# NVIDIAs Vera Rubin-Pitch besagt, dass KI-Hardware jetzt als wissenschaftliches Instrument und nicht nur als Modell-Engine verkauft wird Source: TechNewsList (https://technewslist.com) Canonical URL: https://technewslist.com/de/article/nvidia-vera-rubin-science-rackscale-supercomputers-2026-07-01-morning-de Section: Hardware (https://technewslist.com/de/hardware) Author: TechNewsList Language: de Published: 2026-07-01T05:22:21.761+00:00 Updated: 2026-07-01T05:22:23.076523+00:00 > Der wissenschaftliche Start von NVIDIAs Vera Rubin am 22. Juni ist wichtig, weil er hochpräzise Simulation, KI, Netzwerke und Dichte im Rack-Maßstab in einer Plattform vereint, die sich an Labore und Industrieforscher richtet, die weniger Grenzen zwischen HPC und agentischer KI wollen. ## TL;DR - NVIDIA gab am 22. Juni 2026 bekannt, dass Vera Rubin erstklassiges Supercomputing für die Wissenschaft auf einer einzigen Plattform im Rack-Maßstab liefern wird. - Das Unternehmen hob mehr als 7 Exaflops KI für die Wissenschaft, 5 Petaflops natives FP64 und bis zu 144 GPUs pro Rack hervor. - Die Strategie besteht darin, Simulation, KI und Analyse in einem Hardware-Stack für nationale Labore, Forschungszentren und Industrieanwender zusammenzufassen. ## Key points - NVIDIA positionierte Vera Rubin als Rack-Supercomputer für wissenschaftliche Entdeckungen und industrielle Innovation. - Die Plattform zielt auf Klimamodellierung, numerische Strömungsmechanik, Quantenchemie und Energieerkundung ab. - Vera Rubin kombiniert Rubin-GPUs, Vera-CPUs, NVLink-C2C, ConnectX-9 SuperNICs und BlueField-4-DPUs. - NVIDIA nannte LRZ, NERSC und Los Alamos National Laboratory als Anwender der nächsten Generation. - Globale Systemhersteller wie Dell, HPE, Supermicro, Bull und GIGABYTE bringen Vera Rubin NVL4-Systeme auf den Markt. # NVIDIAs Vera Rubin-Pitch besagt, dass KI-Hardware jetzt als wissenschaftliches Instrument und nicht nur als Modell-Engine verkauft wird ## Was passiert ist NVIDIA nutzte ISC High Performance 2026 am 22. Juni, um Vera Rubin als wissenschaftliche Plattform und nicht nur als eine weitere KI-Beschleunigerfamilie neu zu positionieren. Das Unternehmen sagte, dass Vera Rubin mehr als 7 Exaflops KI für die Wissenschaft, 5 Petaflops native FP64-Leistung und bis zu 144 GPUs pro Rack liefern kann. Darüber hinaus wurden konkrete Anwender und Systementwickler genannt, darunter das Leibniz Supercomputing Centre, das National Energy Research Scientific Computing Center, das Los Alamos National Laboratory, Dell, HPE, Supermicro, Bull und GIGABYTE. ![Kontextuelles redaktionelles Bild für NVIDIAs Vera Rubin Pitch besagt, dass KI-Hardware jetzt als wissenschaftliches Instrument und nicht nur als Modell-Engine verkauft wird. NVIDIA Vera Rubin HPC FP64 Los Alamos National Laboratory NVIDIA Newsroom NVIDIA Developer Blog NVIDIA Technical Blog Technologie-News](https://cdn.mos.cms.futurecdn.net/iW8XU6BHtKpxAmtGpNNbf.jpg) *Für diese TechPulse-Geschichte wurde ein kontextbezogenes Bildmaterial ausgewählt.* Der wichtigste Teil der Ankündigung ist nicht nur die Schlagzeile. NVIDIA bezeichnet Vera Rubin ausdrücklich als Rack-System, das traditionelle Simulation, KI-Training und -Inferenz, Datenanalyse und wissenschaftliche Softwarebibliotheken vereint. Mit anderen Worten: Das Unternehmen versucht, die alte Grenze zwischen Hochleistungsrechnen und KI-Infrastruktur aufzuheben. Anstatt Forschungseinrichtungen zu bitten, KI in einen Simulationscluster zu integrieren, wird eine einzige Plattform entwickelt, auf der diese Arbeitsabläufe von Anfang an koexistieren können. Dieser Rahmen ist wichtig, da Käufer von wissenschaftlichen Computern zunehmend zwischen