Original | Odaily星球日报(@OdailyChina)
Autor|Azuma(@azuma_eth)
El pasado fin de semana, un informe de la conocida firma de investigación de inversiones SemiAnalysis generó un intenso debate en toda la industria de la IA.
El contenido central del informe es que, tras la revelación de SemiAnalysis a finales de junio de que el diseño original de 4 chips (4-die) de Rubin Ultra de NVIDIA sería reducido a la mitad, la firma ha vuelto a revelar que NVIDIA ha proporcionado una vista previa de Rubin Ultra a sus principales clientes, pero sus especificaciones han disminuido aún más respecto a las expectativas anteriores.
A continuación, se presenta una captura de pantalla de la información relacionada con Rubin Ultra filtrada en el informe de SemiAnalysis:
- Rubin Ultra mantendrá el mismo pico teórico de potencia de cálculo que Rubin, ambos de 35 PFLOPs;
- Recorte severo en la capacidad de memoria gráfica, las especificaciones se reducen a 192GB con apilamiento de 8 capas (8-Hi), incluso por debajo de los 288GB con apilamiento de 12 capas (12-Hi) de Rubin;
- El ancho de banda de memoria apenas cambia, solo aumenta 1 TB/s, prácticamente insignificante en cálculos reales de alto rendimiento;
- El consumo energético a nivel de chip incluso aumenta ligeramente, el consumo mínimo es el mismo que el de Rubin (1800 W), el máximo es aún mayor (2600 W);
- La única mejora significativa es la "escala de interconexión de expansión" (Scale-up world size), que aumenta de 72 GPUs a 576 GPUs, lo que significa que NVIDIA ha trasladado el verdadero punto de venta a la red de clústeres. A través de la red NVLink, puede conectar hasta 576 Rubin Ultra para formar un enorme "super GPU lógica" (la versión estándar solo admite la interconexión de hasta 72 tarjetas).
Como la versión insignia de gama alta de Rubin, anunciada con gran expectación por NVIDIA en GTC 2026, Rubin Ultra estaba originalmente diseñada para integrar más chips (die) y memoria de alto ancho de banda, específicamente para satisfacer las necesidades de entrenamiento e inferencia de modelos de IA a escala extrema. Sin embargo, según los detalles de especificaciones revelados más recientemente por SemiAnalysis, NVIDIA ha ajustado claramente el enfoque de diseño de Rubin Ultra.
El HBM sube demasiado rápido, NVIDIA comienza a replantearse las cuentas
En los últimos dos años, uno de los componentes más críticos en la expansión de la industria de la IA ha sido, sin duda, el HBM.
Con la explosión de demanda de aceleradores de IA como Nvidia H100, H200, Blackwell, la memoria de alto ancho de banda pasó de ser un producto de almacenamiento de alta gama relativamente nicho a convertirse en el eslabón más escaso en toda la infraestructura de IA. SK Hynix, Samsung y Micron, mientras batían récords de resultados, aumentaron sus inversiones en HBM. El desequilibrio entre oferta y demanda del mercado continúa impulsando el alza de precios del HBM.
Para los fabricantes de chips de IA, la importancia del HBM es evidente: la GPU se encarga del cálculo, el HBM proporciona el alto rendimiento de datos; ambos determinan conjuntamente la eficiencia del entrenamiento e inferencia de modelos de IA. Pero el problema es que el HBM ya se ha encarecido hasta el punto de empezar a afectar la economía general del sistema de IA. Tomando como ejemplo el HBM3, el precio de un HBM3 en el punto más bajo del Q2 de 2025 era de solo 180-220 dólares, en el Q1 de este año (precio de contrato) ya había subido a 600-700 dólares, y en el Q2 (precio spot) incluso a 700 - 850 dólares.
Según los cálculos de SemiAnalysis, con el aumento del precio del HBM, el costo puro de materiales (BOM) por bastidor de Rubin Ultra pasó de aproximadamente 6.6 millones de dólares a 8 millones, y tras ajustar las especificaciones de diseño, el costo puede retroceder a unos 6.4 millones de dólares.
Para NVIDIA, una diferencia de coste tan enorme plantea un problema muy real: si continúa aumentando la capacidad de HBM según el diseño original, ¿seguirá proporcionando una mejora de rendimiento que justifique el coste? ¿Existe alguna otra solución más óptima?
SemiAnalysis responde a esto en su informe. El ajuste de Rubin Ultra es, en esencia, una reoptimización por parte de NVIDIA de la estructura de costes del sistema de IA con recursos limitados. Es decir, reducir la configuración de HBM relativamente cara (su porcentaje de coste baja de cerca del 40% al 28%) y destinar recursos a capacidades de interconexión de expansión de mayor valor (su porcentaje de coste sube del 4% al 12%).
Como se mencionó anteriormente, la dirección central de actualización de Rubin Ultra se ha reorientado ahora hacia la "capacidad de interconexión de expansión a nivel de sistema". La arquitectura NVL576 admitida por Rubin Ultra puede conectar hasta 576 GPUs mediante NVLink para formar un dominio de computación unificado, con el objetivo de compensar los ajustes en las especificaciones de un solo chip mediante una expansión del sistema a mayor escala.
Caída de las acciones de memoria, el mercado teme que la demanda haya tocado techo
Posiblemente impactadas por esta noticia, las acciones del sector de la memoria abrieron a la baja esta mañana en la bolsa surcoreana. Hasta las 11:45 hora de Beijing, SK Hynix y Samsung, los dos líderes en HBM, cayeron alrededor de un 8%, y el índice KOSPI también cayó aproximadamente un 5%.
El mercado ya comienza a preocuparse de que, si los ajustes de especificaciones de Rubin Ultra revelados por SemiAnalysis son ciertos (NVIDIA aún no ha confirmado públicamente la información), ¿significaría que NVIDIA, como el comprador central más importante en la infraestructura de IA, está reduciendo su demanda de HBM?
En los últimos dos años, con el rápido crecimiento de la demanda de expansión de la IA, el HBM se ha convertido en la parte más escasa de la infraestructura de IA. NVIDIA, AMD y otros fabricantes de chips han seguido aumentando la configuración de HBM en sus aceleradores de IA, impulsando el espectacular crecimiento de los resultados de fabricantes de memoria como SK Hynix, Samsung y Micron, y reforzando continuamente su poder de fijación de precios en toda la cadena industrial.
La elección de NVIDIA podría significar que los fabricantes de chips de IA están considerando optimizar el diseño del hardware para reducir la dependencia de un solo chip de HBM de alta capacidad. Si este camino demuestra ser viable, es muy probable que el espacio para continuas subidas de precios por parte de los fabricantes de HBM se vea limitado.
La construcción de la infraestructura de IA tarde o temprano se despedirá de la era de la "acumulación frenética de especificaciones y el aumento de precios irreflexivo". Y ahora, incluso NVIDIA, sentada en el trono de hierro de la potencia de cálculo, ha comenzado a ser más cuidadosa con los costes.
