GPU NVIDIA Vera Rubin: GPU, NVL72, Memória, Rede e Rastreador de Disponibilidade
A GPU NVIDIA Vera Rubin não é apenas um único acelerador para encaixar em um servidor familiar. A NVIDIA está posicionando Vera Rubin como uma plataforma de fábrica de IA em escala de rack e de POD para cargas de trabalho agentic: mais memória GPU, largura de banda de memória mais rápida, malha de scale-up mais estreita e uma stack de rede projetada para clusters de treinamento e inferência muito grandes.
Para compradores de GPU em nuvem, isso muda a pergunta. A pergunta não é apenas "quais são as especificações da GPU NVIDIA Vera Rubin?" Também é: quando os sistemas Vera Rubin estarão disponíveis, o que significa NVL72, quanta memória HBM4 é exposta em escala de rack, qual rede é necessária e quando faz mais sentido usar uma API de modelo enquanto se espera capacidade?
Este rastreador resume o que a NVIDIA divulgou publicamente até 13 de outubro de 2026 e separa as especificações confirmadas das suposições de aquisição.
Resposta Rápida: O que é a GPU NVIDIA Vera Rubin?
A GPU NVIDIA Vera Rubin é a geração de GPU dentro da plataforma Vera Rubin da NVIDIA, a plataforma sucessora após Grace Blackwell para fábricas de IA em larga escala. No sistema DGX Vera Rubin NVL72 da NVIDIA, o rack combina 72 GPUs NVIDIA Rubin com 36 CPUs NVIDIA Vera, 20,7 TB de memória GPU HBM4 e 1.400 TB/s de largura de banda agregada de memória GPU. A NVIDIA rotula essas especificações do DGX Vera Rubin NVL72 como preliminares e sujeitas a alterações, portanto os modelos de aquisição devem manter uma data de revisão rastreada.
A NVIDIA também anunciou em 31 de maio de 2026 que a plataforma Vera Rubin estava entrando em plena produção, com remessas de produção previstas para começar a partir do outono de 2026. Isso é importante para compradores porque a primeira onda provavelmente aparecerá como sistemas integrados e capacidade de nuvem antes de se tornar uma simples decisão de "escolher um SKU de GPU".
Rastreador da GPU NVIDIA Vera Rubin
| Campo | Status Público Atual | Por que Isso Importa |
|---|---|---|
| Geração de GPU | GPUs Rubin em sistemas Vera Rubin | Plataforma sucessora para implantações de fábricas de IA pós-Blackwell. |
| Formato de rack | DGX Vera Rubin NVL72 | Trate como infraestrutura em escala de rack, não como um nó GPU PCIe comoditizado. |
| Quantidade de GPU por NVL72 | 72 GPUs Rubin | Define o domínio de scale-up para um sistema de rack. |
| Emparelhamento de CPU | 36 CPUs Vera | O equilíbrio CPU/GPU faz parte do design da plataforma. |
| Memória da GPU | 20,7 TB de HBM4 por DGX Vera Rubin NVL72 | Restrição-chave para inferência de contexto longo, grandes modelos MoE e checkpoints de treinamento. |
| Largura de banda da memória | 1.400 TB/s de largura de banda agregada de memória GPU | A largura de banda da memória costuma ser o limite antes do FLOPS bruto em cargas de inferência. |
| Desempenho denso declarado | 3.600 PFLOPS NVFP4 para inferência; 2.520 PFLOPS NVFP4 para treinamento; 1.260 PFLOPS FP8/FP6 para treinamento | Útil para comparação de plataforma, mas a aceitação de benchmark deve usar tokens/s específicos da carga de trabalho e custo por saída aceita. |
| Malha de scale-up | 9 switches L1 NVIDIA NVLink na especificação do DGX Vera Rubin NVL72 | Determina o quão rigidamente as GPUs podem operar como um único domínio de computação grande. |
| Rede de scale-out | Mais de 144 adaptadores ConnectX-9 VPI de porta única a 800 Gb/s InfiniBand/Ethernet, além de 18 adaptadores BlueField-4 VPI de porta dupla a 400 Gb/s | Planejadores de capacidade precisam de rede, cabeamento, energia, segurança e premissas de tenancy, não apenas contagem de GPU. |
| Status de produção | Entrando em plena produção; remessas começando no outono de 2026, de acordo com o comunicado da NVIDIA de 31 de maio de 2026 | Trate a disponibilidade inicial como dependente da cadeia de suprimentos e da região de nuvem. |
Arquitetura da GPU NVIDIA Vera Rubin: O que Muda
A mudança mais importante na arquitetura da GPU NVIDIA Vera Rubin é que a unidade útil de análise sobe de nível. Com H100 ou A100, muitas equipes comparavam instâncias individuais de GPU. Com GB200 e agora Vera Rubin, os compradores comparam cada vez mais sistemas completos de rack, PODs, malhas de rede e restrições de instalação.
