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、Penguin Solutions、Lambda 和 AMD 各自拿出了新方案。先看四件事:
- 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;同时公布由 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 1:四家美国公司在 SC26 上做了什么
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。
科学计算为什么需要专门的 GPU?因为工作负载不一样。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,但同步升级的稀疏数据加速和互连,才是让核心不空转的关键。
可以这样理解: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 核心都在等内存,峰值算力就变不成真实吞吐。
英伟达计划 2028 年供应 Rubin HPC,并通过 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,采用液冷 MGX 系统和 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。算下来,全机架共有 16896 个 CPU 核心、33792 个线程。
为什么 HPC 还要堆 CPU?因为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,以及较难加速的传统 Fortran 代码,都要靠高性能 CPU。GPU 规模扩大的同时,CPU 也得跟上数据准备、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。
性能方面,在 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 面向科学计算的产品参数是 192 颗 CPU,英伟达此前还展示过最高 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 采用 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。
背景是:GPU 封装附近的 HBM 带宽很高,但容量受封装和布线限制,把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 加了一个用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,使用 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,并通过 CXL 3.0 和 Marvell 光互连 NIC 支持 CPU 共享。
Penguin 和 Marvell 并行推进两条产品线:
- 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。
- 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,交换机内的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随之而来,CPO 改的正是这一段。
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 系统使用每台 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,决定了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:AI 计算的钱会花到哪?
算力系统的投资结构正在变宽,可以拆成四层来看:
- 计算芯片: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 容量依然是核心指标。
- 内存与控制芯片: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: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,也让先进封装更关键。
- 系统集成和软件: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只是其中一部分。
此外,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。如果你想系统了解这类 智能与云计算 方向的技术,可以顺着这几条线索深入。

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 则把整套系统交给科学家使用。

2027 年将先检验 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。
来源:芝能智芯出品