NVIDIA lança a arquitetura Vera Rubin na CES 2026: o rack VR NVL72

Na CES 2026, a NVIDIA apresentou a plataforma Rubin, ancorada pelo sistema Vera Rubin NVL72 em escala de rack. Esta é a arquitetura de escala de rack de terceira geração da NVIDIA, que combina seis chips co-projetados em um único sistema unificado. A plataforma estará disponível por meio de parceiros no segundo semestre de 2026, com todos os seis chips já fabricados e atualmente em fase de validação com cargas de trabalho reais.

Vera Rubin NVL72: Seis chips, um sistema unificado

A Vera Rubin NVL72 utiliza o que a NVIDIA chama de "design colaborativo extremo", no qual seis chips distintos são desenvolvidos em conjunto para funcionar como um sistema unificado.

CPU Vera: Silício ARM projetado para fábricas de IA

O primeiro chip apresentado foi a CPU NVIDIA Vera, enquanto a NVIDIA continua investindo em silício ARM personalizado para cargas de trabalho de IA. Construída com 88 núcleos ARM Olympus personalizados e com total compatibilidade com Armv9.2, a Vera foi projetada especificamente para as demandas de movimentação de dados e processamento de agentes das modernas fábricas de IA. Ela apresenta conectividade NVLink-C2C, oferecendo largura de banda de 1.8 TB/s para GPUs Rubin, dobrando a largura de banda C2C em relação às gerações anteriores e operando sete vezes mais rápido que o PCIe Gen 6. A CPU Vera dobra o desempenho de processamento de dados, compressão e compilação de código em comparação com a CPU Grace da geração anterior.

Comparação geracional: Blackwell Ultra vs. Vera Rubin NVL72

GPU Rubin: Motores Transformer, NVFP4 e HBM4

Em seguida, veio a estrela do show, a GPU NVIDIA Rubin, que apresenta um mecanismo Transformer de terceira geração com compressão adaptativa acelerada por hardware. Isso ajusta dinamicamente a precisão entre as camadas do Transformer, alcançando maior taxa de transferência onde a precisão pode ser reduzida, mantendo a exatidão onde é importante. Essa implementação NVFP4 oferece 50 petaflops de poder computacional para inferência (5x Blackwell) e 35 petaflops para treinamento (3.5x Blackwell). A GPU Rubin é a primeira a integrar memória HBM4 com largura de banda de até 22 TB/s, um salto significativo que resolve o problema da limitação de largura de banda de memória enfrentada por grandes modelos MoE.

NVLink 6: Comunicação completa em escala de rack

O switch NVIDIA NVLink 6 duplica a largura de banda por GPU para 3.6 TB/s, com o rack completo fornecendo 260 TB/s de rede escalável — mais que o dobro da largura de banda transversal da internet global. Essa estrutura escalável permite que cada GPU se comunique com todas as outras simultaneamente (um requisito para o paralelismo de especialistas do MoE), onde todos os especialistas devem compartilhar resultados em todo o cluster. O poder computacional integrado na rede acelera as operações coletivas e reduz o congestionamento, descarregando tarefas que, de outra forma, consumiriam ciclos de GPU.

ConnectX-9 SuperNIC: Redefinindo as redes de escalabilidade horizontal

A placa de rede NVIDIA ConnectX-9 SuperNIC lida com redes de expansão horizontal, fornecendo 1.6 TB/s de largura de banda RDMA por GPU para comunicação além do rack. A ConnectX-9 foi projetada em conjunto com a CPU Vera para maximizar a eficiência do caminho de dados e introduz um caminho de dados totalmente definido por software, programável e acelerado, que permite que laboratórios de IA implementem algoritmos personalizados de movimentação de dados otimizados para suas arquiteturas de modelo específicas.

BlueField-4 DPU e Arquitetura Segura ASTRA

O BlueField-4 é a unidade de processamento de dados (DPU) de quarta geração da NVIDIA e representa uma reformulação fundamental do armazenamento e das redes para cargas de trabalho de IA. A nova DPU apresenta uma CPU NVIDIA de 64 núcleos, em comparação com os 16 núcleos ARM Cortex-A78 do BlueField-3, oferecendo 6 vezes mais desempenho computacional. Inclui uma SuperNIC ConnectX-9 integrada, em vez da ConnectX-7 do BlueField-3, dobrando a largura de banda da rede para 800 Gb/s. O acesso da GPU ao armazenamento de dados é 2 vezes mais rápido do que na geração anterior. Além das melhorias nas especificações, a importância do BlueField-4 reside no que ele possibilita: um novo nível de infraestrutura de armazenamento nativa para IA, que a NVIDIA considera essencial para IA ativa em escala.

