Nvidia、低メモリ版Rubin Ultra構成をテスト
Nvidiaは、以前に1 TB構成を提示していたにもかかわらず、わずか192 GBまたは256 GBのメモリを搭載するRubin Ultra設計をテストしていると報じられている。Nvidia Tomのレポートは、HBM4EをHBM4に置き換える設計を含む、少なくとも3種類の低メモリ試作機について伝えている。こうした変更により、同社で最も野心的なアクセラレータは、より保守的な製品へと変わることになる。
報じられたテストは、Rubin Ultraの最終仕様を確定するものではない。Nvidiaはこれらの構成を公表しておらず、利用可能な報道にも重要な設計詳細が残されている。それでもこのテストが重要なのは、コンピュートチップレットの削減や、計画中のKyberラックに影響する遅延についての別個の報道に続くものだからだ。
これらの主張を合わせると、Nvidiaが発表したシステムと、サプライヤーが量産できるハードウェアとの間にある衝突が浮かび上がる。AMDや大手クラウド事業者によるカスタムアクセラレータは競争圧力を加えている。しかし、Nvidiaの当面の相手は別のチップベンダーではなく、自社の1 TBという約束だ。
Nvidia Tomのレポートは3種類の小型設計を示す
中心的な変更は、わずかな容量調整ではない。5カ月前にNvidiaが提示した設計からの後退となる可能性がある。
Rubin Ultra reportによると、Nvidiaは高帯域幅メモリを削減した少なくとも3種類の構成をテストした。HBMは積層DRAMをプロセッサの近くに配置し、従来のサーバーメモリを大幅に上回る帯域幅を提供する。
報じられた選択肢には、192 GBおよび256 GBのRubin Ultraメモリ容量が含まれる。別の試作機では、元の設計に関連付けられていた16個未満のメモリスタックを使用しているとされる。少なくとも1つの経路では、以前に発表されたより先進的なHBM4Eの代わりにHBM4を採用している。
レポートは、各容量を特定のメモリ世代やスタック数とすべて対応付けてはいない。また、各試作機に搭載されるコンピュートダイ数も明らかにしていない。こうした欠落により、帯域幅、パッケージレイアウト、想定されるアプリケーション性能を信頼性高く算出することはできない。
この不確実性が重要なのは、Nvidiaの公表時点の出発点が劇的に異なっていたためだ。2026年3月のGTCで、同社は4個のコンピュートチップレットと1 TBのHBM4Eを収めたRubin Ultraトレイを披露した。同社はこのアクセラレータを、Kyberおよびマルチラックシステムを通じて2027年に投入する製品として位置付けた。
192 GB構成は、実演された容量の5分の1未満にとどまる。また、Nvidiaの現行Vera Rubin NVL72仕様で標準Rubin GPUごとに記載されている288 GBよりも少ないメモリとなる。
この差が小型製品を自動的に使えないものにするわけではない。メモリ要件は、モデル、ワークロード、数値形式、デプロイメントアーキテクチャによって異なる。高密度ラックではワークロードを複数のアクセラレータに分割でき、専用ストレージは推論キャッシュの一部を保持できる。
それでも、この変更は「Ultra」の意味を変える。3月の実演では、この名称は卓越したパッケージ当たりメモリ容量と4個のコンピュートチップレットを意味していた。通常のHBM4を使用する小型のデュアルチップレットアクセラレータは、当初のフラッグシップというより、調整版Rubin製品に近いだろう。
Nvidiaは、報じられた試作機のいずれかが生産に入ることを確認していない。複数の選択肢をテストすることは、特に最終認定前のハードウェア開発では一般的だ。企業は日常的に、研究室から出ることのない設計も評価している。
このタイミングにより、これら特定のテストの意義は増している。メモリ削減に関する報道は、コンピュートパッケージとラックアーキテクチャの変更疑惑の後に現れた。各報道は同じ実務的対応を示している。量産開始前に複雑さを減らすということだ。
したがって、Nvidia Tomの記事は明確な緊張関係を生む。Nvidiaは公表仕様を維持して供給リスクを大きくするか、仕様を引き下げて出荷スケジュールを守るかの選択を迫られる。名称やマーケティングだけで両方の問題を完全に解決することはできない。
