Nvidia teste des configurations Rubin Ultra avec moins de mémoire
Nvidia testerait des conceptions Rubin Ultra équipées de seulement 192 Go ou 256 Go de mémoire, alors que l’entreprise avait précédemment présenté une configuration de 1 To. Le rapport de Nvidia Tom décrit au moins trois prototypes dotés de moins de mémoire, y compris des conceptions remplaçant la HBM4E par de la HBM4. Ces changements transformeraient l’accélérateur le plus ambitieux de l’entreprise en produit plus conservateur.
Les tests rapportés n’établissent pas les spécifications finales de Rubin Ultra. Nvidia n’a pas confirmé publiquement ces configurations, et les informations disponibles laissent sans réponse d’importants détails de conception. Ces essais restent néanmoins significatifs, car ils font suite à d’autres rapports faisant état d’un nombre réduit de chiplets de calcul et de retards affectant le rack Kyber prévu.
Ensemble, ces affirmations révèlent un conflit entre le système annoncé par Nvidia et le matériel que les fournisseurs peuvent produire à grande échelle. AMD et les accélérateurs personnalisés des grands fournisseurs de cloud renforcent la pression concurrentielle. Toutefois, l’adversaire immédiat de Nvidia est sa propre promesse de 1 To, non un autre fabricant de puces.
Le rapport de Nvidia Tom décrit trois conceptions plus modestes
Le changement central n’est pas un simple ajustement mineur de capacité. Il pourrait s’agir d’un recul par rapport à la conception présentée par Nvidia il y a cinq mois.
Selon le rapport sur Rubin Ultra, Nvidia a testé au moins trois configurations avec une mémoire à haute bande passante réduite. La HBM place de la DRAM empilée à côté d’un processeur, offrant une bande passante bien supérieure à celle de la mémoire serveur conventionnelle.
Les options rapportées comprennent des capacités mémoire Rubin Ultra de 192 Go et 256 Go. D’autres prototypes utiliseraient moins des 16 piles mémoire associées à la conception d’origine. Au moins une option remplacerait également la HBM4E par la HBM4, moins avancée, annoncée précédemment.
Le rapport n’associe pas chaque capacité à une génération de mémoire ou à un nombre de piles précis. Il ne précise pas non plus le nombre de dies de calcul dans chaque prototype. Ces omissions empêchent de calculer de manière fiable la bande passante, l’agencement du boîtier ou les performances applicatives attendues.
Cette incertitude compte, car le point de départ public de Nvidia était radicalement différent. Lors de la GTC en mars 2026, l’entreprise a présenté un plateau Rubin Ultra contenant quatre chiplets de calcul et 1 To de HBM4E. Elle a positionné l’accélérateur pour un déploiement en 2027 dans ses systèmes Kyber et multiracks.
Une configuration de 192 Go disposerait de moins d’un cinquième de la capacité présentée. Elle embarquerait également moins de mémoire que les 288 Go indiqués pour chaque GPU Rubin standard dans les spécifications actuelles Vera Rubin NVL72 de Nvidia.
Cette différence ne rend pas automatiquement le produit plus compact inutilisable. Les besoins en mémoire varient selon le modèle, la charge de travail, le format numérique et l’architecture de déploiement. Un rack dense peut répartir une charge de travail sur plusieurs accélérateurs, tandis qu’un stockage spécialisé peut conserver certaines parties d’un cache d’inférence.
Le changement modifierait néanmoins la signification de « Ultra ». La démonstration de mars associait cette appellation à une mémoire par boîtier exceptionnelle et à quatre chiplets de calcul. Un accélérateur plus compact à deux chiplets utilisant de la HBM4 ordinaire ressemblerait davantage à un produit Rubin ajusté qu’au produit phare d’origine.
Nvidia n’a pas confirmé qu’un quelconque prototype rapporté entrerait en production. Tester plusieurs options est normal lors du développement matériel, en particulier avant la qualification finale. Les entreprises évaluent régulièrement des conceptions qui ne quittent jamais le laboratoire.