O BlueField-4 descarrega o processamento de rede, armazenamento e segurança, permitindo que as GPUs Rubin e as CPUs Vera se concentrem na execução do modelo. Ele é totalmente integrado ao design validado pela NVIDIA Enterprise AI Factory, com suporte do ecossistema da Red Hat, Palo Alto Networks, Fortinet e outras empresas.

O BlueField-4 também introduz o ASTRA (Advanced Secure Trusted Resource Architecture). Essa arquitetura de confiança em nível de sistema fornece um ponto de controle único para provisionar, isolar e operar ambientes de IA em larga escala com segurança, sem comprometer o desempenho.

Computação confidencial em todo o rack

A Vera Rubin NVL72 é a primeira plataforma em escala de rack a oferecer Computação Confidencial NVIDIA em todo o sistema. A computação confidencial de terceira geração mantém a segurança dos dados na CPU, GPU e em todo o domínio NVLink, com todos os barramentos criptografados em trânsito. Isso resolve uma preocupação crescente entre empresas e laboratórios de IA que executam modelos proprietários em infraestrutura compartilhada: a capacidade de garantir que os modelos, os dados de treinamento e as cargas de trabalho de inferência permaneçam protegidos mesmo quando implantados em sistemas de terceiros.

O switch Ethernet NVIDIA Spectrum-6 alimenta as redes de expansão horizontal da Nvidia. Ele é construído com a tecnologia SerDes de 200G com óptica integrada (CPO), atingindo uma capacidade de comutação de 102 TB/s e suportando o tráfego leste-oeste em racks VR NVL72. A mudança para CPO é significativa. Ao integrar a óptica diretamente ao silício do switch, a NVIDIA afirma obter 10 vezes mais confiabilidade, 5 vezes mais tempo de atividade e 5 vezes mais eficiência energética em comparação com a óptica plugável tradicional.

Melhorias em custos e eficiência para modelos do Ministério da Educação

A NVIDIA afirma que o VR NVL72 oferece um custo computacional sete vezes menor para inferência de modelos Mixture-of-Experts de grande porte, com a mesma latência do Blackwell. Ele requer apenas um quarto das GPUs necessárias para treinar o mesmo modelo MoE de grande porte no mesmo período. A plataforma atinge 8 vezes mais poder computacional por watt para inferência.

Essas melhorias atendem aos requisitos dos modelos MoE, que ativam apenas um subconjunto de seus especialistas para qualquer token específico. Modelos como o Kimi K2 Thinking empregam 384 especialistas, mas ativam apenas oito por vez, exigindo uma comunicação massiva de todos para todos via GPU. A rede escalável de 260 TB/s do VR NVL72 lida com esse padrão de comunicação.

Um rack sem cabos projetado para escala massiva

O VR NVL72 apresenta um design modular, sem cabos, sem ventoinhas e sem mangueiras, que utiliza apenas placas de circuito impresso e conectores, em vez de cabeamento interno. As bandejas de computação se conectam por meio de conectores de encaixe cego quando inseridas no rack, eliminando a necessidade de roteamento manual de cabos. As únicas conexões externas são duas mangueiras de entrada e saída de líquido que se conectam aos blocos de refrigeração líquida.

Sistemas anteriores, como o GB300 NVL72, exigiam aproximadamente 100 minutos para montar uma única bandeja de computação. Cada conexão de cabo representava um ponto potencial de falha, o que se torna significativo na escala de centenas de milhares de GPUs. O roteamento dos cabos restringia as vias de refrigeração e consumia espaço, enquanto as ventoinhas adicionavam complexidade mecânica e ruído.

O novo design reduz o tempo de montagem e manutenção em 18 vezes. A plataforma também apresenta um mecanismo RAS (Confiabilidade, Disponibilidade e Manutenibilidade) de segunda geração que abrange GPU, CPU e NVLink, fornecendo verificações de integridade em tempo real, tolerância a falhas e manutenção proativa. As bandejas de switches NVLink agora suportam manutenção sem tempo de inatividade, permitindo que os racks permaneçam operacionais enquanto as bandejas de switches são removidas ou parcialmente instaladas. Na escala de centenas de milhares de GPUs, essas melhorias na manutenibilidade se traduzem diretamente em maior tempo de atividade e produtividade do cluster.

Essa arquitetura possibilita futuras configurações de maior densidade. Isso também é fundamental para permitindo o que foi previamente anunciado Os designs de racks CPX da Vera Rubin que abordamos no AI Infra Summit, que adicionam ainda mais GPUs de processamento de contexto ao O mesmo módulo de computação em um design já denso.

