本文へ移動
相談する

BLOG

NVIDIA Rubin HPCとは。AIの推論とは違う、科学計算のためのGPU

GPUに計算器を増やしても、必要なデータが届かなければ待ち時間が増えます。NVIDIAが発表したRubin HPCは、科学計算の演算とデータ移動を一緒に扱うGPUです。AIが候補を考え、シミュレーションで確かめる場面から、その狙いと2028年の提供までに残る不確実性を読みます。

NVIDIAが公開したRubin HPC GPUの製品イメージ。黒い背景の中央に半導体パッケージが写る。

AIが考えた候補を、計算で確かめるためのGPU

新しい材料の候補をAIが提案しても、そのまま実物を大量に作ることはできません。力を加えたときに壊れないか、熱を伝えやすいかなどをシミュレーションし、有望なものへ実験を絞る段階があります。文章を作る推論と、物理モデルを解く計算は、同じ仕事ではありません。

NVIDIAがRubin HPCの発表で公開したGPUパッケージの製品イメージ。
画像:NVIDIA。発表用の製品イメージであり、当社による実機撮影・性能検証ではありません。 出典。画像を開くと全体を拡大できます。

NVIDIAは2026年11月16日、SC26でRubin HPCを発表しました。HPCはHigh Performance Computingの略で、科学や工学などの大規模な計算を指します。Vera Rubinプラットフォームの一つとして、科学・工学・分析の計算を対象にします。この記事で扱うのは発表された設計の狙いで、現在買える製品の比較や、第三者による実機ベンチマークではありません。

NVIDIAのRubin HPC発表

計算能力と、データが届く速さは別のもの

演算性能は、一定時間にどれだけ計算を進められるかを表します。メモリ帯域は、一定時間にどれだけのデータを運べるかです。さらに、散らばった場所から必要な値を集める処理では、転送量だけでなくアクセスの並び方や待ち時間も効きます。

架空の4行4列行列で、2行目の値3と5に対応する入力2と4を集め、3かける2足す5かける4で26を得る。値と位置を読む過程を示す。
疎行列とデータ参照を説明する架空の例。Rubin HPCの回路図や専用アクセラレーターの実装、実測の性能を示すものではありません。

例えば建物の部材同士の関係を計算するとき、ある部材に関係する値だけを拾う場合があります。次に読む場所がそろわなければ、大きな帯域のすべてを有効なデータに使えるとは限りません。計算器の数と公称帯域だけで、アプリ全体が何倍速くなるかを決めることはできません。

科学計算で繰り返すデータアクセスの説明

ゼロが多い行列では、使う値と場所を一緒に読む

行列は数を縦横に並べたものです。全部の場所に意味のある値が入っている密な行列に対して、ゼロが多いものを疎行列と呼びます。非ゼロの値だけを保存すれば、扱う数を減らせますが、その値がどの行・列に属するかも管理します。

下の図は説明用に作った小さな行列で、Rubin HPC内部の回路図や実測結果ではありません。値を読むだけでなく、位置を読んで別の配列の値を集める手順を示しています。省ける計算が増えても、その代わりの索引やデータ移動の負担が大きければ、期待した速さには届きません。

NVIDIAが挙げる疎行列などの対象処理

5万超のCUDAコアと、GPU同士をつなぐNVLink

発表では、一つのGPUに5万を超えるCUDAコアを備え、疎なデータを扱う能力と第7世代NVLinkで、計算とデータ移動を合わせて伸ばすとしています。CUDAコアはGPUの処理を担う要素で、行列の積などをまとめて処理するTensorコアとは、数も役割も区別して読む必要があります。

NVLinkはGPU同士の接続です。一台のGPU内でメモリから値を読む話と、複数GPUでデータを交換する話は別になります。大きな問題を分割した際、隣の担当範囲との受け渡しが多いなら、各GPUの計算が速くても通信待ちが残ります。

CUDAコアと第7世代NVLinkの公表範囲

既存のAI向けGPUと比べるなら、同じ処理を選ぶ

LLMの低精度な行列計算で示す演算性能と、科学計算の疎行列や近隣点の更新にかかる時間は、測るものが異なります。使う数値の精度、配列の形、同じ値を再利用する回数が違うためです。GPU一般が科学計算に使えないという意味ではなく、どの処理をどの条件で速める設計なのかを比べます。

導入を検討するときは、対象アプリの代表的な入力で、読込み、メモリ間の移動、計算、GPU間通信、結果の保存まで含めて測ります。中間結果を保持する工夫が効く場合もあれば、データ形式を並べ替える費用が大きい場合もあります。計算部分だけの短縮を、そのまま業務全体の短縮として数えないことが重要です。

CUDA-Xは、AIが呼び出す計算の道具になる

NVIDIAは、CUDA-Xのライブラリー群と組み合わせ、AIエージェントが候補を作り、シミュレーションを呼び、結果を受けて次を考える流れを挙げています。ライブラリーは、用途ごとの計算を再利用できる形にまとめたソフトウェアです。

ここでのAIの役割は、すべての物理計算を文章生成に置き換えることではありません。何を計算するかを決める段階と、その条件に対する結果を求める段階を組み合わせます。ただし、計算に使った物理モデルや境界条件が現実から外れていれば、速く解いても実物に合うとは限りません。

AIエージェントとCUDA-Xを組み合わせる構想

2028年予定。今は、速くなるはずの場所を見極める

公表された提供予定は2028年です。発表文だけでは、手元のアプリの実行時間、消費電力、価格を使った採算までは判断できません。コア数の多さから、既存GPUより何倍速いと一律に結論付けることもできません。

現時点でできる準備は、自分たちの処理が、計算・メモリ・通信のどこを待っているかを測ることです。仮説を作るAIが速くなるほど、候補を確かめる計算と実験が次の制約になります。Rubin HPCの価値も、個々の指標より、確かな判断へ至る全体の時間をどれだけ縮めるかで評価されることになります。

提供時期を含む公式発表