Le calendrier confère à ces tests une importance accrue. Les rapports sur la réduction de mémoire sont arrivés après de présumés changements apportés au boîtier de calcul et à l’architecture du rack. Chaque rapport pointe vers la même réponse pratique : réduire la complexité avant le début de la fabrication en volume.
L’article de Nvidia Tom crée donc une tension claire. Nvidia peut préserver la spécification publique et accepter un risque d’approvisionnement plus élevé, ou réduire la spécification et protéger son calendrier de livraison. L’entreprise ne peut pas résoudre entièrement ces deux problèmes par le nom ou le marketing.
L’approvisionnement en HBM4E met sous pression la promesse de 1 To
La capacité mémoire annoncée de Rubin Ultra multiplie le risque d’approvisionnement, car chaque accélérateur consommerait une collection inhabituellement importante de piles avancées.
La HBM4E est une génération améliorée de HBM4 pouvant utiliser un die de base logique personnalisé. Le die de base gère les connexions entre la mémoire empilée et le boîtier de l’accélérateur. Une logique personnalisée peut améliorer l’intégration, mais elle ajoute aussi du travail de conception, de fabrication et de qualification.
La pénurie rapportée ne consiste pas simplement en un manque de bits DRAM bruts. Nvidia a besoin de piles mémoire offrant la bonne vitesse, capacité, caractéristique thermique, conception logique et compatibilité d’encapsulation. Un fournisseur doit livrer toutes ces caractéristiques de façon constante avant que Nvidia puisse assembler des systèmes de production.
La configuration d’origine de Rubin Ultra, à 1 To, a amplifié ce défi. La conception présentée plaçait 16 piles HBM4E à côté de quatre grands chiplets de calcul. Chaque accélérateur achevé consommerait donc de nombreux composants avancés, avant même de tenir compte du rendement d’encapsulation.
Un défaut dans un composant peut affecter la valeur de l’ensemble du boîtier. L’approvisionnement devient ainsi plus sensible que ne le suggère un simple décompte des dies mémoire disponibles. La capacité d’encapsulation, les interposeurs, les dies de base, la validation et le refroidissement deviennent tous des éléments de la contrainte.
La plateforme Rubin standard de Nvidia illustre cette différence. Ses spécifications NVL72 indiquent 288 Go de HBM4 par GPU et 22 To par seconde de bande passante mémoire. Sur 72 GPU, le rack contient 20,7 To de HBM4.
Micron a déclaré en mars avoir lancé la production en grand volume d’une pile HBM4 de 36 Go à 12 couches pour Vera Rubin. Le fournisseur a revendiqué des vitesses supérieures à 11 gigabits par seconde par broche et une bande passante dépassant 2,8 To par seconde. Ces chiffres décrivent la HBM4 standard, et non la configuration HBM4E personnalisée associée au Rubin Ultra d’origine.
Micron a également échantillonné une pile HBM4 de 48 Go à 16 couches, selon une couverture de production. Des piles plus hautes peuvent accroître la capacité sans augmenter le nombre de positions dans le boîtier. Elles entraînent toutefois leurs propres exigences en matière de rendement, de chaleur et de qualification.
Le recours rapporté à la HBM4 permettrait à Nvidia de s’appuyer sur une chaîne d’approvisionnement Rubin plus mature. Il pourrait aussi réduire le travail de personnalisation des fournisseurs de mémoire. Ce choix privilégierait la disponibilité et le calendrier au détriment de la technologie mémoire distinctive annoncée pour Ultra.
Réduire le nombre de piles offre un autre levier. Moins de piles diminuent la capacité totale, mais simplifient également le routage et réduisent le nombre de composants rares requis par boîtier. Nvidia pourrait produire davantage de boîtiers d’accélérateurs à partir de la même production mémoire qualifiée.