Plataforma de armazenamento de memória de contexto de inferência

A NVIDIA anunciou a Plataforma de Armazenamento de Memória de Contexto de Inferência na CES 2026, uma nova classe de infraestrutura de armazenamento nativa para IA, criada especificamente para cache KV. A plataforma é alimentada pelas redes Ethernet BlueField-4 e Spectrum-X. Ela oferece até 5 vezes mais tokens por segundo do que o armazenamento de rede tradicional usado para contexto de inferência, até 5 vezes melhor desempenho por dólar de TCO, até 5 vezes melhor eficiência energética e uma melhoria de 20 vezes no tempo até o primeiro token. O posicionamento de cache KV acelerado por hardware do BlueField-4 elimina a sobrecarga de metadados e reduz a movimentação de dados, enquanto a Ethernet Spectrum-X fornece a estrutura de alta largura de banda e baixa latência para acesso baseado em RDMA.

Esta plataforma aborda um gargalo crescente na inferência de LLM: o gerenciamento de cache KV. Os modelos Transformer usam um mecanismo de atenção no qual cada token gerado deve considerar todos os tokens anteriores. Sem o cache, isso exige o recálculo dos vetores de chave e valor para cada token, resultando em uma complexidade de O(n²). O cache KV armazena essas matrizes pré-computadas na memória para reutilização, reduzindo a complexidade para O(n). O problema é que o tamanho do cache KV cresce linearmente com o comprimento da sequência e o tamanho do lote. Uma única conversa de contexto longo pode consumir gigabytes de memória. Em ambientes multi-inquilinos, ao lidar com milhares de solicitações simultâneas em janelas de contexto que se estendem a milhões de tokens, a memória HBM da GPU se esgota. Os operadores precisam reduzir os tamanhos dos lotes, encurtar as janelas de contexto ou adquirir mais GPUs.

O armazenamento de rede tradicional não foi projetado para padrões de acesso a cache chave-valor (KV), que exigem acesso aleatório de baixa latência a potencialmente terabytes de dados transitórios distribuídos por várias sessões simultâneas. A Plataforma de Armazenamento de Memória de Contexto de Inferência (Inference Context Memory Storage Platform) fornece uma camada de armazenamento dedicada, otimizada para essa carga de trabalho, situada entre a memória HBM da GPU e o armazenamento convencional. Isso permite que as fábricas de IA escalem a capacidade de contexto independentemente da computação da GPU. Anteriormente, abordamos como o descarregamento de cache KV funciona com o NVIDIA Dynamo usando um acelerador de cache KV da Pliops. A NVIDIA amplia essa capacidade com a Plataforma de Armazenamento de Memória de Contexto de Inferência e a integra ao seu projeto de código aberto Dynamo. Isso fornece a estrutura de software que integra as fases desagregadas de pré-preenchimento/decodificação, roteamento inteligente e descarregamento de armazenamento em camadas dessa nova plataforma.

Parceiros de armazenamento, incluindo VAST Data, NetApp, DDN, Dell Technologies, HPE, Hitachi Vantara, IBM, Nutanix, Pure Storage e WEKA, estão desenvolvendo plataformas com BlueField-4. Essas plataformas estarão disponíveis no segundo semestre de 2026.

Alpamayo: Inteligência Artificial Física Baseada em Raciocínio para Veículos Autônomos

A NVIDIA anunciou a família Alpamayo de modelos de IA abertos, ferramentas de simulação e conjuntos de dados projetados para acelerar o desenvolvimento de veículos autônomos (VA) seguros e baseados em raciocínio. A família Alpamayo introduz modelos de visão-linguagem-ação baseados em cadeia de pensamento e raciocínio, que trazem o pensamento humano para a tomada de decisões em VA. O sistema de segurança NVIDIA Halo sustenta esses sistemas.

As arquiteturas tradicionais de veículos autônomos separam a percepção do planejamento, o que pode limitar a escalabilidade quando surgem situações novas ou incomuns. A "cauda longa" de cenários raros e complexos continua sendo um dos maiores desafios para os sistemas autônomos superarem com segurança. A Alpamayo resolve isso permitindo que os modelos raciocinem sobre causa e efeito, analisando novos cenários passo a passo para aprimorar a capacidade de direção e a explicabilidade.

Em vez de serem executados diretamente no veículo, os modelos Alpamayo servem como modelos de ensino em larga escala que os desenvolvedores podem ajustar e incorporar na base de suas arquiteturas completas de veículos autônomos. Os desenvolvedores podem adaptar o Alpamayo em modelos de tempo de execução menores para o desenvolvimento de veículos ou usá-lo como base para ferramentas de desenvolvimento de veículos autônomos, como avaliadores baseados em raciocínio e sistemas de rotulagem automática.

Modelos, simulação e conjuntos de dados abertos da Alpamayo

O Alpamayo 1 é o primeiro modelo VLA de raciocínio em cadeia do setor, projetado para a comunidade de pesquisa em veículos autônomos e disponível na Hugging Face. Com uma arquitetura de 10 bilhões de parâmetros, o Alpamayo 1 utiliza entrada de vídeo para gerar trajetórias juntamente com registros de raciocínio, mostrando a lógica por trás de cada decisão. O Alpamayo 1 fornece pesos de modelo e scripts de inferência de código aberto. Os modelos futuros da família apresentarão contagens de parâmetros mais elevadas, capacidades de raciocínio mais detalhadas, maior flexibilidade de entrada e saída e opções para uso comercial.