Essa mudança é visível no DGX Vera Rubin NVL72. Um único sistema em nível de rack expõe 72 GPUs Rubin e 36 CPUs Vera. A plataforma foi construída para modelos que precisam de comunicação rápida entre muitos aceleradores: inferência de contexto longo, raciocínio agentic em várias etapas, pós-treinamento, aprendizado por reforço, loops de dados sintéticos e treinamento de modelos de fronteira.
Para equipes de infraestrutura de IA, isso significa que a GPU NVIDIA Vera Rubin deve ser avaliada em cinco camadas:
- Computação da GPU: FLOPS por precisão, suporte a kernels e maturidade do framework.
- Memória HBM4: memória utilizável por réplica do modelo, largura de banda da memória e capacidade de cache KV.
- Domínio NVLink: quão grande parte do rack se comporta como uma única pool de aceleradores fortemente acoplada.
- Malha de scale-out: como os racks se comunicam por InfiniBand, Ethernet, Spectrum-X ou a malha do provedor de nuvem.
- Camada operacional: orquestração, telemetria, refrigeração, domínios de falha, isolamento de tenants e suporte de software.
Se sua carga de trabalho só precisa de chamadas de modelo hospedado, essa stack pode ser mais infraestrutura do que você deseja possuir. Se sua carga de trabalho precisa de treinamento de modelo personalizado, pesos proprietários, controle de scheduler em baixo nível ou economia de inferência em nível de frota, Vera Rubin se torna um item sério de acompanhamento.
Especificações da GPU NVIDIA Vera Rubin: o que está confirmado
A página do DGX Vera Rubin NVL72 da NVIDIA atualmente lista estas especificações preliminares:
| Especificação | Figura pública do DGX Vera Rubin NVL72 |
|---|---|
| GPU e CPU | 72 GPUs NVIDIA Rubin e 36 CPUs NVIDIA Vera |
| Memória total da GPU | 20,7 TB HBM4 |
| Largura de banda agregada da memória da GPU | 1.400 TB/s |
| Inferência NVFP4 | 3.600 PFLOPS |
| Treinamento NVFP4 | 2.520 PFLOPS |
| Treinamento FP8/FP6 | 1.260 PFLOPS |
| Sistema de switches NVLink | 9 switches NVIDIA NVLink L1 |
| Adaptadores de front-end / scale-out | 144+ adaptadores VPI de porta única ConnectX-9 a 800 Gb/s InfiniBand/Ethernet |
| Adaptadores DPU / infraestrutura | 18 adaptadores VPI BlueField-4 de duas portas a 400 Gb/s InfiniBand/Ethernet |
| Software | NVIDIA Mission Control, NVIDIA AI Enterprise, NVIDIA DGX OS |
| Suporte | Três anos de suporte empresarial padrão |
A nota de "informações preliminares" é importante. Ela não torna a folha de especificações da NVIDIA Vera Rubin GPU inutilizável; significa que todo modelo de orçamento deve incluir um campo de "última verificação" e um fluxo de atualização antes de assinar um contrato de capacidade.
Por que HBM4 é a especificação a observar
A palavra-chave secundária "nvidia vera rubin gpu hbm4" é importante porque HBM4 altera o limite prático para cargas de trabalho de inferência e treinamento. Grandes modelos raramente falham porque um número teórico de FLOPS é baixo demais. Eles falham porque a implantação não consegue manter parâmetros, ativações, cache KV e estado de roteamento suficientemente próximos das unidades de computação.
