NVIDIA ogłosiła, że platforma Rubin jest już w pełnej produkcji, i to właśnie ta wiadomość zmienia wszystko. Nie jest to kolejne „wkrótce dostępne” — chipsety wróciły z fabryk TSMC, przechodzą testy z rzeczywistymi obciążeniami, a systemy oparte na Rubin będą dostępne od partnerów w drugiej połowie 2026 roku. To oznacza, że gospodarka centrów danych AI zmienia się nie za dwa lata, ale teraz. Czego się spodziewać i dlaczego to ma znaczenie dla każdego, kto inwestuje w infrastrukturę sztucznej inteligencji?
Platforma Rubin zapewnia do 10-krotnej redukcji kosztów tokenów wnioskowania oraz 4-krotną redukcję liczby wymaganych GPU do treningu modeli MoE w porównaniu z Blackwell. Słowo „do” tutaj nie jest przypadkiem — to oznacza, że maksymalne oszczędności będą zależeć od konkretnego zastosowania. Ale nawet przy średnich wynikach — powiedzmy 7x obniżka kosztów — zmienia to całą kalkulację ekonomiczną centrów danych. Jeśli trenowałeś model MoE na 128 GPU Blackwell, teraz potrzebujesz 32 Rubin. Ta sama moc obliczeniowa, ćwierć sprzętu, setki milionów zaoszczędzonych.
Sześć chipów — jedna supermaszyna
Platforma Rubin wykorzystuje „extreme codesign” (skrajną współpracę projektową) na sześciu chipach: Vera CPU, Rubin GPU, NVLink 6 Switch, ConnectX-9 SuperNIC, BlueField-4 DPU i Spectrum-6 Ethernet Switch. To nie jest zlepek starych komponentów — każdy z tych chipów został zaprojektowany razem z innymi, żeby działać jako spójny system na poziomie szafy serwerowej centrum danych.
Rubin GPU oferuje 50 PFLOPS wydajności wnioskowania NVFP4 i 35 PFLOPS wydajności treningu, co stanowi 5x i 3,5x wyższą wydajność niż Blackwell. To liczby na papierze. Praktycznie oznacza to, że GPU ma do 288 GB pamięci HBM4 z przepustowością 22 TB/s, czyli prawie 3x więcej niż poprzednia generacja. Vera CPU to 88 rdzeni Olympus zaprojektowanych dla fabryk AI, z pełną kompatybilnością ARM.
Ale to, co zaskakuje, to przepustowość systemu Vera Rubin NVL72 — 260 TB/s, więcej niż całkowita przepustowość całego internetu. To nie hiperbola marketingowa — to jest faktycznie ograniczenie, które NVIDIA musiała rozwiązać, żeby modele MoE mogły komunikować się między sobą bez czekania na sieć.
Montaż w 5 minut, a nie 2 godziny
NVIDIA zmieniła też projektowanie samych szaf serwerowych. Modułowy design bez kabli umożliwia montaż 18x szybszy niż Blackwell. Jensen Huang na CES mówił wprost: montaż zmienił się z 2 godzin do 5 minut. Całość jest chłodzona cieczą, żaden wentylator, żaden kabel. To brzmi jak szczegół, ale dla operatorów centrów danych pracujących na skali tysięcy szaf serwerowych — to miesiące oszczędności pracy i przestojów.
Szafa serwerowa ma design bezkablowy w modułowych tacach, co umożliwia serwisowanie 18x szybsze niż Blackwell. To oznacza, że jeśli coś się zepsuje — a w centrach danych AI zawsze coś się psuje — będziesz w stanie naprawić to bez całkowitego wyłączenia systemu.
Kto dostanie Rubina jako pierwszy?
Pierwsi dostawcy chmury wdrażający instancje Vera Rubin w 2026 roku to AWS, Google Cloud, Microsoft i OCI, a także partnerzy NVIDIA CoreWeave, Lambda, Nebius i Nscale. To jest ważne — hyperskalowcy dostają priorytet. To oznacza, że jeśli chcesz wynająć Rubina zamiast go kupować, dostęp pojawi się najpierw w Azure, AWS czy Google Cloud.
Microsoft wdroży Vera Rubin NVL72 w ramach centrów danych nowej generacji, w tym planowanych Fairwater AI superfactory sites, co zapewni bezprecedensową wydajność treningową i wnioskowania. Fairwater to ambicyjny projekt Microsoftu — kilka gigantycznych centrów danych rozmieszczonych strategicznie w USA, zaprojektowanych od zera dla AI. Rubin będzie tam osadzony od samego początku.
Czemu obniżka kosztów jest aż taka duża?
10x to agresywna liczba. Ale tu chodzi o specjalny przypadek — modele MoE. Tokeny w modelach AI reprezentują słowa, fragmenty zdań, obrazy i wideo. Modele dzielą te koncepty na fragmenty za pomocą tokenizacji, a przetwarzanie tokenów to energochłonny proces, szczególnie w gigantycznych modelach. Jeśli model nie musi aktywować wszystkich swoich parametrów — tylko „eksperty” potrzebne do danego tokenu — przepustowość spada drastycznie.
