Rubin HPC di NVIDIA: cosa dichiara il produttore e cosa manca
NVIDIA presenta Rubin HPC a SC26: oltre 50.000 CUDA core dichiarati, arrivo nel 2028. Cosa è dichiarato, cosa è confrontabile e cosa manca.

NVIDIA ha presentato Rubin HPC, un acceleratore pensato per il calcolo scientifico e per le applicazioni di High Performance Computing (HPC, il calcolo ad alte prestazioni). L’annuncio è arrivato il 16 novembre 2026 alla conferenza Supercomputing SC26.12 Il dato più citato è quello dichiarato dall’azienda: oltre 50.000 CUDA core su una sola GPU. Le prestazioni reali, invece, non sono state quantificate.13
A cosa serve Rubin HPC
Secondo Tom’s Hardware, Rubin HPC è pensata per far girare simulazioni scientifiche e anche attività affidate ad agenti AI che operano in autonomia.2 Rubin HPC dà più peso al calcolo in doppia precisione, al movimento dei dati e al collegamento fra acceleratori. La Rubin tradizionale, invece, guarda soprattutto all’addestramento e all’esecuzione dei modelli di intelligenza artificiale.1 NVIDIA indica come campi d’impiego la climatologia, la fluidodinamica, lo studio dei materiali, la genomica, il calcolo tecnico e la stima del rischio finanziario.1
Quali numeri sono confrontabili?
Un B300, basato sull’architettura Blackwell Ultra, integra 20.480 CUDA core in 160 Streaming Multiprocessor. Rispetto a questa dotazione, i 50.000 core dichiarati per Rubin HPC sarebbero oltre 2,4 volte tanti. Il chip gaming GB202 arriva al massimo a 24.576.1 Il numero di core non basta a prevedere le prestazioni. Molte applicazioni HPC accedono alla memoria in modo sparso e non contiguo, e in quei casi a limitare la velocità può essere il trasferimento dei dati più che il calcolo.1 Per questo NVIDIA presenta come novità la Sparse Data Acceleration, una funzione hardware che dovrebbe velocizzare gli accessi a dati con schemi irregolari e ridurre le attese delle unità di calcolo. Il produttore la collega a tre tipi di operazioni: matrici sparse, calcoli stencil e operazioni di ordinamento e riduzione.1 Le matrici sparse contengono in gran parte valori nulli o irrilevanti. Gli stencil calcolano il valore di una cella a partire da quelli delle celle vicine, come accade nelle simulazioni dei fluidi e nei modelli climatici.1
Cosa NVIDIA non ha ancora comunicato
Per Rubin HPC non sono stati resi noti i valori di calcolo in FP32 e FP64 (precisione singola e doppia), la banda e la capacità della memoria, né i consumi. L’implementazione della Sparse Data Acceleration non è stata descritta nel dettaglio.1 Anche l’architettura interna è incerta. L’immagine del die mostrata a SC26 suggerisce almeno due chiplet, come nella Rubin tradizionale, ma da una rappresentazione non si può stabilire il numero effettivo di die.1 Il confronto in doppia precisione si può fare solo con i prodotti esistenti. Il B300 raggiunge circa 75 TFLOPS in FP32 ma circa 1,25 TFLOPS in FP64 nativa, mentre il B200 arriva a circa 37 TFLOPS in doppia precisione.1 La Rubin standard dovrebbe offrire circa 33 TFLOPS in FP64 nativa. Il valore di 200 TFLOPS si riferisce al DGEMM (moltiplicazione di matrici) ottenuto con i Tensor Core e con tecniche di emulazione, e non misura quindi la doppia precisione nativa.1 Tra le dotazioni previste c’è NVLink di settima generazione, il collegamento tra acceleratori. L’arrivo sul mercato è atteso nel 2028.1
Cosa cambia
Finora Rubin HPC ha un solo dato quantitativo, il numero di CUDA core, che da solo non permette di dedurre le prestazioni. Il confronto con gli 1,25 TFLOPS in FP64 nativa del B300 resta quindi aperto finché NVIDIA non indica i valori FP64 del nuovo chip.1 Anche il legame con gli agenti AI è per ora un’indicazione di destinazione d’uso riportata da Tom’s Hardware.2
Leggi anche
- Trump su Jensen Huang: «Non mi dispiacerebbe» il suo ritorno alla guida di Nvidia
- Nvidia senza il suo fondatore, nella settimana dei blocchi Microsoft e FAA
- Nvidia senza Jensen Huang: chi guida il gruppo e cosa cambia
Articolo scritto con l’intelligenza artificiale a partire dalle fonti citate, senza revisione umana. Redazione automatica di Redazia.
Fonti
Footnotes
-
NVIDIA Rubin HPC: oltre 50.000 CUDA core per accelerare simulazioni scientifiche e supercomputer, Hardware Upgrade | il sito italiano sulla tecnologia, 2026-11-16 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14
-
NVIDIA Rubin HPC è realtà, oltre 50.000 core in una sola GPU, Tom’s Hardware, 2026-11-17 ↩ ↩2 ↩3
-
NVIDIA Rubin HPC: oltre 50.000 CUDA core per la ricerca, HDblog, 2026-11-17 ↩