Para inferência, HBM4 afeta:
- Contexto longo: mais espaço para cache KV antes de transbordar ou reduzir o tamanho do lote.
- Cargas de trabalho agentivas: mais etapas de raciocínio concorrentes e estado de chamadas de ferramentas por réplica do modelo.
- Roteamento MoE: melhor margem para especialistas ativos e caminhos de roteamento limitados por memória.
- Economia de lote: maior número de tokens/s só importa se a qualidade e a latência da saída aceita permanecerem dentro do SLA.
Para treinamento e pós-treinamento, HBM4 afeta o tamanho do checkpoint, as estratégias de ativação, o posicionamento do estado do otimizador e quanto overhead de comunicação aparece quando o trabalho abrange racks. Um briefing de aquisição da Vera Rubin deve, portanto, solicitar evidências de largura de banda de memória e interconexão junto com o preço bruto da GPU.
O que o NVL72 significa para compradores de racks
A consulta "nvidia vera rubin gpu rack" geralmente vem de compradores tentando mapear um anúncio de chip para uma infraestrutura real. Na nomenclatura da NVIDIA, NVL72 é um sistema em escala de rack com 72 GPUs conectadas por meio do sistema de switches NVLink. Esse tecido de scale-up é a razão pela qual a plataforma é mais relevante para o planejamento de fábricas de IA do que para a compra de pequenas GPUs de nó único.
Para uma equipe de GPU em nuvem ou colocation, o NVL72 altera a lista de verificação operacional:
| Área de planejamento | Pergunta a fazer |
|---|---|
| Energia e refrigeração | A instalação pode suportar a densidade do rack, as premissas de refrigeração líquida e o modelo de serviço? |
| Topologia de rede | O provedor está oferecendo o fabric InfiniBand/Ethernet anunciado ou apenas instâncias de GPU isoladas? |
| Domínio de falha | O que acontece quando uma bandeja, switch, adaptador ou rack falha durante um trabalho de vários dias? |
| Agendamento | O agendador consegue reservar a topologia completa do NVL72 ou fragmenta o posicionamento da GPU? |
| Armazenamento | O caminho de armazenamento consegue alimentar o rack sem se tornar o gargalo? |
| Isolamento de locatários | Como o BlueField, a política de rede, a criptografia e os limites multi-tenant são configurados? |
| Testes de aceitação | Quais testes específicos de workload de tokens/s, tempo de etapa, checkpoint e recuperação devem passar antes da produção? |
É por isso que Vera Rubin deve estar ao lado da sua planilha de TCO de cluster de GPU, e não apenas da sua tabela de comparação de especificações de GPU.
Rastreador de disponibilidade: o que é publicamente conhecido
O comunicado da Newsroom da NVIDIA de 31 de maio de 2026 diz que Vera Rubin está entrando em produção em escala total e que os envios de produção estão definidos para começar no outono de 2026. Ele também cita fabricantes de servidores, parceiros de armazenamento, provedores de nuvem e participantes do ecossistema conectados à ramp-up.
Isso não significa que todo comprador possa alugar uma instância da GPU NVIDIA Vera Rubin no primeiro dia. "Produção total" e "disponível na região, topologia, cota, prazo de reserva e stack de software de que você precisa" são marcos diferentes.
Use este rastreador de disponibilidade ao falar com provedores:
| Marco | O que confirmar |
|---|---|
| Silício / produção do sistema | O provedor está recebendo sistemas Vera Rubin ou apenas anunciando suporte futuro? |
| Topologia do rack | A capacidade é vendida como NVL72 completo, rack parcial, cluster de locatário único ou instâncias GPU compartilhadas? |
| Região | Quais regiões de nuvem ou sites de colocation têm inventário físico? |
| Modo de rede | InfiniBand, Ethernet, Spectrum-X ou fabric específico do provedor? |
| Stack de software | CUDA, drivers, Kubernetes, Slurm, vLLM, SGLang, NCCL, observabilidade e imagens compatíveis. |
| Modelo de reserva | On-demand, capacidade comprometida, cluster privado, serviço gerenciado ou prévia apenas para benchmark? |
| Janela de aceitação | Você pode executar um benchmark em formato de produção antes de um compromisso de longo prazo? |
Se sua equipe ainda está decidindo se vale esperar, compare a disponibilidade do Vera Rubin com uma linha de base de GPU cloud vs API de modelo. A rota de API de modelo gerenciada pode ser mais rápida para produtos que precisam de qualidade de saída e disponibilidade agora, enquanto o Vera Rubin é mais atraente para equipes que precisam de controle direto sobre infraestrutura proprietária de treinamento ou inferência.
