בכנס SC26 מציגה NVIDIA את Rubin HPC ל-2028, מערכת Vera עם 192 מעבדים וטכנולוגיית תקשורת שפותחה בישראל, בזמן שהחברה מנסה להמשיך הלאה בלי המייסד
במשך יותר משלושה עשורים ג'נסן הואנג היה הפנים של NVIDIA. האיש עם מעיל העור שהפך השקות מעבדים לאירועי ענק כבר לא עומד בראש החברה, אבל לוח הזמנים של המהנדסים לא נעצר. ארבעה ימים לאחר ההודעה הרשמית על התפטרותו, NVIDIA מציגה בכנס SC26 בשיקגו שורה של מוצרים חדשים, ובראשם מעבד גרפי עם יותר מ-50 אלף ליבות CUDA ומערכת מחשוב שמאגדת 192 מעבדים בארון שרתים אחד.
ההכרזות מגיעות בתקופה רגישה עבור יצרנית השבבים. הואנג התפטר מתפקיד המנכ"ל ומהדירקטוריון בעקבות פרשה אישית ובדיקה של קשרים שעוררו חששות ביטחוניים. סמנכ"לית הכספים הוותיקה קולט קרס (Colette Kress) מונתה למנכ"לית זמנית, והחברה החלה לחפש מחליף קבוע. בזמן שהמשקיעים מחכים לשמוע כיצד תיראה NVIDIA בלעדיו, החברה בחרה להזכיר מה עומד בבסיס עסקיה: שבבים, תוכנה ותשתיות מחשוב שקשה מאוד להחליף.
יותר ליבות, פחות זמן המתנה לנתונים
ההכרזה המרכזית היא Rubin HPC, מעבד גרפי חדש שמיועד למחשוב עתיר ביצועים (HPC), ולא לאימון מודלי שפה בלבד. הוא מצטרף למשפחת Vera Rubin הקיימת, אבל מתמקד בעומסי עבודה מדעיים והנדסיים, כמו הדמיות אקלים, חקר מולקולות, ניתוח נתונים גנומיים וחישובים פיננסיים מורכבים. NVIDIA מאשרת שהוא יכיל יותר מ-50 אלף ליבות CUDA במעבד גרפי יחיד, מספר גבוה במיוחד שמיועד לאפשר ביצוע מקבילי של כמויות גדולות של פעולות חישוב.

אלא שהמספר המרשים הזה הוא רק חלק מהעניין. במחשוב מדעי, הבעיה אינה תמיד כמה פעולות המעבד מסוגל לבצע בשנייה, אלא כמה מהר אפשר להביא אליו את הנתונים הדרושים. סימולציה של זרימת אוויר, למשל, עשויה לדרוש גישה חוזרת למיליוני ערכים שמפוזרים במקומות שונים בזיכרון. ליבות חישוב מהירות במיוחד לא יעזרו הרבה אם הן מבלות חלק ניכר מהזמן בהמתנה למידע.
כאן נכנס לתמונה מנגנון האצה ייעודי למבני נתונים דלילים (Sparse Data), שבהם רוב הערכים הם אפס או אינם מכילים מידע שימושי. Rubin HPC מיועד לייעל פעולות על מטריצות דלילות, חישובי Stencil שבהם כל נקודה תלויה בשכנותיה, מיון ופעולות Reduction שמרכזות נתונים רבים לתוצאה משותפת. הרעיון הוא לשפר את ניצול יחידות החישוב במקום להסתפק בהוספת ליבות.
NVIDIA משלבת במעבד גם את הדור השביעי של NVLink, טכנולוגיית התקשורת המהירה בין מעבדים גרפיים. מדובר בדור חדש יותר מזה שמשרת את מערכות Vera Rubin הנוכחיות, המשתמשות ב-NVLink 6. עבור סימולציות שמחולקות בין מעבדים רבים, רוחב הפס והשהיית התקשורת עשויים להיות חשובים לא פחות מביצועי השבב הבודד.
אבל יש פרט שמחזיר את ההכרזה לקרקע: Rubin HPC צפוי להגיע לשוק רק ב-2028. NVIDIA עדיין לא פרסמה נתוני ביצועים מלאים של המעבד החדש מול פתרונות קיימים. בשלב הזה מדובר בהצגת הכיוון הטכנולוגי, לא במוצר שמרכזי מחשוב יכולים להזמין מחר בבוקר.