C’est pourquoi les essais à 192 Go et 256 Go méritent attention. Il ne s’agit pas de capacités choisies au hasard. Ils suggèrent que Nvidia explore des produits consommant sensiblement moins de piles tout en conservant suffisamment de bande passante pour certaines charges de travail d’IA.
La demande ajoute une autre couche de pression. Les accélérateurs d’IA sont désormais en concurrence pour la mémoire avancée entre Nvidia, AMD, les puces cloud personnalisées et d’autres processeurs. Les fournisseurs doivent augmenter la production sans laisser la qualité ni les rendements s’effondrer.
Les accords d’approvisionnement à long terme peuvent sécuriser des allocations, mais ils ne peuvent pas créer instantanément une production qualifiée. Les nouvelles capacités de fabrication prennent du temps. L’encapsulation avancée et l’intégration finale des systèmes doivent se développer parallèlement à la production mémoire.
La baisse rapportée relève donc moins d’un abandon de la technologie HBM que de son rationnement. Nvidia semble tester la quantité minimale de mémoire que Rubin Ultra peut embarquer tout en restant commercialement crédible.
Le produit phare annoncé par Nvidia se heurte à la réalité de la fabrication
Le principal affrontement oppose désormais la vision publique de Nvidia d’un produit à 1 To à la faisabilité de fabrication du système Rubin Ultra complet.
Le concept d’origine de Nvidia combinait quatre chiplets de calcul, 16 piles HBM4E, une encapsulation avancée, un refroidissement liquide et une nouvelle architecture de rack. Chaque élément était ambitieux. Leur combinaison créait plusieurs voies interdépendantes de retard.
En juin, des informations distinctes indiquaient que Nvidia avait abandonné la configuration à quatre chiplets au profit d’une conception à deux chiplets. Le rapport sur les chiplets citait des préoccupations liées à l’exécution industrielle, bien que Nvidia n’ait pas confirmé cette prétendue annulation.
Une conception à deux chiplets rendrait plus faciles à comprendre les configurations Rubin Ultra avec moins de mémoire. Quatre chiplets de calcul peuvent exploiter une capacité mémoire locale et une bande passante plus importantes. Deux chiplets réduisent cette demande tout en simplifiant l’encapsulation, l’alimentation et le refroidissement.
Toutefois, 192 Go resteraient étonnamment peu. Rubin standard embarque déjà 288 Go de HBM4 par GPU, selon les spécifications publiées par Nvidia. Un produit Ultra de capacité inférieure aurait besoin d’une autre source de différenciation.
Nvidia pourrait mettre l’accent sur l’évolutivité au niveau du rack plutôt que sur la mémoire par boîtier. Sa conception de système Rubin décrit des options NVL72, NVL144 et NVL576 pour Rubin Ultra. Le plus grand domaine prévu connecterait huit racks et 576 GPU.
Cette stratégie déplace l’unité de vente d’un accélérateur individuel vers un système informatique complet. Les clients évalueraient le débit global, la mémoire disponible dans l’ensemble du domaine, le réseau, l’alimentation et les logiciels. Une réduction sur un boîtier pourrait paraître moins sévère sur des centaines de GPU connectés.
Cependant, l’évolutivité au niveau du rack n’efface pas les limites de mémoire locale. Les modèles et les caches d’inférence doivent circuler dans une hiérarchie de HBM, d’interconnexions, de CPU et de stockage. L’accès à des données distantes introduit de la latence et consomme de la capacité réseau.
La plateforme de mémoire de contexte BlueField-4 de Nvidia est conçue pour étendre le stockage du cache clé-valeur, les données temporaires produites lors de l’inférence d’un modèle. De tels systèmes peuvent réduire la pression sur la HBM. Ils ne peuvent pas faire en sorte qu’un stockage plus lent se comporte exactement comme de la mémoire directement connectée à un GPU.
