NVIDIA odpowiada na plotki o Rubin Ultra. Mniej pamięci nie musi oznaczać cięcia specyfikacji

W sieci pojawiło się sporo informacji sugerujących, że NVIDIA może ograniczyć podsystem pamięci w nadchodzących platformach Vera, Vera Rubin oraz Rubin Ultra. Jednak producent odpowiada, iż różne konfiguracje są częścią strategii optymalizacji sprzętu pod konkretne zastosowania, a pełne warianty zapowiadanych układów nadal pozostają w planach.

Najwięcej wątpliwości wzbudziły doniesienia dotyczące procesora Vera, którego konfiguracja SOCAMM2 miałaby zostać zmniejszona z maksymalnie 1,5 TB, wykorzystującego moduły 192 GB, do 768 GB z modułami 96 GB. NVIDIA w komunikacie przesłanym portalowi Wccftech podkreśliła jednak, że stale optymalizuje zasoby obliczeniowe, sieciowe oraz pamięć pod kątem wydajności i efektywności, jednocześnie potwierdzając, iż modułowa architektura SOCAMM procesora Vera nadal pozwala zastosować maksymalnie 1,5 TB pamięci.

W sieci pojawiło się sporo informacji sugerujących, że NVIDIA może ograniczyć podsystem pamięci w nadchodzących platformach Vera, Vera Rubin oraz Rubin Ultra. Jednak producent odpowiada, iż różne konfiguracje są częścią strategii optymalizacji sprzętu pod konkretne zastosowania, a pełne warianty zapowiadanych układów nadal pozostają w planach.

Standardowy Rubin zachowuje 288 GB pamięci HBM4 o przepustowości sięgającej 22 TB/s. Natomiast w przypadku Rubin Ultra NVIDIA wcześniej przedstawiała konfigurację oferującą nawet 1 TB HBM4e. Choć według nieoficjalnych informacji firma testowała ostatnio również warianty wykorzystujące od 192 do 256 GB pamięci dla pojedynczego układu.

Nie ma powodu do obaw

NVIDIA może przede wszystkim przygotowywać większą liczbę wariantów swoich akceleratorów, aby dopasować je do potrzeb poszczególnych centrów danych oraz aktualnej dostępności pamięci. Podobną strategię stosuje AMD, które przygotowało dla Meta specjalną wersję MI450 wyposażoną w 288 GB pamięci, podczas gdy pełniejsza konfiguracja MI455X oferuje 432 GB HBM4, a różnice obejmują również liczbę zastosowanych układów obliczeniowych.

Dostosować się do obecnej sytuacji

Elastyczność może być szczególnie istotna w czasie problemów z dostępnością DRAM, ponieważ producenci mają większą swobodę w budowaniu systemów bez uzależniania całej podaży od najbardziej pojemnych modułów.

NVIDIA szuka również innych sposobów ograniczenia presji na pamięć, czego przykładem jest platforma Vera BlueField 4 STX wykorzystująca CXM, czyli warstwę pamięci kontekstowej opartą na pamięci masowej dla zastosowań związanych między innymi z agentami AI i długim kontekstem.