ארון שרתים אחד, 192 מעבדים וקשר ישראלי
אם Rubin HPC הוא ההבטחה לטווח הרחוק, ההכרזה על Vera CPU כבר קרובה יותר לשוק. מעבד Vera עצמו הוצג מוקדם יותר ב-2026 ואף החל להגיע ללקוחות, אבל כעת NVIDIA מרחיבה את השימוש בו למערכות HPC שמבוססות על מעבדים מרכזיים, ללא תלות בכך שכל משימה תואץ באמצעות GPU.

המערכת החדשה משלבת 192 מעבדי Vera, כשכל אחד מהם מכיל 88 ליבות Olympus ויכול להפעיל 176 נימים במקביל. מדובר בליבות ARM שפותחו במיוחד עבור NVIDIA, עם דגש על ביצועים, יעילות אנרגטית וגישה מהירה לזיכרון. כל מעבד תומך בזיכרון LPDDR5X בתצורת SOCAMM2 עם רוחב פס של עד 1.2 טרה-בייט לשנייה.
בסך הכול, ארון שרתים יחיד מכיל כ-300 טרה-בייט של זיכרון, פטה-בייט אחד של אחסון ורוחב פס מצטבר לזיכרון שעולה על 200 טרה-בייט לשנייה. המערכת משתמשת בקירור נוזלי ומבוססת על תשתית MGX המודולרית של החברה.
החיבור בין כל המעבדים מתבצע באמצעות Quantum-X800 InfiniBand, וכאן נכנסת ישראל לתמונה. פלטפורמת התקשורת הזאת פותחה במרכזי המו"פ של NVIDIA בישראל, בין היתר ביקנעם, והיא ממשיכה את קו מוצרי הרשת שמקורו במלאנוקס. Quantum-X800 תומכת בקישורים של עד 800 גיגה-ביט לשנייה, ומשלבת מנגנוני עיבוד בתוך הרשת עצמה.
אחד מהם הוא SHARP, שמאפשר לבצע פעולות צבירה על נתונים בתוך תשתית התקשורת, במקום לשלוח את כל המידע הלוך ושוב בין המעבדים. במערכות שבהן אלפי ליבות צריכות לתאם תוצאות ביניים, ההפחתה הזאת בתעבורה יכולה לחסוך זמן חישוב משמעותי.
לפי בדיקות פנימיות של NVIDIA, מעבדי Vera סיפקו ביצועים גבוהים פי 1.9 ממערכות x86 בהדמיית זרימת האוויר OpenFOAM motorBike Large, לצד שיפור של פי 2.4 בביצועים לוואט. בבדיקות של מודל חיזוי מזג האוויר WRF החברה צופה שיפור ביצועים של פי 1.6 ויעילות אנרגטית כפולה.
המספרים בהחלט מעניינים, אך הם אינם מוכיחים שמעבדי Vera מהירים פי שניים ממעבדי Intel או AMD בכל משימה. מדובר בעומסי עבודה מוגדרים ובתצורות בדיקה שנבחרו על ידי NVIDIA, ועדיין נדרשת השוואה עצמאית רחבה יותר. ההבדל חשוב במיוחד במחשוב מדעי, שבו התאמת התוכנה לארכיטקטורת המעבד יכולה להשפיע על התוצאה לא פחות מהחומרה עצמה.
החברה כבר הודיעה כי Dell, HPE, Lenovo ו-Supermicro צפויות להציע מערכות Vera HPC בתחילת 2027. מרכז מחשוב האקלים הגרמני DKRZ בחר במעבדים האלה עבור מחשב העל HLRE-5, המתוכנן לפעול בתחילת 2028. התמיכה ב-Fortran, שפה ותיקה שעדיין נמצאת בשימוש נרחב בתוכנות מדעיות, מקבלת גם היא תשומת לב עם מהדר חדש בגרסת בטא. במילים אחרות, NVIDIA מבינה שלא מספיק לבנות מעבד טוב. צריך גם לגרום לתוכנות שנכתבו לפני עשרות שנים לעבוד עליו היטב.
