公众号记得加星标⭐️，第一时间看推送不会错过。
据传， NVIDIA 的Rubin 平台面临设计/规格问题，这将使竞争对手（例如 AMD MI500）在 2027 年凭借 HBM4E 抢占先机。
根据最新报道，NVIDIA即将推出的Rubin和Rubin Ultra平台正在进行重大的设计和规格调整。这些调整是在Rubin系列产品预计发布之前进行的，该系列产品将凭借新功能、效率提升和全新架构，在AI性能方面远超Blackwell。
据传，NVIDIA 的 Rubin 和 Rubin Ultra 平台面临五大关键挑战。这些挑战包括 HBM4 内存的速度和容量缺陷、良率和翘曲问题、多电源设计方案的延期以及散热器的重新设计。
挑战一：HBM4 速度降低
先来看看HBM4的挑战。NVIDIA的Rubin平台配备了288GB的HBM4显存，总带宽高达22TB/s。美光已经宣布量产12层HBM4显存，用于NVIDIA的Rubin平台，每层HBM4显存可提供高达2.8TB/s的带宽，八个HBM4显存堆叠的总带宽可达22.4TB/s。
据称，由于美光和SK海力士的芯片基础质量较差，NVIDIA在使高速内存与Rubin配合使用方面面临挑战，这可能导致设计变更或生产周期延迟。
挑战二：HBM堆叠数量减少，但相比标准Rubin仍然是一次重大升级。
对于 Rubin Ultra，NVIDIA 最初计划采用 16 层堆叠的 HBM4E 显存，容量高达 1TB。但由于美光和 SK 海力士的量产计划导致良率问题，该设计最终缩减至 12 层堆叠。Rubin Ultra 平台拥有 16 个 HBM4E 显存位点，每个 GPU 芯片组 8 个，因此每个堆叠的 16 层堆叠容量为 64GB。缩减至 12 层堆叠后，HBM4E 显存容量将降至 768GB，比最初设计减少了 25%，但比标准 Rubin 芯片的容量提升了 2.66 倍。
挑战三：四芯片组变为双芯片组
除了HBM显存容量/速度之外，据报道NVIDIA Rubin Ultra平台在设计方面也有所缩减。此前已有相关暗示。根据最新变化，Rubin Ultra将从每个GPU 4芯片方案缩减至每个GPU 2芯片方案。Rubin Ultra仍将提供单芯片和双芯片版本，但每个芯片预计都将由4芯片缩减至2芯片。
据称，这些变更的原因在于严重的良率和翘曲问题，这在采用多芯片封装 (MCP) 的超高密度设计中是不可避免的。Rubin Ultra 将采用台积电的 CoWoS-L 封装技术。这种芯片级的变更可能会导致计算性能和容量大幅下降，但英伟达预计仍将保持与最初公告中公布的性能水平相同的水平。
这将通过板级组装来实现，NVIDIA 将采用 2+2 配置集成 Rubin Ultra GPU，从而使每台 Kyber 服务器搭载四块 Rubin Ultra GPU。在 GTC 2026 上展示的原型机中可以看到，Rubin Ultra 机架容纳了四块 Rubin Ultra GPU。Ultra 芯片看起来比最初的矩形设计更接近正方形，这暗示着其将采用标准的 2 芯片和 8 个 HBM 显存位点配置。
挑战四：散热器和功率变化
最后，据称NVIDIA正在更新Rubin GPU的散热器设计，这导致了生产延迟。原计划本季度开始量产，但由于芯片规格发生变化，散热器也从双散热器布局改为单散热器布局。
有报道称，这款人工智能芯片在进入量产阶段时，其双散热片设计未能满足翘曲要求。根据此前公布的时间表，Rubin Ultra芯片将于7月推出认证样品，8月推出生产样品，预计9月开始量产，机架将于10月准备就绪。
据称，标准 Rubin GPU 在使用目前的铟石墨 TIM 时也面临不稳定性，因此原计划的 2300 和 1800W 平台将改用传统的石墨 TIM。
下一场人工智能大战：Rubin Ultra 对阵 MI500
NVIDIA 的 Rubin Ultra 和 AMD 的 MI500 在人工智能领域展开直接竞争。这两款芯片都将是各自公司首款大规模采用共封装光学（硅光子学）技术的芯片，并且在现有设计的基础上进行了大幅升级。
根据目前的计划，AMD 的 MI500 平台预计将于 2027 年下半年左右发布，采用 2.5D/3D 封装和 4 芯片布局，并配备 12 芯 HBM4E 显存封装。据传，Rubin Ultra 将缩减至 2 芯片封装，同样配备 12 芯 HBM4E 显存封装，预计将于 2027-2028 年发布。
尽管这些传言与之前的报道相符，但英伟达的供应链合作伙伴已展现出快速的修复能力，及时解决了其人工智能平台的大部分问题。英伟达的Blackwell和Blackwell Ultra也经历了芯片和机架级别的设计调整，但最终按时实现了量产，并且规格和性能与最初公布的数据一致。
我们预计 NVIDIA Rubin 和 Rubin Ultra 平台的问题将很快得到缓解或修复，使 NVIDIA 能够实现其路线图目标，并带来实质性的提升，再次颠覆 AI 领域，尽管该领域的竞争日益残酷。
（来源：编译自wccftech）
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第4402内容，欢迎关注。
加星标⭐️第一时间看推送
求推荐
热门跟贴