BLOG
NVIDIAの最新GPUは何が変わったのか。Rubin・Blackwell・Thorを用途と帯域で読む
NVIDIAのGPUは、巨大なAIを動かすRubin、開発用のRTX、ロボット向けのThorへ広がっています。最新の公表仕様をもとに、メモリ容量と帯域、GPU間通信、推論と学習の違い、選ぶ際の条件を整理します。

最新GPUを選ぶ前に、置く場所と仕事を分ける
NVIDIAの最新GPUを調べると、Rubin、Blackwell Ultra、RTX PRO、Jetson Thorなど、異なる名前が並びます。世代の新しさだけでは、用途に合うかは分かりません。巨大なモデルを多数の利用者へ配信する設備、机の下で開発するワークステーション、ロボットへ積む計算機では、電力も通信も要求が違います。

2026年11月13日時点の公式製品ページでは、Vera Rubin NVL72は提供中と案内されています。72基のRubin GPUと36基のVera CPUを組み合わせるラック型システムです。RubinはGPU、VeraはCPU、NVL72はその構成を表す名前、と分けて読むと理解しやすくなります。
Vera Rubin NVL72の現在の仕様と提供状況Rubinは、GPUの周りのデータの流れまで変える
GPUは大量の計算を並行して進める半導体です。AI向けには、行列演算を効率よく処理するTensor Coreなどを備えます。ただし、計算器が速くても、使うデータが届かなければ待ち時間が生まれます。大きなAIでは、計算器・メモリ・GPU間の通信を一緒に設計する必要があります。
RubinはHBM4という高帯域メモリを使います。HBMは、複数のメモリチップを積み、GPUの近くで幅広い接続を使う方式です。RTXで使われるGDDR7や、Thorで使われる共有のLPDDR5Xとは構成が異なります。容量が同じでも、どこへどう接続されるかで、計算中のデータの渡し方が変わります。
Rubinの演算・メモリ・通信アーキテクチャ容量は置ける量、帯域は運べる速さ
メモリ容量は、モデルの重みや作業中の情報を置ける量です。帯域は、1秒にどれだけのデータを移動できるかを示します。モデルが収まることと、応答が速いことは別の条件です。推論では重みと会話の状態を読み、学習ではさらに中間結果・勾配・更新用の状態を扱います。
| 製品・単位 | メモリ容量 メモリ帯域 | 主な用途・状況 |
|---|---|---|
| Rubin GPU 1 GPU | 288 GB HBM4 19.2 TB/s | 大規模AIの学習・推論 NVL72は提供中の案内 |
| Blackwell Ultra 最大構成の1 GPU | 288 GB HBM3e 8 TB/s | 大規模AI GB300 NVL72は提供中 |
| Rubin CPX 1 GPU | 128 GB GDDR7 帯域は本表に未掲載 | 大きな入力の推論処理 発表では2026年末予定 |
| RTX PRO 6000 Blackwell Workstation Edition | 96 GB GDDR7 ECC 1,792 GB/s | 手元の開発・学習・描画 カード最大600 W |
| GeForce RTX 5090 1 GPU | 32 GB GDDR7 1,792 GB/s | 個人向けPCのAI・描画 容量に収まる仕事を確認 |
| Jetson T5000 CPUを含むモジュール | 共有128 GB LPDDR5X 273 GB/s | ロボット・センサー処理 モジュール40〜130 W |
現在の製品表では、Rubin GPU単体は288 GBのHBM4と19.2 TB/sのメモリ帯域です。2026年7月の技術記事には22 TB/sと書かれているため、本稿は比較に現在の製品表を使います。NVLinkも現在の表はGPU単体3 TB/sで、以前の3.6 TB/sという記載と分けています。変更の理由は、これらの表だけから判断できません。
比較に使う現在のRubin仕様19.2 TB/sと3 TB/sは、通る道が違う
19.2 TB/sは、GPUとそのローカルHBMとの間のメモリ帯域です。NVLinkは、複数のGPUが結果やデータをやり取りするための接続です。さらにCPUとの通信、別ラックへのネットワークがあります。経路が異なる数字を足して、一つの「速さ」にすることはできません。