zwei Arten von Nachfrage hin- und hergerissen sind. Sie benötigen weiterhin hochpräzise numerische Leistung für simulationsintensive Aufgaben, benötigen aber auch Grundlagenmodelle, Ersatzmodelle, Agentenanalysen und datenintensive Forschungspipelines. NVIDIA sagt, dass Vera Rubin die Antwort auf diese gemischte Workload-Zukunft ist. ## Warum es wichtig ist Dies ist wichtig, da sich die Ökonomie und die Architektur des Advanced Computing verändern. Das alte HPC-Modell ging von der Simulation als Kernarbeitslast aus und behandelte KI als angrenzende oder entstehende Schicht. Der KI-Boom drehte dieses Gleichgewicht um und drängte Rechenzentren häufig zu Clustern, die für Modelltraining und Inferenz optimiert waren. Wissenschaftseinrichtungen brauchen jetzt beides gleichzeitig. Sie wollen präzises Computing, aber auch KI-native Tools, die die Erkundung beschleunigen, die Analyse automatisieren und die Zeit bis zur Entdeckung verkürzen können. Vera Rubin ist wichtig, weil NVIDIA versucht, diese Konvergenz als erstklassige Hardwarekategorie zu verkaufen. Das Unternehmen bietet nicht nur größere Chips an. Es verkauft ein Rack-Instrument für das Zeitalter der Agentenwissenschaft, in dem Modellierung, Experimente, Abruf und KI-gestütztes Denken zunehmend miteinander verbunden sind. Das kann wirtschaftlich von Bedeutung sein, da Käufer von Forschung und Entwicklung aus Wissenschaft und Industrie hochwertige Ankerkunden sind. Wenn NVIDIA zum Standard-Stack für nationale Labore der nächsten Generation, Energieexplorationssysteme und industrielle Forschungszentren wird, stärkt es den Burggraben des Unternehmens über die Hyperscaler-KI-Nachfrage hinaus. Es gibt NVIDIA auch eine stärkere Aussage darüber, dass seine Hardware für die Entdeckung unerlässlich ist, nicht nur für Chatbots und Modellanbieter. ## Technische Details Technisch gesehen ist Vera Rubin wegen der Balance, die sie anzustreben versucht, interessant. Laut NVIDIA kombiniert die Plattform Rubin-GPUs und Vera-CPUs mit NVLink-C2C, ConnectX-9 SuperNICs und BlueField-4-DPUs in einer direkt flüssigkeitsgekühlten Architektur. Das Ziel ist nicht nur der Rohdurchsatz. Es handelt sich um die Fähigkeit, hochpräzise Simulationen, KI-Workloads und Echtzeitanalysen in einem eng integrierten System auszuführen. ![Kontextuelles redaktionelles Bild für NVIDIAs Vera Rubin Pitch besagt, dass KI-Hardware jetzt als wissenschaftliches Instrument und nicht nur als Modell-Engine verkauft wird. NVIDIA Vera Rubin HPC FP64 Los Alamos National Laboratory NVIDIA Newsroom NVIDIA Developer Blog NVIDIA Technical Blog Technologie-News](https://cdn.mos.cms.futurecdn.net/naGJcTMjW55ezUMJxYBNj-2560-80.jpg) *Für diese TechPulse-Geschichte wurde ein kontextbezogenes Bildmaterial ausgewählt.* Besonders wichtig ist der FP64-Schwerpunkt. Die native FP64-Leistung bleibt für viele wissenschaftliche und technische Simulationen von entscheidender Bedeutung, bei denen Näherungsfehler nicht akzeptabel sind. KI-Beschleuniger vermarkten oft den Tensordurchsatz oder die Inferenzeffizienz, aber wissenschaftliche Einkäufer legen immer noch Wert auf numerische Genauigkeit. Durch die Hervorhebung von 5 Petaflops nativem FP64 neben der KI-for-Science-Leistung macht NVIDIA deutlich, dass Vera Rubin keinen Kompromiss zwischen KI-Fähigkeit und Simulationsseriösität erzwingt. Auch die Geschichte im Rack-Maßstab ist wichtig. Das technische Material von NVIDIA stellt Rubin zunehmend als ein gemeinsam entwickeltes System dar und nicht als eine lose Ansammlung von Teilen. Diese Architektur erklärt, warum das Unternehmen immer wieder von ganzen Racks als Produktoberfläche spricht. Bei modernen KI- und HPC-Workloads