O AlpaSim é uma estrutura de simulação completa e totalmente de código aberto para o desenvolvimento de veículos autônomos de alta fidelidade, disponível no GitHub. Ele oferece modelagem de sensores realista, dinâmica de tráfego configurável e ambientes de teste escaláveis ​​em circuito fechado, permitindo validação rápida e aprimoramento de políticas.

Os conjuntos de dados abertos de IA física contêm mais de 1,700 horas de dados de direção coletados em uma ampla variedade de geografias e condições, abrangendo casos extremos raros e complexos do mundo real, essenciais para o avanço das arquiteturas de raciocínio. Esses conjuntos de dados estão disponíveis no Hugging Face.

Os desenvolvedores podem ajustar as versões do modelo Alpamayo com base em dados proprietários da frota, integrá-las à arquitetura NVIDIA DRIVE Hyperion, construída com computação acelerada NVIDIA DRIVE AGX Thor, e validar o desempenho em simulação antes da implementação comercial.

NVIDIA DRIVE, sistemas AV redundantes e Mercedes-Benz CLA

A NVIDIA trabalha no desenvolvimento de carros autônomos há oito anos, com uma equipe de milhares de pessoas. A empresa construiu toda a infraestrutura: chips (Dual Orins, Dual Thors de última geração), infraestrutura (Omniverse e Cosmos), modelos (Alpamayo) e a camada de aplicação. A Mercedes-Benz firmou uma parceria com a NVIDIA há cinco anos para implementar essa infraestrutura.

O primeiro veículo totalmente autônomo da NVIDIA, o Mercedes-Benz CLA, será lançado no primeiro trimestre de 2026 nos Estados Unidos, no segundo trimestre na Europa e no terceiro/quarto trimestre na Ásia. O Euro NCAP classificou o CLA com a maior pontuação de segurança ativa entre todos os carros avaliados em 2025. Cada linha de código e cada chip do sistema possui certificação de segurança.

O sistema executa duas pilhas de AV completas em paralelo. A pilha Alpamayo utiliza raciocínio baseado em cadeia de pensamento e lida com cenários de direção complexos. Uma segunda pilha de AV clássica, subjacente, é totalmente rastreável e levou de seis a sete anos para ser construída. Um avaliador de políticas e segurança decide qual pilha usar com base no nível de confiança. Se a Alpamayo se deparar com um cenário no qual não se sinta confiante, o sistema recorre à pilha clássica. Essa diversidade e redundância no software refletem a forma como os sistemas críticos de segurança lidam com a redundância de hardware.

A NVIDIA continuará atualizando o sistema com novas versões do Alpamayo. Parceiros de mobilidade, incluindo JLR, Lucid, Uber e Berkeley DeepDrive, estão usando o Alpamayo para o desenvolvimento de autonomia de nível 4 baseada em raciocínio.

Anúncios de novos modelos físicos de IA e robótica

Além dos anúncios de infraestrutura e sistemas, a NVIDIA também aproveitou a CES 2026 para avançar em sua estratégia de IA Física, lançando novos modelos abertos, frameworks e plataformas de edge computing para acelerar o desenvolvimento de robótica. A empresa apresentou atualizações para seus modelos de mundo Cosmos e modelos de raciocínio GR00T para aprendizado de robôs, juntamente com novas ferramentas de código aberto (incluindo o Isaac Lab-Arena) para avaliação de robôs em larga escala. O OSMO é um framework de orquestração edge-to-cloud projetado para simplificar fluxos de trabalho de treinamento em ambientes de computação heterogêneos.

A NVIDIA destacou a ampla adoção de sua plataforma de robótica pela indústria, com parceiros como Boston Dynamics, Caterpillar, LG Electronics e NEURA Robotics, apresentando máquinas autônomas de última geração construídas com tecnologias NVIDIA. A empresa também anunciou uma colaboração mais estreita com a Hugging Face para integrar os modelos NVIDIA Isaac e GR00T à plataforma de código aberto LeRobot, ampliando ainda mais o acesso para a comunidade global de desenvolvedores de robótica.

Na borda da computação, a NVIDIA confirmou a disponibilidade do módulo Jetson T4000 com tecnologia Blackwell, que oferece um aumento significativo na capacidade de computação de IA e na eficiência energética para máquinas autônomas e robótica industrial. Juntos, esses anúncios reforçam o esforço da NVIDIA para expandir sua plataforma de IA completa além do data center, abrangendo simulação, modelos, computação de borda e implantação no mundo real em robótica e sistemas autônomos.