Selon le dernier rapport de SemiAnalysis, le HBM de Rubin Ultra a été réduit à 192 Go. Dans les scénarios sensibles à la mémoire — tels que l'inférence agente, les longs contextes et les grands modèles MoE — 192 Go sera plus limité que 288 Go, ce qui signifie que sa performance effective dans certains cas pourra être proche, voire inférieure, à celle de la version standard de Vera Rubin. La version améliorée Ultra Rubin offre moins de performances que la version standard Vera Rubin : le même modèle pourrait nécessiter davantage de GPU pour être déployé, augmentant ainsi les coûts liés à la communication entre cartes, au partitionnement du modèle et au déplacement des données, tout en réduisant l'utilisation efficace par GPU et en augmentant le coût de génération par token. Autrement dit, bien que la production de GPU ait augmenté, si chaque tâche exige davantage de GPU, le coût global de calcul au niveau système ne diminuera pas nécessairement en conséquence. La logique derrière la version améliorée devient donc inviable. Ne vaudrait-il pas mieux abandonner la version Ultra et continuer à vendre la version Vera Rubin jusqu'à la seconde moitié de 2027, puis passer directement à la prochaine génération, l'architecture Feynman, en 2028 ? 🤔