Rubin jest tu osadzony w NVLink 6, który zapewnia 3,6 TB/s przepustowości wszystko-do-wszystkiego na GPU. To pozwala tym „ekspertom” komunikować się miliardy razy na sekundę bez żadnych wąskich gardeł. Blackwell miał 1,8 TB/s. Połowa. To oznacza, że MoE-e można wreszcie skalować powyżej kilkuset miliardów parametrów bez utraty wydajności.
Dostępność i ograniczenia
Sprzęt nie jest jeszcze wysyłany, a zwiększanie produkcji nie zaczyna się aż do drugiej połowy roku. Ale jest jedna rzecz, którą każdy powinien wiedzieć: wydajność NVIDIA w 2026 roku zostanie ograniczona do 200 000–300 000 Rubin GPU, ze względu na przepustowość TSMC i dostępność HBM4. To wygląda na dużo, ale dla całego świata? To pół megawatów mocy obliczeniowej, może mniej.
Hyperskalowcy otrzymają priorytet alokacji — AWS, Microsoft Azure, Google Cloud i Oracle Cloud mają już zabezpieczoną wstępną pojemność i będą konsumować pierwsze 6–9 miesięcy produkcji. Jeśli pracujesz w firmie, która nie jest hyperskalowcem, przygotuj się na czekanie. Możliwe, że czekanie będzie się ciągnąć w 2027 rok.
Co dalej — czy czekać czy inwestować w Blackwell teraz?
Tutaj jest paradoks: Blackwell się NIE kończy. NVIDIA podniosła wydajność Blackwell GPU aż 2,8x w zaledwie trzy miesiące dzięki optymalizacjom w TensorRT-LLM, co pozwala istniejącym wdrożeniom Blackwell osiągnąć wyższą przepustowość bez zmian sprzętowych. To oznacza, że jeśli kupisz Blackwell teraz, w drugiej połowie 2026 będzie 2,8x szybszy dzięki oprogramowaniu.
Dla organizacji wdrażających infrastrukturę AI dzisiaj, obecne inwestycje w Blackwell pozostają uzasadnione — organizacje z istniejącymi wdrożeniami mogą natychmiast zyskać 2,8x poprawę wnioskowania i 1,4x poprawę treningu aktualizując do najnowszej wersji TensorRT-LLM. Innymi słowy: nie kupuj Blackwell i nie martw się, że „mogłeś czekać na Rubin”. To będzie pracować dobrze przez następne 18 miesięcy.
Ale jeśli Twoja infrastruktura jest gotowa na drugą połowę 2026, a biorąc pod uwagę kwartał na budowę chłodzenia cieczą i elektryki — jeśli planujesz to teraz — wtedy czekanie na Rubin ma sens ekonomiczny. 10x obniżka kosztów tokenów jest godna ekspozycji na niedostępność przez kilka miesięcy.
Dlaczego to zmienia grę dla OpenAI, Anthropic i xAI
Sam Altman z OpenAI mówi: „Inteligencja skaluje się z mocą obliczeniową. Gdy dodajemy więcej mocy, modele stają się bardziej zdolne, rozwiązują trudniejsze problemy. Rubin pomaga nam utrzymać skalowanie.” Dario Amodei z Anthropic przyznaje: „Zyski wydajnościowe na platformie Rubin to dokładnie ten rodzaj postępu infrastrukturalnego, który umożliwia dłuższe pamięci, lepsze rozumowanie i bardziej niezawodne wyniki.”
To jest sedno sprawy. W świecie, gdzie każdy zbiera się wokół agentów AI i modeli z głębokim rozumowaniem — gdzie model musi „myśleć” przez tokeny zamiast odpowiadać natychmiast — Rubin jest przełomem. Nie dlatego, że jest szybszy, ale dlatego, że jest tańszy. A taniość w infrastrukturze AI zmienia wszystko: większe modele, dłuższa pamięć kontekstowa, więcej agentów działających w równoległości.
Rzeczywisty test przyjdzie za pół roku
Dzisiaj mamy chipsety w laborkach NVIDIA. Za sześć miesięcy będziemy wiedzieć, czy Rubin rzeczywiście sprzedaje się tak szybko jak ludzie mówią. Czy hyperskalowcy masowo skasują Blackwell i przejdą na nowe? Czy będą tam problemy w produkcji czy wdrożeniu (a zawsze są)? Czy cena systemu Rubin będzie rzeczywiście uzasadniać 10x redukcję kosztów tokenów?
Ale jedno jest pewne: NVIDIA potwierdziła, że potrafi innowować w rocznym cyklu bez zmiany tempa. To jest druzgocące dla konkurencji (AMD, Google, Amazon), a ekscytujące dla każdego, kto ma Rubin zarezerwowany.