HBM4Eの供給が1 TBという約束を圧迫している
Rubin Ultraが発表したメモリ容量は、各アクセラレータが異例に多くの先進スタックを消費するため、供給リスクを増幅させる。
HBM4Eは、カスタマイズされたロジックベースダイを使用できるHBM4の拡張世代だ。ベースダイは、積層メモリとアクセラレータパッケージ間の接続を管理する。カスタムロジックは統合を改善できるが、設計、製造、認定の作業も増やす。
報じられた不足は、単に生のDRAMビットが足りないという話ではない。Nvidiaには、適切な速度、容量、熱特性、ロジック設計、パッケージ互換性を備えたメモリスタックが必要だ。Nvidiaが量産システムを組み立てるには、サプライヤーがこれらすべての特性を一貫して提供しなければならない。
Rubin Ultraの当初の1 TB構成は、この課題を強めた。実演された設計では、4個の大型コンピュートチップレットの隣に16個のHBM4Eスタックが配置されていた。そのため、完成したアクセラレータ1基ごとに、パッケージング歩留まりを考慮する前から多くの先進部品を消費することになる。
1つの部品に欠陥があれば、パッケージ全体の価値に影響し得る。このため供給は、利用可能なメモリダイの単純な数が示す以上に影響を受けやすい。パッケージング能力、インターポーザ、ベースダイ、検証、冷却のすべてが制約の一部となる。
Nvidiaの標準Rubinプラットフォームは、その違いを示している。NVL72 specificationsでは、GPU当たり288 GBのHBM4と、毎秒22 TBのメモリ帯域幅が記載されている。72基のGPU全体では、ラックに20.7 TBのHBM4が搭載される。
Micronは3月、Vera Rubin向けの36 GB・12層HBM4スタックを量産開始したと発表した。同社は、ピン当たり毎秒11ギガビット超の速度と、毎秒2.8 TB超の帯域幅を主張した。これらの数値は標準HBM4を示すものであり、当初のRubin Ultraに関連付けられたカスタマイズ版HBM4E構成ではない。
Micronはまた、48 GB・16層のHBM4スタックをサンプル出荷していると、production coverageは伝えている。より高層のスタックは、パッケージ位置の数を増やさずに容量を引き上げられる。しかし、歩留まり、熱、認定に関する独自の要件も伴う。
報じられたHBM4への代替は、Nvidiaがより成熟したRubinのサプライチェーンを活用することを可能にする。また、メモリサプライヤーのカスタマイズ作業も減らせる可能性がある。この選択は、Ultra向けに発表された独自のメモリ技術より、入手可能性とスケジュールを優先することになる。
スタック数を減らすことも、別の手段となる。スタックが少なければ総容量は低下するが、配線は単純化され、パッケージ当たりに必要な希少部品数も減る。Nvidiaは同じ認定済みメモリ出力から、より多くのアクセラレータパッケージを構築できる。
これが、192 GBおよび256 GBのテストが注目に値する理由だ。これらは無作為な容量ではない。選択したAIワークロードに十分な帯域幅を維持しつつ、実質的に少ないスタックしか消費しない製品をNvidiaが模索していることを示唆する。
需要はさらに別の圧力を加える。AIアクセラレータは現在、Nvidia、AMD、カスタムクラウドチップ、その他のプロセッサの間で先進メモリを奪い合っている。サプライヤーは、品質や歩留まりを崩壊させることなく生産を拡大しなければならない。
長期供給契約は割り当てを確保できるが、認定済みの生産量を即座に生み出すことはできない。新しい製造能力には時間がかかる。先進パッケージングと最終システム統合も、メモリ生産と並行して拡張する必要がある。
したがって、報じられた仕様引き下げはHBM技術を放棄するというより、それを配分することに関するものだ。Nvidiaは、商業的な信頼性を保ちながらRubin Ultraが搭載できる最小限のメモリ量をテストしているように見える。
Nvidiaが発表したフラッグシップは製造の現実と衝突している
主要な競争は今や、Nvidiaが公表した1 TBのビジョンと、完全なRubin Ultraシステムの製造可能性との間にある。
