
11月15日至20日,2026年超级计算大会(SC26)在芝加哥举行。
英伟达发布面向科学计算的Rubin HPC GPU,单卡CUDA核心超过5万个,配第七代NVLink,公布由192颗Vera CPU组成、峰值汇总内存带宽超过200TB/s的高性能计算机架。
Penguin Solutions联合Marvell展示MemoryAI光子内存设备,用硅光互连把HBM和DDR5变成跨服务器共享的内存池。
Lambda在超过1万颗GPU的GB300 NVL72集群里部署英伟达CPO交换机。
AMD与橡树岭国家实验室宣布采用EPYC和MI355X的Lux超级计算机向科学用户开放,在11月TOP500榜单上排第14位。
科学计算和AI基础设施开始围绕同一套系统优化。芯片算力往上堆的同时,数据怎么送进来、内存怎么共享、跨机架网络怎么撑住,成了新的竞争点。

Part 1
英伟达 Rubin HPC:5 万核心的科学 GPU
11月16日,英伟达公布Rubin HPC GPU,归属Vera Rubin平台,面向科学、工程和分析计算。
单颗GPU超过5万个CUDA核心,带稀疏数据处理加速,采用第七代NVLink,计算精度覆盖FP64到FP4。
科学计算需要专门的GPU,原因是工作负载不一样。
AI训练看重大规模矩阵乘法和低精度吞吐,气候和工程模拟经常要用双精度浮点、稀疏矩阵、Stencil网格更新、排序和归约,对高带宽内存、随机访问、数据搬运和进程通信的依赖更强。
Rubin HPC的方向,是让更多计算核心在复杂数据访问中持续工作。
5万个CUDA核心是这次最显眼的数字,同步升级的稀疏数据加速和互连才是让核心不吃空转的东西。
核心数量相当于工厂车间,数据访问效率决定原料能不能及时进场,大量CUDA核心等内存,峰值算力就变不成真实吞吐。
英伟达计划2028年供应Rubin HPC,通过CUDA-X库、HPC SDK和面向科学计算的Agent工具,把新硬件接进现有科研流程。

英伟达 Vera:192 颗 CPU 的机架
同日公布的HPC版Vera CPU机架包含192颗Vera CPU,液冷MGX系统,Quantum-X800 InfiniBand互连,机架汇总峰值内存带宽超过200TB/s,配置约300TB内存和1PB存储。
每颗Vera有88个Olympus定制核心、176个线程,单CPU最高1.2TB/s内存带宽。
一个1U托盘放8颗CPU,192颗配置对应24个托盘。
这组配置算下来,全机架16896个CPU核心、33792个线程。
很多科学应用没法把所有工作都交给GPU:复杂条件分支、网格准备、任务调度、模型前后处理、数据转换和较难加速的传统Fortran代码,都要靠高性能CPU。
GPU规模扩大的同时,CPU得跟上数据准备、调度和串行环节的速度。
Vera这次强调内存带宽、CPU核数和高密度部署,英伟达要在GPU之外争取更大的HPC份额。
OpenFOAM motorBike Large测试里,Vera相对所选x86系统做到1.9倍性能和2.4倍每瓦性能,WRF天气模型的数字属于预计提升。
本届SC26科学计算产品的参数是192颗CPU,英伟达此前展示过最高256颗CPU的其他Vera机架配置。
Vera HPC版机架预计2027年初由Dell、HPE、Lenovo和Supermicro供应。

Penguin × Marvell:跨机架共享内存
Penguin Solutions的MemoryAI Photonic Appliance用Marvell Photonic Fabric硅光技术,允许多台GPU和CPU服务器访问独立放置的共享内存池。
GPU封装附近的HBM带宽很高,容量受封装和布线限制,所有暂存数据都塞进本地HBM,成本高也不灵活。
这套方案相当于给GPU加了一个光互连连着的共享内存仓库,设备可以放在离GPU数米远的地方,用HBM3E和DDR5两种介质。
最急的计算数据留在GPU本地HBM,容量需求大的数据放到外部。
长上下文推理、KV Cache和多Agent执行这类场景,可以按任务变化分配共享容量。
官方设计目标是每台设备最多16TB DDR5 RDIMM、576GB HBM3E。
设备汇总带宽57.6Tbps,按位和字节换算相当于7.2TB/s,提供HBM Direct、HBM-DDR5 Cached和DDR5 Direct三种访问方式,通过CXL 3.0和Marvell光互连NIC支持CPU共享。
Penguin和Marvell并行推两条产品线。
◎ 一条是SMART CXL板卡,用Marvell Structera X控制器、经CXL 2.0扩展DDR4,计划2026年底进入客户验证与部署;
◎ 另一条是MemoryAI光子内存设备,计划2027年下半年向部分客户送样。