ממעבדות כימיה ועד תיקון שגיאות קוונטיות
לצד החומרה, NVIDIA מציגה את Nemotron for Science, חבילת כלים שמיועדת להפוך מודלי AI לעוזרי מחקר המסוגלים לבצע משימות מדעיות מורכבות. הבסיס הוא המודל הפתוח Nemotron 3.5 Super VL, יחד עם כלי אימון והתאמה לתחומים כמו כימיה, ביולוגיה מולקולרית ותכנון תרופות.
אחד הרכיבים המרכזיים הוא LitmusBench v0.2, מאגר פתוח שמכיל כמעט 50 אלף שאלות בתחום הכימיה. הוא נועד לאפשר אימון והערכה של מודלים במשימות שדורשות הבנה של תכונות מולקולריות, מסיסות חומרים והתנהגות של תרכובות בגוף האדם. המודל והמאגר כבר זמינים ב-Hugging Face.
דוגמה מעשית מגיעה ממכון KTH השוודי, שפיתח סוכן AI המבוסס על Nemotron כדי לתקן אוטומטית הגדרות שגויות בסימולציות מולקולריות של GROMACS. בניסוי שנמשך לילה אחד על מערכת DGX Spark בודדת, הסוכן הצליח לתקן 81% ממקרי הבדיקה, כאשר כל תיקון נבדק בנפרד באמצעות GROMACS עצמו. זה עדיין לא מדען עצמאי, אבל בהחלט שימוש מועיל יותר מעוד צ'אטבוט שמסכם מאמרים.
במקביל, NVIDIA הכריזה על שיתוף פעולה עם IBM ומעבדת פרמי הלאומית בארצות הברית. במסגרת המיזם יחוברו מערכות DGX B200 למחשבים קוונטיים של IBM, לצורך פיתוח ובדיקה של אלגוריתמים לתיקון שגיאות קוונטיות. הנושא קריטי משום שמחשבים קוונטיים רגישים מאוד לרעש ולשגיאות, ונדרשת מערכת חישוב קלאסית שתפענח את המדידות ותסייע לזהות את התיקונים הדרושים.
החברה מציגה גם אלגוריתם בשם TCBP-JOBS, שנכלל בספריית CUDA-Q QEC 0.9.0. לפי NVIDIA, האלגוריתם מאיץ משימות מסוימות במחקר תיקון השגיאות הקוונטיות עד פי 13 אלף, ומקצר תהליך חישובי של 12 שבועות ל-45 דקות. לא מדובר בהאצה כללית של כל מחשב קוונטי, אלא בהאצה של עבודת הפענוח הנדרשת לחקר מערכות כאלה. ההבחנה הזאת חשובה, בעיקר בתחום שבו קל מאוד לבלבל בין התקדמות מחקרית לבין מוצר מסחרי בשל.
מאחורי ההכרזות מסתמן כיוון עסקי ברור: NVIDIA אינה רוצה להישאר ספקית ה-GPU של מרכזי המחשוב. היא מנסה לשלוט בכל שכבות התשתית, מהמעבד המרכזי והמעבד הגרפי, דרך ציוד הרשת והזיכרון ועד הספריות ומודלי ה-AI שמפעילים את המערכת. ככל שמרכז מחקר נשען על יותר רכיבים מהמערכת האקולוגית שלה, כך קשה לו יותר לעבור למתחרה. זו גם אחת הסיבות שהכניסה שלה לשוק המעבדים המרכזיים משמעותית עבור Intel ו-AMD, אף על פי ש-Vera אינו מיועד למחשב האישי.
כל זה מתרחש בדיוק כש-NVIDIA עומדת בפני מבחן ניהולי שלא הכירה מאז הקמתה. אחרי שנים שבהן כל הכרזה משמעותית נקשרה לדמותו של ג'נסן הואנג, החברה צריכה להוכיח שהיכולת שלה לתכנן את הדור הבא של המחשוב אינה תלויה באדם אחד. Rubin HPC ומערכות Vera לא יפתרו את המשבר בצמרת, אבל הן מזכירות מדוע NVIDIA הגיעה למעמדה מלכתחילה: גם כשהמייסד עוזב, מפת הדרכים הטכנולוגית ממשיכה להתקדם.