Nvidiaの当初コンセプトは、4個のコンピュートチップレット、16個のHBM4Eスタック、先進パッケージング、液冷、新しいラックアーキテクチャを組み合わせたものだった。各要素はいずれも野心的だった。それらをすべて組み合わせたことで、遅延につながる相互依存の経路が複数生じた。
6月には、Nvidiaが4チップレット構成を取りやめ、デュアルチップレット設計を採用したとする別の報道が出た。chiplet reportは製造実行上の懸念を引用したが、Nvidiaはこのキャンセル疑惑を確認していない。
デュアルチップレット設計なら、より小規模なRubin Ultraメモリ構成は理解しやすくなる。4個のコンピュートチップレットは、より大きなローカルメモリ容量と帯域幅を利用できる。2個のチップレットなら、その需要を減らす一方で、パッケージング、電力供給、冷却を簡素化できる。
ただし、192 GBは依然として予想外に少ない。Nvidiaの公表仕様によれば、標準RubinはすでにGPU当たり288 GBのHBM4を搭載している。低容量のUltra製品には、別の差別化要因が必要となる。
Nvidiaは、パッケージ当たりのメモリではなくラックレベルのスケーリングを強調する可能性がある。同社のRubin system designでは、Rubin Ultra向けにNVL72、NVL144、NVL576の選択肢が説明されている。最大の計画ドメインでは、8ラックと576基のGPUを接続することになる。
この戦略は、販売単位を個々のアクセラレータから完全なコンピューティングシステムへと移す。顧客は、総スループット、ドメイン全体で利用可能なメモリ、ネットワーク、電力、ソフトウェアを評価することになる。1つのパッケージでの削減は、数百基の接続されたGPU全体ではそれほど深刻に見えないかもしれない。
しかし、ラックレベルのスケーリングでもローカルメモリの制約は解消されない。モデルと推論キャッシュは、HBM、インターコネクト、CPU、ストレージという階層を移動しなければならない。リモートデータへのアクセスはレイテンシを生み、ネットワーク容量を消費する。
NvidiaのBlueField-4コンテキストメモリプラットフォームは、モデル推論中に生成される一時データであるキー・バリューキャッシュのストレージを拡張するよう設計されている。このようなシステムはHBMへの圧力を軽減できる。しかし、より遅いストレージをGPUへ直接接続されたメモリと完全に同じように動作させることはできない。
小型のRubin Ultraでも、メモリ使用量が比較的少ないコンピュート集約型ワークロードでは優れた性能を発揮し得る。また、モデルを多数のアクセラレータに効率よく分散するデプロイメントにも対応できる。しかし、こうした利点はGTCで提示された1 TBの物語とは異なる。
これが逆転の核心だ。Nvidiaは極端な統合によってRubin Ultraを定義した後、その同じ統合設計全体で削減をテストし始めたと報じられている。メモリ、コンピュートチップレット、ラックトポロジーはいずれも見直しの対象となっているようだ。
同社は、関連する遅延報道に対して1つの大まかな回答を示している。Kyberが2028年へずれ込んだとの主張を受け、Nvidiaの担当者は同社の「roadmap is intact」と述べた。Nvidiaは、その発言が当初の仕様、時期、あるいは改訂版ロードマップのどれを対象とするのかを明確にしていない。
この区別は決定的に重要になっている。製品ファミリーは、内部構成が変わっても予定どおり進行し得る。Nvidiaは、3月に披露した4チップレット・1 TBアクセラレータを提供せずとも、2027年にRubin Ultraと呼ばれる製品を出荷できる。
エンタープライズの購入者にとって、製品名は検証済みの性能や出荷日ほど重要ではない。それでも、発表から出荷までの隔たりは計画に影響する。データセンターは、ラックが到着するかなり前から電力、冷却、床面積、ネットワーク、資金を確保しなければならない。
したがって、Nvidiaは難しいエンジニアリング上の判断に直面している。1 TB仕様を維持すればフラッグシップとしての訴求力は守られるが、供給と製造のリスクが集中する。メモリを削減すれば供給量は確保しやすくなる一方、当初の技術的な約束は弱まる。
小容量のRubin Ultraメモリが競争環境を変える