ist der Leistungsengpass oft nicht ein einzelner Chip, sondern die Koordination zwischen Rechenleistung, Netzwerk, Arbeitsspeicher, Speicher und Kühlung. Rubin wird als Plattform verkauft, auf der diese Beziehungen gemeinsam aufgebaut werden. ## Auswirkungen auf Markt und Branche Die Marktauswirkung besteht darin, dass fortschrittliche Computeranbieter aufsteigen. NVIDIA verkauft Komponenten nicht mehr nur an Systemintegratoren. Es definiert vollständige Workload-Architekturen und benennt die Institutionen, die diese implementieren werden. Das gibt Käufern eine schlüsselfertigere Roadmap, erhöht aber auch die Abhängigkeit von NVIDIAs Designannahmen. Für Forschungseinrichtungen ist das Versprechen attraktiv: eine Plattform für Simulation, KI, Analytik und Visualisierung. Für die Konkurrenz ist die Botschaft härter. Um NVIDIA herauszufordern, reicht es möglicherweise nicht mehr aus, einen starken Chip anzubieten. Anbieter benötigen möglicherweise eine glaubwürdige Full-Stack-Story, die Hardware, Verbindungen, Softwarebibliotheken und arbeitslastspezifische Optimierung umfasst. Wenn es Vera Rubin gut geht, könnte das Ergebnis eine engere Integration zwischen wissenschaftlichem Rechnen und der Beschaffung von KI-Infrastruktur sein. Labore und industrielle Forschungs- und Entwicklungsgruppen hören möglicherweise auf, KI als Overlay zu kaufen, und beginnen stattdessen mit dem Kauf einheitlicher Plattformen. Das wäre eine bedeutende Veränderung in der Art und Weise, wie die nächste Generation von Forschungssystemen geplant und begründet wird. ## Worauf man als Nächstes achten sollte Als nächstes sollten Sie auf den Zeitpunkt der Bereitstellung achten. NVIDIA sagte, dass Vera Rubin NVL4-basierte Systeme voraussichtlich im vierten Quartal dieses Jahres bei Systemherstellern erhältlich sein werden. Lieferpläne, frühe Benchmark-Offenlegungen und Fallstudien zur Arbeitsbelastung werden zeigen, ob die wissenschaftliche Darstellung der Plattform in diesem Bereich Bestand hat. Achten Sie auch darauf, ob die Erstanwender Wert auf Simulationsbeschleunigung, KI-Modellarbeit oder gemischte Workflow-Orchestrierung legen. Das wird uns sagen, welcher Teil der These von Vera Rubin sich in der Praxis als am wertvollsten erweist. Behalten Sie abschließend im Auge, wie nationale Labore und industrielle Einkäufer die Beschaffungskriterien im nächsten Jahr beschreiben. Wenn zunehmend von einheitlichen KI-plus-Simulationsplattformen anstelle von separaten Clustertypen gesprochen wird, wird die Ankündigung von NVIDIA vom 22. Juni wie eine frühe Blaupause für die nächste Ära der wissenschaftlichen Computerhardware aussehen. ## Quellen - [NVIDIA Newsroom: Vera Rubin liefert erstklassige Supercomputer für die Wissenschaft](https://nvidianews.nvidia.com/news/nvidia-vera-rubin-delivers-world-class-supercomputers-for-science) - [NVIDIA-Entwicklerblog: Lösung des Scale-Up-Problems der Agenten-KI](https://developer.nvidia.com/blog/how-the-nvidia-vera-rubin-platform-is-solving-agentic-ais-scale-up-problem/) - [Technischer NVIDIA-Blog: Vera Rubin POD](https://developer.nvidia.com/blog/nvidia-vera-rubin-pod-seven-chips-five-rack-scale-systems-one-ai-supercomputer/) Mentions: NVIDIA, Vera Rubin, HPC, FP64, Nationallabor Los Alamos ## Sources - [NVIDIA-Newsroom](https://nvidianews.nvidia.com/news/nvidia-vera-rubin-delivers-world-class-supercomputers-for-science) - [NVIDIA-Entwicklerblog](https://developer.nvidia.com/blog/how-the-nvidia-vera-rubin-platform-is-solving-agentic-ais-scale-up-problem/) - [Technischer NVIDIA-Blog](https://developer.nvidia.com/blog/nvidia-vera-rubin-pod-seven-chips-five-rack-scale-systems-one-ai-supercomputer/)