NVIDIA Vera Rubin结合了AI加速、本地FP64科学计算和45°C液冷技术，将高密度GPU机架转变为更实用的研究和AI工厂超级计算机。
NVIDIA Vera Rubin被定位为一个统一的平台，用于高精度模拟、AI训练、科学基础模型和自主辅助研究。其本地FP64性能和高密度机架级架构非常重要，但45°C直接液冷设计可能同样关键，因为它减少了对高能耗冷水系统的依赖。对于AI基础设施采购者来说，Vera Rubin表明未来的性能提升将依赖于计算、网络、电力和热工程作为一个系统的协调。
NVIDIA Vera Rubin正在扩展AI超级计算机的定义。该平台设计为在一个加速计算环境中运行数值求解器、科学AI模型、数据分析和自主研究工作流，而不是将传统高性能模拟与机器学习分开。
NVIDIA表示，Vera Rubin科学计算系统在包含多达144个GPU的配置中，能够提供超过七艾秒的AI性能、五拍的本地双精度性能以及极高的内存带宽。该组合针对气候建模、计算流体动力学、量子化学、材料研究和能源勘探等工作负载。
然而，更高密度的计算带来了物理挑战：热量。Vera Rubin系统设计采用直接液冷，冷却液供应温度可高达45°C。反直觉的是，允许使用较温暖的冷却水可以通过减少或消除适宜气候下的机械制冷，提高设施效率。
本地FP64计算、加速AI和科学库使研究机构能够在一个平台上结合数值模拟、基础模型和数据分析。
允许冷却液供应温度高达45°C，可减少对机械制冷的依赖，使高密度AI基础设施在适宜环境中更实用。
GPU性能越来越依赖于机架、电力、网络、冷却液和散热工程的协调，而非仅仅是加速器规格。
许多科学工作流结合了多个计算阶段。研究人员可能运行高精度模拟、训练代理模型、比较实验数据并使用AI搜索庞大的参数空间。在断开的系统之间移动这些阶段会引入延迟、数据迁移和操作复杂性。
Vera Rubin结合了Rubin GPU、Vera CPU、高速芯片连接、网络、数据处理单元和CUDA-X科学库。本地FP64支持非常重要，因为许多模拟需要远高于主流生成式AI推理的数值精度。因此，该平台旨在服务传统HPC和新兴的科学AI工作负载。
已公布的部署使Vera Rubin在NVIDIA商业AI工厂叙事之外发挥作用。莱布尼茨超级计算中心计划将该平台用于Blue Lion系统，预计2027年支持天体物理、环境科学、生命科学、模拟和机器学习。
NERSC的Doudna系统用于分子动力学、聚变能、材料科学、药物发现、天文学及能源部其他研究。洛斯阿拉莫斯国家实验室也选择了Vera Rubin技术，用于涵盖国家安全、开放科学、基础模型和复杂模拟的系统。多家厂商的商业系统预计将于2026年底开始交付。
直接芯片液冷在GPU、CPU及其他高功率组件附近捕获热量。液体携带的热量远高于空气，使机架支持的计算密度难以通过风扇和传统房间级空调冷却。
允许更高的冷却液温度为利用环境空气或更简单的设施设备排热创造了更大机会。运营商可能需要更少的机械制冷，从而减少冷却电力、水消耗和基础设施复杂性。实际节省仍取决于当地气候、机架利用率、水循环设计及冷却系统的温差。
Vera Rubin一代表明，服务器不能再单独评估而忽视设施。计算托盘、冷板、冷却液分配单元、电力供应、网络、机架机械和散热系统必须共同设计，才能实现持续高利用率。
这改变了AI基础设施采购。组织必须评估可用电力容量、冷却循环温度、冗余、泄漏检测、维护程序和热能再利用机会，同时考虑GPU规格。当设施限制阻止加速器全密度运行时，更快的加速器价值有限。
对研究人员而言，Vera Rubin可能缩短结合模拟、科学数据和AI辅助分析的工作流。对模型开发者和云服务提供商而言，同样的全栈工程可能在固定的功率和冷却限制内增加有用计算量。
采购者应将NVIDIA的性能和效率数据视为系统设计目标，并需针对自身工作负载和设施进行验证。应用扩展、软件准备、采购成本、电力升级、冷却转换和运营成熟度将决定Vera Rubin的理论优势是否转化为可衡量的研究或商业成果。
Vera Rubin是NVIDIA的加速计算平台，结合了Rubin GPU、Vera CPU、高速网络、数据处理技术和科学软件，用于AI、模拟、分析和高性能计算。
较温暖的冷却液更容易被设施排放到周围环境。在适宜气候下，这可以减少机械制冷的工作量，同时直接芯片液冷仍能有效带走处理器热量。
NVIDIA表示，基于Vera Rubin NVL4的系统预计由全球制造商于2026年第四季度推出。主要研究超级计算机将按照各自的安装和调试计划进行。
