# NVIDIA на SC26: анонс Rubin HPC, процессора Vera и агентов для науки

Источник: https://www.youtube.com/watch?v=uJG53ligJt4
Канал: NVIDIA
Опубликовано: 18.11.2026

---

Научные вычисления вступают в эпоху агентного искусственного интеллекта, где классическое математическое моделирование, квантовые алгоритмы и автономные ИИ-агенты объединяются в единый рабочий процесс. На конференции по суперкомпьютерам SC26 вице-президент NVIDIA по гиперскейлерам и высокопроизводительным вычислениям (HPC) Иэн Бак представил стратегическое видение компании и серию анонсов: от специализированного ускорителя Rubin HPC и открытой платформы Nemotron for Science до оптических коммутаторов CPO и настольных суперкомпьютеров DGX Spark.

## 🕰️ От GeForce 8800 до суперкомпьютеров: два десятилетия революции CUDA
[[JUMP:03:15]]

Выступление на конференции SC26 Иэн Бак начал с исторической ретроспективы, напомнив, что посещает отраслевой форум уже три десятилетия [03:44]. Именно двадцать лет назад, на суперкомпьютерной конференции 2006 года в городе Тампа (штат Флорида), Бак провел небольшой обучающий семинар, где впервые публично представил архитектуру CUDA [04:41].

В то время разработка стартовала на базе видеокарты GeForce 8800 GTX [04:55]. Главная идея команды заключалась в том, чтобы перенести язык программирования C на графический процессор с минимальными изменениями синтаксиса и помочь сообществу исследователей ускорить расчеты [05:07]. По словам Бака, уже тогда компания заявляла о приросте производительности в 10–100 раз [05:07].

Эволюция экосистемы за двадцать лет прошла несколько фундаментальных этапов:

*   **2006–2011 годы:** формирование базового математического фундамента — создание библиотек cuBLAS, cuFFT, OptiX, cuSPARSE и перенос базовой библиотеки `math.h` на GPU [05:31].
*   **2011–2016 годы:** зарождение эры глубокого обучения — появление библиотеки cuDNN, а также инструментов для решения разреженных систем, таких как AMGX [05:44].
*   **2016–2021 годы:** экспансия в геномику, анализ данных (Data Science) и работу с тензорными сетями [06:08].
*   **Текущий этап:** квантовые вычисления, вычислительная литография, создание цифровых двойников, климатическое прогнозирование и разработка лекарств [06:21].

На сегодняшний день библиотеки семейства CUDA-X преодолели отметку в 1,2 млрд загрузок [06:49]. По оценкам NVIDIA, платформа объединяет свыше 11 млн разработчиков и включает более 1000 специализированных пакетов программного обеспечения (SDK) [07:02].

## 🧊 Локальные вычисления на краю Земли: проект IceCube и запуск DGX Spark
[[JUMP:07:40]]

Наглядным примером работы платформы Бак назвал нейтринную обсерваторию IceCube, расположенную на Южном полюсе [07:53]. Инструмент представляет собой гигатонный детектор, состоящий из более чем 5000 оптических модулей, погруженных в антарктический лед на глубину до 2,5 километров [09:40]. Обсерватория предназначена для поиска высокоэнергетических космических нейтрино, приходящих от блазаров — сверхмассивных черных дыр, выбрасывающих релятивистские струи частиц прямо в направлении Земли [08:33].

Поскольку нейтрино не имеют электрического заряда, они беспрепятственно проходят сквозь материю (сквозь тело человека ежесекундно пролетает порядка 100 трлн нейтрино) [09:13]. В толще прозрачного полярного льда астрофизики фиксируют редчайшие вспышки черенковского излучения, возникающие при прямом столкновении нейтрино с молекулами воды [09:27].

Главная инженерная проблема станции IceCube — колоссальный объем генерируемых данных:

*   Детектор вырабатывает около 1 терабайта информации ежедневно [10:37].
*   Каналы связи на Южном полюсе крайне ограничены, из-за чего передача терабайтов «сырых» данных в удаленные ЦОД практически невозможна [10:37].
*   Для первичной обработки и фильтрации сигнала на месте ученые применили компактные системы DGX Spark, по форм-фактору напоминающие миниатюрные рабочие станции Mac mini [10:22].