Un Rubin Ultra plus compact pourrait encore exceller dans des charges de travail très intensives en calcul avec une empreinte mémoire modeste. Il pourrait aussi servir des déploiements qui répartissent efficacement les modèles sur de nombreux accélérateurs. Le problème est que ces avantages diffèrent du récit du 1 To présenté à la GTC.
C’est le cœur du revirement. Nvidia a utilisé une intégration extrême pour définir Rubin Ultra, puis aurait commencé à tester des réductions sur cette même conception intégrée. La mémoire, les chiplets de calcul et la topologie du rack semblent tous faire l’objet d’un réexamen.
L’entreprise a apporté une réponse générale à des informations connexes sur des retards. Après des affirmations selon lesquelles Kyber aurait glissé à 2028, un représentant de Nvidia a déclaré que sa « roadmap is intact ». Nvidia n’a pas précisé si cette déclaration concernait les spécifications d’origine, le calendrier ou une roadmap révisée.
Cette distinction est devenue essentielle. Une famille de produits peut rester dans les délais tandis que sa configuration interne évolue. Nvidia pourrait livrer un produit appelé Rubin Ultra en 2027 sans fournir l’accélérateur à quatre chiplets et 1 To présenté en mars.
Pour les acheteurs d’entreprise, les noms de produits comptent moins que des performances validées et des dates de livraison. Pourtant, l’écart entre l’annonce et la commercialisation a des répercussions sur la planification. Les centres de données doivent réserver l’alimentation électrique, le refroidissement, l’espace au sol, le réseau et le financement bien avant l’arrivée des racks.
Nvidia est donc confronté à une décision d’ingénierie difficile. Conserver la spécification de 1 To protège le récit autour du produit phare, mais concentre les risques liés à l’approvisionnement et à la fabrication. Réduire la mémoire préserve les volumes, mais affaiblit la promesse technique initiale.
La réduction de mémoire de Rubin Ultra modifie l’équation concurrentielle
Une baisse de mémoire offrirait une ouverture aux concurrents, mais la position de Nvidia dans les logiciels et les systèmes empêche toute conclusion simpliste sur un gagnant et un perdant.
AMD est le concurrent le plus direct de Nvidia sur le marché des accélérateurs vendus à des tiers. Sa feuille de route Instinct cible les mêmes grands opérateurs cloud, développeurs de modèles et acheteurs d’infrastructures d’entreprise. Ces clients comparent des systèmes complets plutôt que des lignes de spécifications isolées.
La mémoire par accélérateur compte pour les grands modèles, les longues fenêtres de contexte, les points de contrôle d’entraînement et les caches clé-valeur. Davantage de mémoire locale peut réduire le partitionnement des modèles et les communications entre processeurs. Elle peut également prendre en charge des lots plus importants ou des séquences plus longues dans un système donné.
La bande passante compte séparément de la capacité. Une conception HBM4 de 192 Go pourrait encore offrir une forte bande passante si elle utilise suffisamment de piles rapides et une interface large. Les informations actuelles ne fournissent pas assez de détails pour déterminer cette configuration.
C’est pourquoi il serait prématuré de tirer des conclusions directes sur les performances. Une capacité réduite ne prouve pas que Rubin Ultra perdra face à AMD. Elle montre toutefois que les clients ont besoin de spécifications actualisées avant de pouvoir effectuer des comparaisons fiables.
Les fournisseurs cloud disposent également d’accélérateurs personnalisés. Google, Amazon, Microsoft et Meta conçoivent des puces autour de charges de travail internes sélectionnées. Leurs systèmes peuvent sacrifier en polyvalence lorsque cela améliore l’efficacité ou le contrôle de l’approvisionnement.
Ces alternatives exercent une pression sur Nvidia de deux façons. Elles donnent aux hyperscalers un levier de négociation et réduisent leur dépendance à la feuille de route d’un seul fournisseur. Un opérateur cloud peut orienter les charges de travail adaptées vers son propre silicium tout en réservant les systèmes Nvidia aux tâches sensibles aux logiciels.