メモリ削減は競合に好機を与えるが、Nvidiaのソフトウェアとシステム面での立場を踏まえると、単純な勝敗にはならない。
AMDは、最も直接的な汎用アクセラレータの競合相手だ。同社のInstinctロードマップは、同じ大手クラウド事業者、モデル開発企業、エンタープライズのインフラ購入者を対象としている。こうした顧客は、個別の仕様項目ではなく、システム全体を比較する。
アクセラレータ当たりのメモリは、大規模モデル、長いコンテキストウィンドウ、学習チェックポイント、キー・バリューキャッシュにとって重要だ。ローカルメモリが多ければ、モデル分割やプロセッサ間通信を減らせる可能性がある。また、固定されたシステム内でより大きなバッチや長いシーケンスを扱うことも可能になる。
帯域幅は容量とは別に重要である。192 GBのHBM4設計でも、十分な数の高速スタックと広いインターフェースを採用していれば、高い帯域幅を実現できる可能性がある。現時点の報道では、その構成を判断するための詳細は十分に示されていない。
そのため、性能について直接的な結論を出すのは時期尚早だ。容量が小さいからといって、Rubin UltraがAMDに敗れることを意味するわけではない。ただし、顧客が信頼できる比較を行うには、更新された仕様が必要であることは示している。
クラウド事業者も独自のアクセラレータを保有している。Google、Amazon、Microsoft、Metaは、選定した社内ワークロード向けにチップを設計している。効率や供給管理が改善されるなら、こうしたシステムは汎用性を犠牲にできる。
これらの代替手段は、Nvidiaに二つの面で圧力をかける。ハイパースケーラーに交渉力を与えるとともに、単一ベンダーのロードマップへの依存を減らす。クラウド事業者は、適したワークロードを自社シリコンへ振り向けつつ、ソフトウェア依存性の高いタスクにはNvidiaシステムを確保できる。
Nvidiaには依然として大きな優位性がある。CUDAはAI開発全体に深く浸透しており、同社はプロセッサ、インターコネクト、ネットワーク、CPU、ソフトウェアを網羅する幅広いスタックを管理している。顧客は、互換性と導入スピードを維持するために、ハードウェア仕様の削減を受け入れるかもしれない。
情報源となった報道は、その強さを反映している。Nvidiaのある顧客は、GPU当たりのメモリは最優先の懸念事項ではないとし、長期的な関係を強調したと報じられている。この見方がすべての購入者を代表するわけではないが、容量だけで需要が決まらない理由を示している。
理想的な仕様よりも供給可能性の方が重要になる場合がある。確実に出荷される256 GBアクセラレータは、希少なメモリによって遅延する1 TB設計よりも有用になり得る。クラウド事業者は、認定プロセスにとどまり続けるハードウェアからは何も得られない。
同時に、メモリ削減はコストを別の場所へ移す可能性がある。同じワークロードを処理するために、顧客はより多くのアクセラレータ、ネットワーク、追加のストレージインフラを必要とするかもしれない。システムの複雑化によって、より単純なパッケージで生じた節約分が相殺される可能性がある。
電力も別の懸念事項だ。モデルをより多くのアクセラレータに分散すると、通信と冷却の需要が高まる可能性がある。そのため購入者は、ピーク時の演算性能だけでなく、ワット当たりに生成される実用的なトークン数も検証することになる。
ソフトウェア最適化によって影響を和らげられる可能性がある。量子化は、モデルの重みを表現するために使用するビット数を減らす。Mixture-of-expertsモデルでは、各トークンに対してネットワークの一部だけを有効化する。より優れたキャッシュ管理も、推論時のメモリ圧力を抑えられる。
ただし、これらの手法はいずれも物理的な制約をなくすものではない。利用可能な容量を開発者がどれだけ効率的に使えるかを変えるだけだ。結果はモデルごとに異なり、品質、レイテンシ、エンジニアリング工数に影響する可能性がある。
したがって、NvidiaのHBM4による影響は顧客ごとに異なる。最先端モデルを学習する大規模ラボは、最大限のローカル容量を重視するかもしれない。一方、最適化済みモデルを運用する推論プロバイダーは、安定した供給と高いラック密度を好む可能性がある。