Lambda:万卡集群用上 CPO
Lambda在SC26公开的方案,是把英伟达Photonics共封装光学(CPO)交换机部署到由GB300 NVL72机架组成、GPU超过1万颗的集群。
CPO把光学引擎集成到交换芯片封装附近,缩短高速电信号在铜介质中的传输路径,降低电链路损耗和部分网络功耗。
传输速率提上去后,交换机内高速电信号要走更长的板级走线才能到面板模块,功耗和信号完整性问题跟着上来,CPO改的就是这一段。
英伟达给出的数据是CPO相比可插拔光学器件最高改善5倍光互连能效、15倍可靠性,激光器数量减少约四分之三。
Lambda系统用每台144个800Gb/s端口的交换机,典型光学温度中位数从51℃降到36℃,机架级网络延迟下降约4%,Pod级最多下降约10%。
这些数字落在光学互连子系统和特定网络测试上。CPO的产业价值在于让几十万条高速链路构成的大系统少耗电、少出故障点,把GPU的有效工作时长拉长。
Lambda把这项技术从实验室和工程样机推进到大集群实践,接下来要处理交换机更换成本、激光源维护、光纤布线、现场检修和规模良率,竞争会波及交换芯片、光引擎、封装、连接器和数据中心运维体系。

AMD Lux:TOP500 第 14 的科研机
11月16日,ORNL、AMD与HPE宣布Lux SI + HPC超级计算机向科学用户开放,服务美国能源部Genesis Mission相关科研。系统采用AMD EPYC CPU、Instinct MI355X GPU、Pensando网络与ROCm软件栈,由HPE集成。
2026年11月TOP500榜单里,Lux以220.79 PFLOPS的HPL实测性能排全球第14,理论峰值323.90 PFLOPS,配置是EPYC 9575F、MI355X和400Gb/s以太网互连。这是一台有公开实测成绩、已经向科学用户开放的系统。
Lux把科学计算和AI融合在同一平台,既跑大规模传统模拟,也用AI模型处理实验和仿真数据。
AMD想用CPU、GPU、网络与ROCm的完整组合,打通科研用户从模型训练到科学应用的部署流程。
对研究机构来说,开发工具、数值库、编译器、调试、作业调度和迁移成本,决定系统实际能用成什么样。
AMD在SC26还展示了芬兰LUMI-AI、英国Dawn扩展和法国Alice Recoque等科研项目。

Part 2
算力系统的投资结构正在变宽。
计算芯片这一段,英伟达和AMD仍决定最关键的GPU和CPU运算能力,FP64、高效处理稀疏数据、片内缓存和本地HBM容量还是核心指标。
内存与控制芯片这一段,HBM供应紧张推动内存分层、CXL扩展、远程内存池和KV Cache卸载,Marvell这类企业拿到新位置,DDR5、HBM3E和内存控制器的搭配更灵活。
高速互连与光学这一段,NVLink、InfiniBand、以太网交换机、CPO光引擎和相关光纤组件决定大规模集群之间的数据搬运成本,芯片封装与光学器件结合,让先进封装更关键。
系统集成和软件这一段,Penguin、HPE、Lambda和超级计算中心要解决资源调度、兼容性、部署和维护。科研机构买的是能持续产出计算结果的系统,硬件目录上的峰值算力包含在其中。
内存扩展控制器、CXL交换与桥接、光引擎、光电封装、高速连接器、液冷部件和机架供电,都会随着AI与HPC共用基础设施拿到更多研发投入。

SC26的核心变化,是科学计算和AI开始围绕同一套基础设施优化。
英伟达用Rubin HPC和Vera解决计算供给与数据供给的平衡,Penguin和Marvell延伸内存边界,Lambda降低网络传输的电力和故障成本,AMD把整套系统交给科学家使用。

2027年先检验Vera HPC机架的交付、CXL内存扩展和光子内存样品,2028年迎来Rubin HPC及更多下一代科学计算系统落地。
超级计算的价值,正在从公布多少核心、多少算力,转向用可控成本更快完成一个科研问题。