Nvidia conserve des avantages majeurs. CUDA reste profondément ancré dans le développement de l’IA, et l’entreprise contrôle une vaste pile couvrant processeurs, interconnexions, réseaux, CPU et logiciels. Les clients peuvent accepter une spécification matérielle réduite afin de préserver la compatibilité et la rapidité de déploiement.
Le rapport source reflète cette force. Un client de Nvidia aurait déclaré que la mémoire par GPU n’était pas la principale préoccupation et a souligné la relation de long terme. Ce point de vue ne peut pas représenter tous les acheteurs, mais il illustre pourquoi la capacité seule ne déterminera pas la demande.
La disponibilité pourrait compter davantage que la spécification idéale. Un accélérateur de 256 Go livré de manière prévisible peut être plus utile qu’une conception de 1 To retardée par une mémoire rare. Les fournisseurs cloud ne tirent aucun revenu d’un matériel qui reste bloqué en phase de qualification.
Dans le même temps, réduire la mémoire peut déplacer les coûts ailleurs. Les clients peuvent avoir besoin de davantage d’accélérateurs, de réseau ou d’infrastructures de stockage supplémentaires pour la même charge de travail. Une complexité système accrue peut annuler les économies créées par un package plus simple.
L’alimentation électrique constitue une autre préoccupation. Répartir un modèle sur davantage d’accélérateurs peut accroître les besoins en communication et en refroidissement. Les acheteurs examineront donc le nombre de tokens utiles produits par watt, et pas seulement les performances arithmétiques maximales.
L’optimisation logicielle pourrait atténuer l’impact. La quantification réduit le nombre de bits utilisés pour représenter les poids des modèles. Les modèles à mélange d’experts n’activent que certaines parties d’un réseau pour chaque token. Une meilleure gestion du cache peut également limiter la pression sur la mémoire pendant l’inférence.
Aucune de ces méthodes n’élimine les contraintes physiques. Elles modifient l’efficacité avec laquelle les développeurs utilisent la capacité disponible. Les résultats varient selon les modèles et peuvent affecter la qualité, la latence ou l’effort d’ingénierie.
L’impact de HBM4 sur Nvidia différera donc selon le client. Les grands laboratoires entraînant des modèles de pointe peuvent privilégier la capacité locale maximale. Les fournisseurs d’inférence dotés de modèles optimisés peuvent préférer un approvisionnement fiable et une densité de rack plus élevée.
Les acheteurs d’entreprise devraient éviter de considérer le prototype de 192 Go évoqué comme un produit final. Ils devraient également éviter de fonder leurs plans d’infrastructure sur la configuration de 1 To présentée. Ces deux chiffres restent provisoires tant que Nvidia n’a pas publié et validé les spécifications finales.
Le rapport laisse sans réponse des questions techniques cruciales
Les éléments disponibles étayent un examen sérieux de la conception, mais n’établissent pas quel prototype Nvidia fabriquera.
La première incertitude concerne la correspondance entre les configurations. Le rapport mentionne des options de 192 Go, 256 Go, moins de piles et HBM4. Il ne précise pas si ces descriptions renvoient à trois conceptions distinctes ou à des caractéristiques qui se recoupent.
Une conception HBM4 de 192 Go pourrait utiliser un arrangement de piles différent de celui d’une version de 256 Go. Un autre prototype pourrait conserver HBM4E tout en réduisant le nombre de piles. Sans cette correspondance, les comparaisons restent spéculatives.
La deuxième question concerne les dies de calcul. Des rapports de juin ont décrit un passage de quatre chiplets à deux, mais Nvidia n’a pas confirmé ce changement. Les tests de mémoire pourraient impliquer du matériel à deux chiplets, le package initial à quatre chiplets, ou les deux.
Les décisions relatives au calcul et à la mémoire ne peuvent pas être évaluées séparément. Moins de dies de calcul réduisent la capacité arithmétique et les besoins en mémoire. Conserver quatre dies de calcul avec une mémoire fortement réduite pourrait créer un déséquilibre plus marqué en matière de bande passante ou de capacité.