エンタープライズの購入者は、報じられた192 GBプロトタイプを最終製品として扱うべきではない。また、実演された1 TB構成を前提にインフラ計画を立てることも避けるべきだ。Nvidiaが最終仕様を公表し検証するまで、どちらの数値も暫定的なものにとどまる。
報道には重要な技術的疑問が残されている
証拠は本格的な設計見直しを裏付けるが、Nvidiaがどのプロトタイプを製造するかまでは示していない。
最初の不確実性は、構成の対応関係にある。報道では192 GB、256 GB、少数スタック、HBM4の選択肢が挙げられている。しかし、これらが三つの異なる設計を指すのか、機能が重複するものなのかは明らかにされていない。
192 GBのHBM4設計は、256 GB版とは異なるスタック構成を採用する可能性がある。別のプロトタイプでは、スタック数を減らしつつHBM4Eを維持するかもしれない。この対応関係がなければ、比較は推測の域を出ない。
二つ目の疑問は、コンピュートダイに関するものだ。6月の報道では、4チップレットから2チップレットへの移行が伝えられたが、Nvidiaはこの変更を確認していない。メモリ試験には、デュアルチップレットのハードウェア、当初の4チップレットパッケージ、あるいはその両方が使われている可能性がある。
コンピュートとメモリの判断は、切り離して評価できない。コンピュートダイを減らせば、演算能力とメモリ需要は低下する。4つのコンピュートダイを維持しながらメモリを大幅に減らせば、より深刻な帯域幅または容量の不均衡が生じる可能性がある。
三つ目の未知数は、「テスト」の意味である。ハードウェア企業は量産前に多くの構成を試験する。実現可能性を評価する実験もあれば、異なる顧客セグメント向け製品の準備もある。
Nvidiaは最終的に複数のRubin Ultraモデルを出荷する可能性がある。希少な1 TB版が選定顧客向けに提供される一方、低メモリ製品がより広範な導入を支えるかもしれない。報道はこのようなセグメント化を確認していないが、技術的には可能性が残る。
供給不足と歩留まりの難しさにも違いがある。供給不足は、要件を満たす部品の数が少なすぎることを意味する。歩留まりの問題は、製造されたパッケージのうち要件を満たせないものが多すぎることを意味する。どちらも出荷量を減らすが、必要となる対策は異なる。
情報源は、この圧力をHBM4Eの複雑さとRubin Ultraの展開に対する不十分な供給に起因するとしている。Nvidiaとそのメモリパートナーは、この主張を独自に検証できる生産数量を公表していない。
サプライヤーの発表は、問題を解決しないまでも有用な文脈を提供する。MicronはHBM4が量産に到達したとしているが、HBM4Eには追加のカスタマイズが必要だ。一世代の生産状況が、次世代に十分な供給があることを保証するわけではない。
Kyberは、未解決の依存関係をさらに持ち込む。7月の報道では、そのNVL144ラックが複雑な銅製バックプレーンに関連して遅延したとされた。Kyber delay claimでは、この報じられた変更は、より早く出荷される標準Rubinシステムには影響しないとされていた。
Nvidiaの公式資料では、Kyberは依然としてRubin Ultraと後続のFeynman世代の基盤として説明されている。また、NVL72とNVL576の経路も挙げている。このより広範なシステム計画は、あるラック構成が遅延した場合にNvidiaへ代替手段を与える可能性がある。
しかし、それぞれの代替案は導入前提を変える。NVL72では、一つのスケールアップドメイン内のアクセラレータ数が少なくなる。NVL576は、銅線と光接続を使うマルチラックトポロジーに依存する。これらのシステムには、それぞれ異なるネットワークと運用上の課題がある。
最大の未解決事項は性能だ。メモリ容量だけでは、学習速度、推論スループット、レイテンシ、エネルギー効率は分からない。Nvidiaは、報じられた構成について検証済みベンチマークを公表していない。
顧客にはワークロード固有のデータも必要になる。192 GBに収まるモデルと、複数のプロセッサにまたがる必要があるモデルでは、挙動が異なる。長コンテキスト推論では、ユーザー数、シーケンス長、キャッシュ精度に応じてメモリ需要が増大する可能性がある。
