht. Tom’s Hardware vermutet einen Aufbau aus vier Chiplets wie bei der geplanten Rubin Ultra.[2]
Damit die Kerne nicht auf Daten warten, setzt Nvidia auf NVLink der siebten Generation und auf eine Beschleunigung für dünn besetzte Daten.[1] Gemeint sind Datensätze, in denen die meisten Werte null sind, wie sie in Simulationen häufig vorkommen (Einordnung der Redaktion). Nvidia nennt das ein ausgewogenes Design, bei dem Datentransfer und Rechenleistung gemeinsam wachsen.[1] Ian Buck, Vizepräsident für Hyperscale und Hochleistungsrechnen bei Nvidia, sagt: „Für Agenten, die Probleme in Wissenschaft und Ingenieurwesen lösen, bedeutet schnellere Simulation schnellere Erkenntnisse.“[1]
Warum ist bei Simulationen die FP64-Leistung wichtig?
Klimamodelle und Strömungssimulationen rechnen meist mit 64-Bit-Zahlen, weil sich Rundungsfehler über Millionen Rechenschritte aufschaukeln (Einordnung der Redaktion). KI-Modelle kommen dagegen oft mit 16 Bit oder weniger aus, und Chips für KI-Rechenzentren sind entsprechend auf niedrige Genauigkeit ausgelegt. Ob Rubin HPC das ändert, hat Nvidia nicht gesagt. Laut Tom’s Hardware stellen AMD und Intel auf derselben Konferenz die FP64-Leistung heraus.[2]
Auch zum Speicher fehlen Angaben. Dabei ist Speicher ein Kostentreiber, wie die Chipflation bei Arbeitsspeicher zeigt. Wie groß die Nachfrage nach Nvidia-Chips ist, zeigt Musks Plan für Colossus 2. Google dagegen setzt mit TPU 8tx und TPU 8i Max auf eigene Chips.
Nvidia nennt die Kernzahl, aber noch nicht die FP64-Leistung. Für Simulationen ist genau diese Zahl entscheidend.
Markus Seyfferth, Chefredakteur Dr. Web
Was bedeutet das für Rechenzentren im DACH-Raum?
Rubin HPC kommt später als die Systeme, die in Deutschland derzeit in Planung sind. Das Leibniz-Rechenzentrum in Garching baut seinen Supercomputer Blue Lion auf Nvidias Vera-Rubin-Plattform und erwartet eine rund 30-mal so hohe Leistung wie beim SuperMUC-NG.[3] Das HLRS in Stuttgart setzt bei Herder auf AMD Instinct MI430X mit je 432 GB HBM4 und erwartet mehr als die siebenfache Leistung des Vorgängers Hunter. Die Lieferung ist für die zweite Hälfte 2027 geplant.[4] Ob und wann deutsche Zentren Rubin HPC einsetzen, ist offen.
Beschaffer und Forschungsgruppen sollten ihre Rechenläufe nach dem FP64-Anteil einordnen, bevor sie 2028 fest einplanen. In jede Ausschreibung gehören verbindliche FP64- und Speicherwerte, solange Nvidia sie nicht veröffentlicht hat. Anbieter für gemietete Rechenzeit finden Sie im GPU-Server-Vergleich. Bis zur Markteinführung 2028 liegt von Rubin HPC nur die Ankündigung vor.
Quellen
4 Quellen anzeigenQuellen ausblenden
Mehr Newshunger?
- Google stellt TPU 8tx und TPU 8i Max vor
- Nvidia stellt britischen KI-Forschern Rechenzeit im Wert von 218 Millionen Euro bereit
- Musk plant für Colossus 2 dreimal so viele KI-Chips wie die EU für vier Gigafabriken
- Die Chipflation macht Arbeitsspeicher fünfmal so teuer
- Nvidia bringt native GPU-Programmierung in Rust
- AMD Geschäftsmodell: Wie verdient der ewige Zweite?
- Nvidia Geschäftsmodell 2026: Trägt die KI-Wette noch?
