¿Rubin Ultra reduce drásticamente su configuración, y Nvidia no puede soportar el aumento de precios de la memoria?

Original  Odaily Planet Daily (++@OdailyChina++)

Autor｜Azuma (++@azuma_eth++)

El pasado fin de semana, un informe de la conocida institución de investigación SemiAnalysis generó un gran debate en toda la industria de la IA.

El contenido central del informe es que, tras revelar a finales de junio que el diseño de 4 chips (4-die) de Rubin Ultra de Nvidia (NVIDIA) se reduciría a la mitad, la institución de investigación ha vuelto a revelar que Nvidia ha proporcionado un adelanto de Rubin Ultra a sus principales clientes, pero sus especificaciones han disminuido aún más de lo esperado.

Las capturas de pantalla de la información relacionada con Rubin Ultra que se filtraron en el informe de SemiAnalysis son las siguientes:

• Rubin Ultra mantendrá el mismo pico teórico de rendimiento que Rubin, ambos de 35 PFLOPs;
• La capacidad de memoria se ha reducido drásticamente, con especificaciones que bajan a 192GB en apilamiento de 8 capas (8-Hi), incluso por debajo de los 288GB de Rubin en apilamiento de 12 capas (12-Hi);
• El cambio en el ancho de banda de la memoria es mínimo, solo aumentando en 1 TB/s, lo que en cálculos de alta carga puede considerarse prácticamente irrelevante;
• El consumo de energía a nivel de chip incluso ha aumentado ligeramente, con un consumo mínimo igual al de Rubin (1800 W), pero un consumo máximo más alto (2600 W);
• La única mejora significativa es la "escala de interconexión ampliada" (Scale-up world size), que ha aumentado de 72 GPUs a 576 GPUs, lo que significa que Nvidia ha trasladado su verdadero punto de venta a la red de clústeres, donde a través de la red NVLink puede conectar hasta 576 Rubin Ultra en un enorme "super GPU lógico" (Rubin solo soporta hasta 72 tarjetas interconectadas).

Como la versión insignia de Rubin que Nvidia anunció con gran bombos en GTC 2026, el Rubin Ultra originalmente estaba diseñado para integrar más chips y memoria de alta velocidad, específicamente para satisfacer las demandas de entrenamiento e inferencia de modelos de IA a gran escala. Sin embargo, según los últimos detalles de especificaciones revelados por SemiAnalysis, es evidente que Nvidia ha ajustado su enfoque de diseño para Rubin Ultra.

El aumento de precios de HBM obliga a Nvidia a recalcular

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 la demanda de aceleradores de IA como Nvidia H100, H200 y Blackwell, la memoria de alto ancho de banda ha pasado de ser un producto de almacenamiento de alta gama relativamente de nicho a convertirse en el eslabón más escaso de toda la infraestructura de IA. SK Hynix, Samsung y Micron, mientras continúan rompiendo récords de rendimiento, han ampliado su inversión en HBM, mientras que el desequilibrio entre oferta y demanda sigue impulsando el aumento continuo de los precios de HBM.

Para los fabricantes de chips de IA, la importancia del HBM es indiscutible: los GPU se encargan del cálculo, y el HBM proporciona el alto rendimiento de datos, y ambos determinan la eficiencia del entrenamiento y la inferencia de modelos de IA. Sin embargo, el problema es que, hoy en día, el HBM se ha vuelto tan caro que comienza a afectar la viabilidad económica general de los sistemas 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, mientras que en el Q1 de este año (precio de contrato) ya había subido a 600-700 dólares, y en el Q2 (precio al contado) incluso alcanzó los 700 - 850 dólares.

Según los cálculos de SemiAnalysis, a medida que aumentan los precios de HBM, el costo de materiales (BOM) de una sola unidad de Rubin Ultra ha aumentado de aproximadamente 6.6 millones de dólares a 8 millones de dólares, mientras que tras ajustar las especificaciones de diseño, el costo puede reducirse a aproximadamente 6.4 millones de dólares.

Para Nvidia, esta enorme diferencia de costos plantea un problema muy real: si se continúa aumentando la capacidad de HBM según el diseño original, ¿podría aún ofrecer un aumento de rendimiento que justifique el costo? ¿Existen otras soluciones más óptimas?

SemiAnalysis ha respondido a esto en su informe, indicando que el ajuste de Rubin Ultra es, en esencia, una reoptimización de la estructura de costos del sistema de IA de Nvidia bajo recursos limitados, es decir, reducir la configuración de HBM relativamente cara (la proporción de costos ha bajado del 40% al 28%) y destinar recursos a capacidades de interconexión ampliadas de mayor valor (la proporción de costos ha aumentado del 4% al 12%).

Como se mencionó anteriormente, la dirección de actualización central de Rubin Ultra ahora se ha centrado en la "capacidad de interconexión a nivel de sistema". La arquitectura NVL576 que soporta Rubin Ultra puede conectar hasta 576 GPUs a través de NVLink en un dominio de cálculo unificado, con el objetivo de compensar los ajustes en las especificaciones de un solo chip mediante una expansión del sistema a mayor escala.

Las acciones de almacenamiento caen drásticamente, el mercado teme que la demanda haya alcanzado su punto máximo

Puede que como resultado de esta noticia, esta mañana, tras la apertura del mercado coreano, las acciones del sector de almacenamiento cayeron en conjunto, y hasta las 11:45 hora de Beijing, SK Hynix y Samsung, los dos gigantes de HBM, cayeron aproximadamente un 8%, y el índice KOSPI también cayó alrededor del 5%.

El mercado ha comenzado a preocuparse de que, si los ajustes de especificaciones de Rubin Ultra revelados por SemiAnalysis son reales (Nvidia aún no ha confirmado públicamente esta información), esto podría significar que Nvidia, como el comprador más central 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 IA, el HBM se ha convertido en la parte más escasa de la infraestructura de IA. Nvidia, AMD y otros fabricantes de chips han continuado aumentando la configuración de HBM en sus aceleradores de IA, lo que ha impulsado las ganancias de SK Hynix, Samsung, Micron y otros fabricantes de almacenamiento, y ha reforzado continuamente el poder de fijación de precios de estos últimos en toda la cadena de suministro.

La elección de Nvidia podría significar que los fabricantes de chips de IA están considerando reducir la dependencia de HBM de alta capacidad a través de la optimización del diseño del hardware. Si este camino se demuestra viable, el espacio para que los fabricantes de HBM sigan aumentando los precios podría verse muy limitado.

La construcción de la infraestructura de IA eventualmente dejará atrás la era de "acumular locamente y aumentar precios sin pensar", y ahora, incluso Nvidia, que se sienta en el trono del poder de cálculo, ha comenzado a hacer cuentas.

Este contenido se ofrece únicamente con fines informativos generales y no constituye asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, tradear o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.