Vera Rubin vs Blackwell: a diferença prática
A maioria das equipes não deve enquadrar o Vera Rubin como "Blackwell, mas mais novo". A diferença prática é o alvo da plataforma.
Sistemas Blackwell como GB200 e GB300 avançaram a inferência e o treinamento em escala de rack para workloads de raciocínio. O Vera Rubin continua essa direção em escala de rack com GPUs Rubin, CPUs Vera, HBM4 e uma história de plataforma mais ampla em torno de fábricas de IA agentiva. A NVIDIA afirma que o Vera Rubin entrega 10x de throughput de agentes em escala em comparação com a plataforma Grace Blackwell da geração anterior, mas os compradores ainda devem validar isso com seu próprio modelo, comprimento de contexto, padrão de roteamento e perfil de chamadas de ferramentas.
Se você estiver comparando opções de aquisição atuais, leia Vera Rubin em paralelo com GB200 vs B200. A pergunta útil não é "qual chip é mais novo?" É "qual topologia está disponível, foi benchmarkada e é financeiramente defensável para a janela do meu workload?"
Quando esperar pela capacidade de GPU NVIDIA Vera Rubin
Esperar pela capacidade de GPU NVIDIA Vera Rubin pode fazer sentido quando:
- Você treina ou faz pós-treinamento de modelos proprietários grandes e precisa de controle de hardware de ponta a ponta.
- Sua carga de inferência é limitada por memória e a capacidade HBM4 altera o teto de lote, latência ou comprimento de contexto.
- Você pode reservar topologia em escala de rack em vez de instâncias de GPU fragmentadas.
- Você tem equipes de instalações, agendamento, armazenamento, rede e confiabilidade prontas para operar o stack.
- Sua janela de aquisição está alinhada com o aumento de capacidade no outono de 2026 e depois.
Esperar é mais arriscado quando:
- Você precisa de capacidade de produção imediatamente.
- Sua carga pode usar modelos de ponta ou abertos hospedados por meio de APIs.
- Você não controla utilização suficiente para amortizar a infraestrutura em escala de rack.
- Seu principal gargalo é roteamento da aplicação, avaliação, confiabilidade ou atribuição de custos, e não acesso bruto à GPU.
- Você não pode executar benchmarks de aceitação antes de assumir o compromisso.
Para muitas equipes de produto, o caminho mais pragmático é híbrido: usar APIs de modelo para workloads de produção voltados ao usuário agora, executar benchmarks em clouds de GPU disponíveis e reservar Vera Rubin apenas quando o benchmark provar um custo menor por saída aceita.
Checklist de aquisição para capacidade Vera Rubin
Antes de comprar ou reservar capacidade Vera Rubin, peça ao provedor:
- Topologia exata do sistema: NVL72, POD, rack parcial ou abstração de instância.
- Memória GPU disponível para o workload, e não apenas HBM4 nominal por rack.
- Detalhes do fabric de rede: InfiniBand, Ethernet, Spectrum-X, oversubscription e política entre racks.
- Versões de driver, CUDA, NCCL, scheduler e imagem de contêiner.
- Throughput de armazenamento, tempo de restauração de checkpoint e processo de recuperação de falhas.
- Janela de benchmark usando seu próprio modelo, mix de prompts, comprimento de contexto e critérios de aceitação.
- Base de preço: por hora, reservado, comprometido, cluster privado, plataforma gerenciada ou contrato empresarial.
- Termos de saída se as especificações públicas, a data de entrega ou os resultados do benchmark mudarem.
