ASUS hat mit dem NVIDIA HGX Rubin NVL8 ein Serverdesign vorgestellt, das den Platzbedarf für KI-Beschleuniger deutlich reduziert. Das System mit acht Rubin-GPUs wurde auf der AI Tech 2026 in Seoul präsentiert und zeigt, wie Flüssigkeitskühlung zusammen mit einer veränderten GPU-Anordnung die physische Baugröße künftiger KI-Server verändern könnte.
Von 6U auf 1U
Der zentrale technische Fortschritt liegt in der Bauhöhe: Während frühere luftgekühlte HGX-Plattformen laut Berichten von lavx.hu und servethehome.com sechs Höheneinheiten (6U) oder mehr benötigten, um acht GPUs unterzubringen, komprimiert ASUS das reine GPU-Segment nun auf eine einzige Höheneinheit (1U).
Ermöglicht wird dies durch eine Kombination aus Flüssigkeitskühlung und einer gedrehten Anordnung der GPUs im Chassis. Diese Neuausrichtung erlaubt eine dichtere Packung der Komponenten, ohne dass die Wärmeabfuhr zum limitierenden Faktor wird.
Damit verfolgt ASUS einen Ansatz, der die Rechendichte pro Rack-Einheit erhöht – ein Aspekt, der angesichts wachsender Leistungsanforderungen von KI-Trainings- und Inferenz-Workloads zunehmend an Bedeutung gewinnt.
Aufgeteiltes Chassis-Design
Konstruktiv trennt ASUS die reine GPU-Recheneinheit von weiteren Systemkomponenten. CPUs, SSDs und DPUs sind laut den Berichten in einem zweiten Chassis-Segment untergebracht.
Frühere luftgekühlte HGX-Plattformen brauchten 6U oder mehr für acht GPUs — das neue NVL8-Design komprimiert das GPU-Segment auf 1U und trennt Rechen- von Versorgungseinheiten in ein zweites Chassis. Wer sein Rack neu plant, findet hier die wichtigsten Schritte zu Kühlungsvariante, Dichte und Kapazität. Kostenlosen Planungsleitfaden anfordern
Für den Betrieb ist dabei sowohl eine hybride Kühlung als auch eine vollständige Flüssigkeitskühlung möglich, was Betreibern von Rechenzentren unterschiedliche Freiheitsgrade je nach vorhandener Infrastruktur einräumt. Diese modulare Trennung von Rechen- und Versorgungseinheiten dürfte die Wartung und den Austausch einzelner Komponenten erleichtern, ohne dass das komplette System stillgelegt werden muss.
Weitere AI-Pod-Systeme im Portfolio
Neben dem HGX Rubin NVL8 zeigte ASUS auf derselben Veranstaltung auch flüssigkeitsgekühlte ORv3-Trays für die Plattformen GB200 NVL72, GB300 NVL72 sowie Vera Rubin NVL72 – jeweils als komplette AI-Pod-Lösung. Diese Systeme richten sich an Betreiber, die skalierbare KI-Infrastruktur auf Rack-Ebene benötigen und dabei auf standardisierte Open-Rack-Formfaktoren setzen.
Laut einem Bericht von sina.cn präsentierte ASUS die neuen Server, Racks und Lösungen gemeinsam mit Lieferanten, Partnern und Kunden; im Rahmen der Veranstaltung moderierte demnach ein Teilnehmer eine Podiumsdiskussion zu den vorgestellten Systemen.
Fehlende unabhängige Leistungsdaten
Einschränkend berichten sowohl lavx.hu als auch servethehome.com, dass ASUS bislang keine unabhängigen Benchmarks oder konkreten GPU-Leistungswerte zu den vorgestellten Systemen vorgelegt hat. Wie sich die kompaktere Bauweise tatsächlich auf Durchsatz, Energieeffizienz und Betriebskosten im Vergleich zu bisherigen HGX-Generationen auswirkt, lässt sich damit derzeit nicht unabhängig beurteilen.
Bevor Sie in kompaktere KI-Server investieren: ASUS hat bislang keine unabhängigen Benchmarks zu Durchsatz, Energieeffizienz und Betriebskosten vorgelegt. Dieser Leitfaden zeigt, welche Kennzahlen Sie vor der Beschaffung selbst einfordern und wie Sie Kühlung und Rack-Layout darauf ausrichten. Prüf-Checkliste jetzt sichern
Für Rechenzentrumsbetreiber und Systemintegratoren bleibt die Vorstellung dennoch ein Indikator dafür, in welche Richtung sich die Serverarchitektur für KI-Beschleuniger auf Basis der kommenden Rubin-Generation von NVIDIA entwickeln dürfte: weniger Bauraum pro Rechenleistung, stärkere Abhängigkeit von Flüssigkeitskühlung und eine klarere Trennung zwischen reinen Rechen- und Versorgungskomponenten im Chassis.