La troisième inconnue est la signification de « testing ». Les entreprises de matériel testent de nombreuses configurations avant la production. Certaines expériences évaluent la faisabilité, tandis que d’autres préparent des produits pour différents segments de clientèle.
Nvidia pourrait finalement commercialiser plus d’un modèle Rubin Ultra. Une version rare de 1 To pourrait servir certains clients sélectionnés, tandis que des produits à mémoire réduite soutiendraient un déploiement plus large. Le rapport ne confirme pas une telle segmentation, mais elle reste techniquement possible.
Il existe également une différence entre une pénurie d’approvisionnement et des difficultés de rendement. Une pénurie signifie qu’il existe trop peu de composants qualifiés. Des problèmes de rendement signifient qu’un trop grand nombre de packages fabriqués ne répondent pas aux exigences. Les deux réduisent la production, mais exigent des remèdes différents.
La source attribue la pression à la complexité de HBM4E et à un approvisionnement insuffisant pour le lancement de Rubin Ultra. Nvidia et ses partenaires mémoire n’ont pas publié de chiffres de production permettant de vérifier indépendamment cette affirmation.
Les annonces des fournisseurs offrent un contexte utile sans résoudre la question. Micron indique que sa HBM4 a atteint la production en grand volume, mais HBM4E exige une personnalisation supplémentaire. L’état de la production d’une génération ne garantit pas un approvisionnement adéquat pour la suivante.
Kyber introduit une autre dépendance non résolue. Des informations de juillet ont affirmé que son rack NVL144 faisait face à un retard lié à un fond de panier en cuivre complexe. L’affirmation sur le retard de Kyber indiquait que le changement rapporté n’affectait pas les systèmes Rubin standard livrés plus tôt.
Les documents officiels de Nvidia décrivent toujours Kyber comme une fondation pour Rubin Ultra et la génération Feynman ultérieure. Ils mentionnent également les voies NVL72 et NVL576. Ce plan système plus large pourrait donner à Nvidia des alternatives si une configuration de rack prend du retard.
Toutefois, chaque alternative modifie les hypothèses de déploiement. NVL72 offre moins d’accélérateurs au sein d’un même domaine de montée en charge. NVL576 dépend d’une topologie multi-racks utilisant des connexions en cuivre et optiques. Ces systèmes créent des défis distincts en matière de réseau et d’exploitation.
Les performances constituent la plus grande question sans réponse. La capacité mémoire seule ne révèle ni la vitesse d’entraînement, ni le débit d’inférence, ni la latence, ni l’efficacité énergétique. Nvidia n’a pas publié de benchmarks validés pour les configurations rapportées.
Les clients auront également besoin de données spécifiques à leurs charges de travail. Un modèle qui tient dans 192 Go se comporte différemment d’un modèle qui doit s’étendre sur plusieurs processeurs. L’inférence à long contexte peut créer des besoins mémoire qui augmentent avec le nombre d’utilisateurs, la longueur des séquences et la précision du cache.
Le rapport Nvidia Tom est donc crédible en tant que compte rendu de prototypes, et non comme une fiche de spécifications finale. Sa valeur réside dans la révélation des choix à l’étude. Il ne devrait pas être utilisé pour déclarer qu’un produit fini a été déclassé avant que Nvidia n’en annonce un.
Trois signaux montreront quelle version de Rubin Ultra subsistera
Le Rubin Ultra final sera défini par les informations de production, la qualification des clients et les benchmarks au niveau système, plutôt que par des rumeurs sur des prototypes.
Le premier signal sera la prochaine mise à jour détaillée des spécifications de Nvidia. Les acheteurs devraient surveiller la capacité mémoire confirmée, la génération de mémoire, le nombre de piles, le nombre de chiplets de calcul et la bande passante. Une spécification inférieure à 1 To confirmerait que la conception de mars ne représente plus la principale cible de production.