- Observabilidade: utilização de GPU por job, largura de banda de memória, contadores de rede, tempo na fila e alocação de custos.
- Controles de segurança: isolamento entre locatários, criptografia, alegações de confidential computing e artefatos de auditoria.
Combine esse checklist com seu modelo de preços de aluguel de GPU e com o guia de aluguel de cluster GPU para que a decisão inclua tempo na fila, utilização, egress, tempo da equipe e custo de execuções com falha.
Resumo da Flatkey: use hardware quando precisar de controle de hardware
A GPU NVIDIA Vera Rubin é importante porque eleva o teto para equipes que constroem ou alugam infraestrutura séria de fábrica de IA. Ela não é automaticamente o caminho mais rápido para todas as equipes de produto de IA.
Se você precisa de controle direto de hardware, treinamento personalizado, agendamento de baixo nível ou topologia de rack dedicada, acompanhe o Vera Rubin de perto e exija benchmarks em formato de produção. Se seu produto precisa de acesso confiável a saídas de modelo, visibilidade de custos e flexibilidade de provedor, uma camada gerenciada de modelo/API pode manter o roadmap avançando enquanto a oferta de hardware amadurece.
Flatkey foi criado para esse segundo caminho: uma chave, um saldo e roteamento entre as APIs oficiais de modelos e ferramentas. Use-o como a base de modelo gerenciado em sua análise do Vera Rubin para que você esteja comparando a propriedade de GPUs em escala de rack com uma alternativa de produção funcional, e não com uma planilha em branco.
Perguntas frequentes
O que é a NVIDIA Vera Rubin GPU?
A NVIDIA Vera Rubin GPU é a GPU da geração Rubin dentro da plataforma de fábrica de IA Vera Rubin da NVIDIA. No DGX Vera Rubin NVL72, a NVIDIA combina 72 GPUs Rubin com 36 CPUs Vera, memória HBM4, switching NVLink, rede de alta velocidade e software corporativo DGX.
Quais são as especificações da NVIDIA Vera Rubin GPU?
As especificações preliminares públicas do DGX Vera Rubin NVL72 incluem 72 GPUs Rubin, 36 CPUs Vera, 20,7 TB de HBM4, 1.400 TB/s de largura de banda agregada da memória da GPU, 3.600 PFLOPS de inferência NVFP4 e 9 switches L1 NVLink. A NVIDIA indica que esses valores são preliminares e sujeitos a alterações.
Quando os sistemas NVIDIA Vera Rubin GPU estarão disponíveis?
A NVIDIA anunciou em 31 de maio de 2026 que o Vera Rubin estava entrando em produção total e que as remessas de produção começariam a partir do outono de 2026. A disponibilidade real ainda dependerá do estoque do provedor, da região, da topologia e dos termos do contrato.
O Vera Rubin é uma única GPU ou um sistema de rack?
Os pesquisadores costumam dizer "NVIDIA Vera Rubin GPU", mas os compradores devem avaliá-lo como uma plataforma. O principal sistema público é o DGX Vera Rubin NVL72, um sistema em escala de rack com 72 GPUs Rubin, CPUs Vera, switching NVLink, rede e software.
Devo esperar pelo Vera Rubin ou usar uma API de modelo?
Espere pelo Vera Rubin se sua carga de trabalho precisar de controle direto de hardware, treinamento proprietário ou topologia em escala de rack. Use uma API de modelo se você precisar de resultados de produção agora e suas principais restrições forem confiabilidade, roteamento, cobrança e avaliação, em vez de possuir a infraestrutura de GPU.
Fontes verificadas
- Página do produto e especificações do NVIDIA DGX Vera Rubin NVL72: https://www.nvidia.com/en-us/data-center/dgx-vera-rubin-nvl72/
- NVIDIA Newsroom, "NVIDIA Vera Rubin Ramps Into Full Production to Power Agentic AI Factories Worldwide," 31 de maio de 2026: https://nvidianews.nvidia.com/news/vera-rubin-full-production-agentic-ai-factory
- Mapa de tópicos e contexto de campanha do Flatkey Cloud GPU:
seo/flatkey-cloud-gpu-topic-map-current.csv