Прямо на антарктической станции ученые тестируют новые модели детекции нейтрино с помощью кластера из нескольких DGX Spark [10:52]. На конференции SC26 Бак объявил о выпуске специализированного пакета **HPC Toolkit for DGX Spark** [11:32]. Инструмент переносит вычислительную архитектуру Blackwell в настольный формат: система поддерживает стек MPI, позволяет локально обучать научные LLM, запускать симуляции и объединять настольные узлы в единый компактный суперкомпьютер прямо на рабочем столе [11:58].

## 🔬 От живых клеток до горизонта событий: премьеры библиотек CUDA-X
[[JUMP:12:38]]

В рамках расширения научного программного стека NVIDIA анонсировала и продемонстрировала работу ряда новых библиотек:

*   **cuOpt для пространственной биологии:** технология автоматической реконструкции клеточных структур, опробованная в Онкологическом центре имени Слоуна — Кеттеринга (MSKCC) [14:10]. При анализе образца ткани размером около 1 кв. см оптические микроскопы считывают флуоресцентные метки порядка 1,2 млрд нитей РНК внутри 700 000 клеток; алгоритмы CUDA-X восстанавливают трехмерную карту экспрессии генов всего за две секунды [13:18].
*   **Daiquiri для атомной микроскопии:** совместная разработка с Национальной лабораторией имени Лоуренса в Беркли [14:22]. Библиотека передает поток данных напрямую с датчиков микроскопа в память GPU, что превратило медленный анализ образцов в инструмент наблюдения за перемещением отдельных атомов кремния в реальном времени [14:48].
*   **cuPhoton для физики плазмы:** инструмент, используемый компанией Pacific Fusion для визуализации удержания плазмы в токамаках в реальном масштабе времени [15:28].
*   **cuPotential и Alchemy:** решения для молекулярного докинга и ускорения пакета VASP методами машинного обучения [15:41].

### Первый прямой взгляд на черную дыру
[[JUMP:15:54]]

Особое внимание Бак уделил проекту визуализации сверхмассивной черной дыры в центре галактики M87, расположенной в 55 млн световых лет от Земли и обладающей массой в 6,5 млрд солнечных [19:15]. 

В 2017 году восемь радиотелескопов Телескопа горизонта событий (EHT) по всему миру зафиксировали петабайты синхронизированных сигналов [16:35]. Физические жесткие диски свозились на самолетах, а первичная корреляция заняла годы [16:48]. Применение библиотеки **cuPhoton** на платформе Vera Rubin позволило кардинально изменить процесс:

*   Загрузка данных ускорилась до 3700 раз [17:54].
*   Корреляция сигналов ускорилась до 460 раз [17:54].
*   Потоковая обработка на частотах до 345 ГГц сократила месяцы суперкомпьютерных расчетов до нескольких минут, позволив в деталях разрешить кольца света вокруг черной дыры [18:06].

### Номинанты на премию Гордона Белла
[[JUMP:19:46]]

Бак также перечислил ключевые научные достижения года, претендующие на престижную суперкомпьютерную премию Гордона Белла:

1.  **Проект климатического ИИ:** Карлсруэский технологический институт (KIT) развернул байесовский трансформер со сдвинутым окном на 2,5 млрд параметров на суперкомпьютере JUPITER в Юлихе, достигнув производительности 4 эксафлопса [20:14].
2.  **Рекордное моделирование энзимов:** институт RIKEN смоделировал структуру фермента из 12 000 атомов, что в 40 раз превосходит предыдущий мировой рекорд в квантовой химии [20:26].
3.  **Эволюция Млечного Пути:** коллаборация RIKEN и AST на суперкомпьютере с 16 000 суперчипов Grace Hopper GH200 (производительность около 1 эксафлопса) запустила гравитационную симуляцию формирования нашей Галактики возрастом 4,5 млрд лет с беспрецедентной детализацией в 4,4 трлн частиц, подтверждающую распределение темной материи [20:42].