NVL72の20.7 TBというGPUメモリ総量も、1基のGPUが同じ速度で使えるローカルメモリではありません。モデルや処理をGPUへ分けるソフトウェアが必要で、分け方によって通信量が変わります。MoEのように入力に応じて使う計算部分が変わるモデルでは、どのGPUに仕事を回すかも効いてきます。
NVLinkとラック規模の構成入力を読む処理と、答えを出す処理にも違いがある
LLMの推論には、入力をまとめて処理するprefillと、続きの言葉を順に作るdecodeがあります。長い文書や映像を読む場面と、利用者へ答えを返し続ける場面では、計算とメモリの使い方が変わります。同時利用者数、入力長、出力長、会話の状態を保持するKVキャッシュによっても、詰まる場所は変わります。
Rubin CPXは、大きな入力を処理する用途を意識した別のGPUです。発表では128 GBのGDDR7を備え、2026年末の提供予定とされています。RubinのHBMをGDDRへ置き換えた廉価版と考えるより、推論の処理段階ごとに機器を使い分ける構想として捉えると役割が見えます。予定と現在提供されている製品は区別して判断します。
Rubin CPXの役割と提供予定机の上では、RTXの容量とソフトウェア対応を見る
RTX PRO 6000 Blackwell Workstation Editionは96 GBのGDDR7 ECCメモリを備えます。ECCはメモリの誤りを検出・訂正する仕組みです。GeForce RTX 5090は32 GBのGDDR7です。両者の公表メモリ帯域は1,792 GB/sですが、載せられるモデルや学習時の作業量は容量の差に影響されます。帯域が同じでも、同じ仕事ができるとは限りません。
追加学習では、モデルが読み込めるだけの空き容量に加え、勾配や中間結果を確保します。LoRAは元の重みを固定して小さな追加部分を学ぶ方法で、全パラメーター学習とは必要量が変わります。CUDA対応のライブラリや独自カーネル、シミュレーターまで含め、実際に使うコードが動く構成を選ぶ必要があります。
RTX PRO 6000の公式仕様ロボットでは、GPUの速さに加えてセンサーと制御を見る
Jetson T5000はBlackwell GPUとArm CPUを含むモジュールです。128 GBのLPDDR5Xを共有し、メモリ帯域は273 GB/s、モジュールの電力範囲は40〜130 Wと公表されています。GPU専用メモリが128 GBあるRTXカードとは構成が異なり、CPUや映像処理ともメモリ資源を使います。
ロボットでは、カメラからの取り込み、画像の復号、モデルの推論、制御器への受け渡しまでの遅延を測ります。熱や電力の制約がある実機へ載せる計算機と、大量のシミュレーションや学習を回す設備を分ける設計もできます。学習側で高い性能が出ても、機体側で必要な周期に間に合うかは別に確認します。
Jetson Thorの仕様と入出力大きな性能倍率には、比較条件がある
GPUの性能表示にあるFP4・FP8・BF16は、数値をどの精度で扱うかを示します。sparseとdenseの表示にも違いがあり、疎なデータ構造を利用する条件の最大値を、別の精度の値へそのまま比べることはできません。モデルを小さい形式に変換できるか、必要な品質を保てるかも測定対象です。
NVIDIAのRubin製品ページにある推論費用10分の1という比較は、Kimi-K2-Thinkingの入力32K・出力8Kという条件を持つメーカーの比較です。どんなモデルでも、どんな利用率でも同じ費用差になるという意味ではありません。GPU時間に加え、待機、電力、通信、運用、失敗時のやり直しまで含めた仕事全体の費用で比べます。
性能比較の条件・精度・予測値に関する注記まず、どこで待っているかを測る
導入を考えるなら、使いたいモデルと入力を固定し、必要メモリ、最初の応答までの時間、生成速度、同時実行時の待ち時間を測ります。学習ではデータ読み込みから保存までの一周期、ロボットではセンサー入力から動作指令までの時間を測ります。製品の最高値を比較するより、自分の処理がどこで止まるかを知る方が選択に直結します。
重みが収まらないなら容量や分割方法、データを読む待ち時間が大きいなら帯域や量子化、分散処理の通信待ちが大きいなら接続と配置を見直します。Rubinの意義は計算器の更新に加え、大きなAIを持続的に動かすためにメモリ・通信・電源・冷却まで一緒に扱うことです。手元の開発には、その中から必要な条件を選び取る視点が役立ちます。
Mac Studio・DGX Sparkを含む手元のAI開発機の比較