したがって、Nvidia Tomの報道は、最終仕様表ではなくプロトタイプに関する記述としては信頼できる。その価値は、検討中の選択肢を明らかにした点にある。Nvidiaが発表する前に、完成製品が格下げされたと断定するために使うべきではない。
どのRubin Ultraが残るかを示す三つのシグナル
最終的なRubin Ultraは、プロトタイプに関するうわさではなく、生産に関する開示、顧客認定、システムレベルのベンチマークによって決まる。
第一のシグナルは、Nvidiaによる次回の詳細な仕様更新だ。購入者は、確認済みのメモリ容量、メモリ世代、スタック数、コンピュートチップレット数、帯域幅に注目すべきである。1 TB未満の仕様が示されれば、3月の設計がもはや主要な量産目標を表していないことが確認される。
供給可能性をめぐる表現は、数値と同じくらい重要になる。Nvidiaは、高容量モデルを限定的な導入向けに維持しながら、小型のバリアントを投入するかもしれない。この結果は、全面的な撤退という見方を弱める一方で、供給主導のセグメント化を裏付けることになる。
第二のシグナルは、サプライヤー認定だ。メモリメーカーは、HBM4が標準Rubin向けに出荷されているかだけでなく、HBM4EがRubin Ultra向けに量産へ入ったかどうかを開示すべきである。生産に関する主張では、容量、速度、顧客認定の状況を明示する必要がある。
サプライヤーが十分な量の認定済みHBM4E出力を発表すれば、当初の設計はより現実味を帯びる。標準HBM4が引き続き強調されるなら、低メモリ構成を支持する材料が強まる。
第三のシグナルは顧客テストだ。Nvidiaはすでに標準Vera Rubinのサンプルを選定顧客へ送付しており、量産出荷は2026年後半に予定どおり行われるとしている。Rubin Ultraの2027年スケジュールが信頼できるものになるには、同等の節目が必要だ。
顧客認定は、実用的な性能についてより明確な証拠を生むはずだ。購入者は、モデル学習の結果、推論スループット、レイテンシ、消費電力、完全なラック全体での信頼性を必要としている。集計されたマーケティング数値では、すべての導入上の疑問には答えられない。
Kyberの進捗も、この第三のシグナルに含まれる。量産対応のラックが稼働すれば、Nvidiaがバックプレーン、冷却、統合の問題を解決したことが示される。代替ラックレイアウトへの依存が続けば、システムの複雑さがより大きな障害であり続けていることを示唆する。
これらのシグナルは、記事の中心的な判断を強めるか弱めるかのどちらかになる。公式仕様の縮小は、製造上の現実が1 TBという約束を打ち破ったことを確認する。認定済みHBM4Eと検証済みの高容量システムは、Nvidiaが小容量プロトタイプを緊急時対応策として扱っていたことを示すだろう。
開発者にとっての当面の教訓は、一つのメモリ目標を前提にしないことだ。ソフトウェアチームは、複数の容量帯でパーティショニング、量子化、キャッシュの挙動をテストすべきである。この準備は、Nvidiaが192 GB、256 GB、またはより高容量の設計を出荷する場合のいずれにも役立つ。
エンタープライズの購入者は、製品名を比較するのではなく、ワークロード固有の結果を求めるべきだ。ランタイムのオーバーヘッド後に利用可能なアクセラレータメモリ量、モデルがGPU間でどのように分散されるか、障害がラックにどのような影響を与えるかを尋ねるべきである。
インフラ計画担当者も、複数の電力・冷却シナリオを維持すべきだ。アクセラレータパッケージが小さくなっても、導入規模が小さくなるとは限らない。顧客は、より多くのプロセッサや高密度なシステムを使うことで補う可能性がある。
報じられた再設計は、Rubin Ultraが失敗した証拠ではない。Nvidiaの最も野心的な構成が、実演から量産までの難しい道のりに直面していることを示す証拠である。この区別は、Nvidia Tomの報道に対するあらゆる解釈の指針となるべきだ。
Nvidiaは1TBのフラッグシップを維持するのか、Rubin Ultraを複数製品に分割するのか、それともHBM4を実用上の標準にするのか。結論を急ぐ前に、次の仕様更新を注視したい。続いて、そうした主張をサプライヤー認定や実際の顧客ベンチマークと照らし合わせる必要がある。この3つを確認すれば、Nvidiaが供給不足を解消したのか、それとも単に不足を前提に設計を見直しただけなのかが明らかになる。