## ⚛️ Квантовый прорыв: устранение ошибок и партнерство с IBM
[[JUMP:22:31]]

Говоря о квантовых технологиях, вице-президент NVIDIA подчеркнул фундаментальную сложность создания отказоустойчивых квантовых компьютеров (FTQC) [24:19]. В отличие от классических полупроводниковых транзисторов, квантовые кубиты подвержены быстрому разрушению когерентности под воздействием тепловых и электромагнитных шумов [22:58].

По словам Бака, сегодня для создания всего одного научно значимого логического кубита требуется объединить около 100 физических кубитов и выполнить сотни тысяч вспомогательных операций [23:10]. Фактически сегодняшние квантовые машины эквивалентны «однобитному полезному компьютеру», а главной задачей индустрии остается масштабирование до сотен и тысяч логических кубитов [23:37].

На суперкомпьютере JUPITER ученые создали цифровой двойник квантовой вычислительной системы на базе более чем 8000 GPU NVIDIA [24:46]. Симуляция доказала эффективность алгоритма так называемой «дистилляции магических состояний» (magic state cultivation), который сократил необходимое количество физических операций для одного логического шага в 10 раз [25:25]. Наработка уже интегрирована в платформу CUDAQ [25:37].

Одновременно NVIDIA объявила о технологическом партнерстве с корпорацией IBM и Национальной ускорительной лабораторией имени Энрико Ферми (Fermilab) [26:21]:

*   Суперкомпьютерные узлы DGX B200 подключаются напрямую к криостатам квантового процессора IBM Nighthawk (квантовая система IBM Quantum System Two) [26:47].
*   Цель альянса — снизить задержку обработки ошибок квантовой коррекции (QEC) в реальном времени с 300 микросекунд до целевых 10 микросекунд [27:26].
*   Новые декодеры CUDA на базе траекторной калибровки правдоподобия (trajectory calibrated belief propagation) и лучевого поиска (beam search) сократили анализ результатов квантовых экспериментов с 12 недель до 45 минут [28:06].

## 🤖 Агентный ИИ: платформа Nemotron for Science и автоматизация лабораторий
[[JUMP:28:32]]

Иэн Бак отметил взрывной рост упоминаний агентных систем в архивах научных публикаций [28:32]. Агентный ИИ кардинально меняет взаимодействие исследователя с научным оборудованием: автономная система берет на себя формирование гипотез, настройку параметров симуляций, парсинг логов и исправление ошибок [29:11].

Главный программный анонс презентации — инициатива **Nemotron for Science** [30:05]. Семейство моделей Nemotron разрабатывается NVIDIA совместно с Linux Foundation [30:31]. Модель распространяется по полностью открытой коммерческой лицензии: она не требует роялти, разрешает ребрендинг, развертывается 100% локально (on-premises) на собственных мощностях заказчика и гарантирует конфиденциальность закрытых исследовательских данных [30:45]. В то время как версия Nemotron 3 уже доступна, компания ведет обучение следующего поколения — Nemotron 4 [31:10].

Бак привел реальные примеры работы автономных ИИ-агентов в научной среде:

*   **Аргоннская национальная лаборатория:** агентная система автономно провела поиск молекулярных связующих (биндеров) для рецептора EGFR человека и мыши [32:03]. Агент самостоятельно выдвигал гипотезы, запускал целевые симуляции, анализировал выходные файлы, создавал вспомогательные подагенты и в итоге успешно идентифицировал два новых сайта связывания [32:41].
*   **Оптимизация GROMACS:** классический пакет молекулярной динамики содержит свыше 500 конфигурационных параметров, из-за чего ученые часто публикуют статьи с субоптимальными настройками [33:34]. Специализированный ИИ-агент, запущенный на DGX Spark, анализирует файл конфигурации, тестирует его в изолированной среде (sandbox) и автоматически устраняет ошибки, обеспечивая 5-кратный прирост скорости моделирования [34:11].
*   **Институт SETI:** массив из 42 радиотелескопов Allen Telescope Array переведен на полностью агентное управление [34:38]. По простой текстовой команде «построить линию излучения метанола для галактики NGC 869» агент самостоятельно наводит антенны, вычисляет сложный доплеровский сдвиг объекта, движущегося со скоростью миллионов километров в час, калибрует частоту и выдает точный график спектра [35:02].
*   **NVIDIA Nsight AI Porting Agent:** агентный инструмент для автоматического переноса устаревшего суперкомпьютерного кода (legacy code) на графические процессоры [36:07]. В ходе тестов на фрагменте метеорологической модели WRF агент затратил 150 млн токенов и добился ускорения критической подпрограммы более чем в 5 раз [36:34].