Le langage employé autour de la disponibilité comptera autant que les chiffres. Nvidia pourrait préserver un modèle haute capacité pour un déploiement limité tout en introduisant des variantes plus petites. Ce résultat affaiblirait l’idée d’un retrait complet tout en confirmant une segmentation dictée par l’approvisionnement.
Le deuxième signal sera la qualification des fournisseurs. Les fabricants de mémoire devraient indiquer si HBM4E est entrée en production en grand volume pour Rubin Ultra, et pas seulement si HBM4 est livrée pour Rubin standard. Les affirmations de production devraient identifier la capacité, la vitesse et le statut de qualification client.
Si les fournisseurs annoncent une production HBM4E qualifiée en volume suffisant, la conception initiale devient plus plausible. Une insistance persistante sur la HBM4 standard renforcerait l’argument en faveur de configurations à mémoire réduite.
Le troisième signal sera le test client. Nvidia a déjà envoyé des échantillons Vera Rubin standard à certains clients sélectionnés et affirme que les livraisons de production restent prévues pour le second semestre 2026. Rubin Ultra a besoin d’étapes équivalentes avant que son calendrier de 2027 ne devienne crédible.
La qualification client devrait produire des preuves plus claires des performances réellement exploitables. Les acheteurs ont besoin de résultats d’entraînement de modèles, de débit d’inférence, de latence, de consommation électrique et de fiabilité sur des racks complets. Les chiffres marketing agrégés ne peuvent pas répondre à toutes les questions de déploiement.
Les progrès de Kyber relèvent de ce troisième signal. Un rack de production fonctionnel montrerait que Nvidia a résolu ses problèmes de fond de panier, de refroidissement et d’intégration. Une dépendance continue à des architectures de rack alternatives suggérerait que la complexité système reste l’obstacle le plus important.
Ces signaux renforceront ou affaibliront le jugement central de l’article. Des spécifications officielles réduites confirmeraient que la réalité de la fabrication a vaincu la promesse de 1 To. Une HBM4E qualifiée et des systèmes haute capacité validés montreraient que Nvidia considérait les prototypes plus petits comme des plans de contingence.
Pour les développeurs, la leçon immédiate est d’éviter de supposer une cible mémoire unique. Les équipes logicielles devraient tester le partitionnement, la quantification et le comportement du cache sur plusieurs enveloppes de capacité. Cette préparation est utile, que Nvidia livre une conception de 192 Go, 256 Go ou de capacité supérieure.
Les acheteurs d’entreprise devraient demander des résultats spécifiques à leurs charges de travail plutôt que de comparer des noms de produits. Ils devraient demander quelle quantité de mémoire d’accélérateur reste disponible après les surcoûts d’exécution, comment les modèles s’étendent sur les GPU et comment les défaillances affectent le rack.
Les planificateurs d’infrastructure devraient également maintenir plusieurs scénarios d’alimentation et de refroidissement. Un package d’accélérateur plus petit ne crée pas nécessairement un déploiement plus petit. Les clients pourraient compenser en utilisant davantage de processeurs ou des systèmes plus denses.
La refonte rapportée ne prouve pas que Rubin Ultra a échoué. Elle indique que la configuration la plus ambitieuse de Nvidia fait face à un chemin difficile entre la démonstration et la production en volume. Cette distinction devrait guider toute interprétation de la couverture Nvidia Tom.
Nvidia conservera-t-il son vaisseau amiral à 1 To, déclinera-t-il Rubin Ultra en plusieurs produits ou fera-t-il de la HBM4 la norme de facto ? Attendez la prochaine mise à jour des spécifications avant de trancher. Comparez ensuite ces affirmations avec la qualification des fournisseurs et les benchmarks réels des clients. Ces trois vérifications révéleront si Nvidia a résolu la pénurie ou s’est simplement adapté en revoyant sa conception.