## ⚡ Аппаратные премьеры: процессор Vera и ускоритель Rubin HPC
[[JUMP:37:01]]

Появление агентных контуров выдвинуло новые требования к архитектуре суперкомпьютеров: вызовы инструментов (tool calling), выполнение управляющего кода и валидация данных создают колоссальную нагрузку на центральные процессоры [37:13]. Для сбалансированной работы NVIDIA разработала связку GPU Rubin с новым фирменным процессором Vera CPU [37:27].

Бак сообщил о строительстве нового европейского суперкомпьютера в Немецком климатическом вычислительном центре (DKRZ) на базе процессоров Vera [38:08]:

*   Система удваивает производительность моделирования климата по сравнению с текущим кластером x86 [38:20].
*   Энергопотребление новой системы снижено в четыре раза [38:20].
*   По данным тестов NVIDIA, двухсокетный сервер Vera с 3 ТБ памяти демонстрирует преимущество над современными серверными чипами x86 от 1,5 до 2,5 раз в классических задачах и свыше 4 раз в задачах обработки агентных пайплайнов [39:14].

Главным аппаратным сюрпризом выступления стал анонс графического процессора **Rubin HPC** [42:11]. Это специализированная модификация архитектуры Rubin, ориентированная на фундаментальную науку, инженерное моделирование и масштабную аналитику [42:23].

Характеристики и особенности Rubin HPC:

*   Поддержка всего диапазона точности вычислений: от высокоточных научных FP64 до низкоразрядных форматов инференса FP4 [42:48].
*   Аппаратное ускорение работы с разреженными структурами данных (sparse data acceleration) для экономии циклов памяти [42:48].
*   Шина NVLink седьмого поколения [43:02].
*   Пересмотренное соотношение тензорных ядер и классических вычислительных блоков: количество CUDA-ядер выросло более чем вдвое по сравнению со стандартными версиями [43:15].
*   По числу ядер CUDA процессор Rubin HPC втрое превосходит поколение Hopper [43:54].

Поставка систем NVL72 на базе платформы Vera Rubin уже начинается, а специализированный чип Rubin HPC запланирован к выходу в 2028 году [44:22].

## 🌐 Оптические интерконнекты CPO: ликвидация сетевых заторов
[[JUMP:44:40]]

В завершение доклада Иэн Бак подчеркнул, что обучение передовых моделей масштаба Frontier требует сотен тысяч чипов, объединенных в гигантскую вычислительную фабрику, а современный инференс давно вышел за пределы одного сервера и даже стойки [45:07].

Традиционная медная и оптическая коммутация упирается в пределы по тепловыделению и надежности соединений. Ответом NVIDIA стала технология ко-упакованной оптики — **CPO (Co-Packaged Optics)** в сетевых коммутаторах семейства NVIDIA Photonics [45:50].

В новых коммутаторах оптические трансиверы интегрированы непосредственно на кремниевую подложку рядом с кристаллом сетевого процессора [45:50]. Лазерные излучатели вынесены в отдельные внешние заменяемые блоки («черные ящики»), которые работают непрерывно [46:18]. 

Преимущества архитектуры CPO Photonics:

*   Снижение сетевых задержек и существенная экономия электроэнергии [46:31].
*   Рост надежности: частота битовых ошибок (bit errors) и сбоев соединений (link flaps) снизилась в 15 раз по сравнению с традиционными решениями [46:31].
*   Первый в мире масштабный кластер на базе коммутаторов NVIDIA CPO уже развернут у облачного провайдера Lambda [46:43].

Подводя итог, Бак резюмировал, что стек научных вычислений будущего окончательно оформился: он опирается на симбиоз численного моделирования, генеративного ИИ, квантовой логики и полностью агентного контура управления [47:34].