撰稿丨云昭

出品 | 51CTO技術棧（微信號：blog51cto）

英偉達飄了，野心膨脹到讓業界羨慕嫉妒恨。

就在今天深夜，GTC全場高潮迭起，黃仁勛“輕咬著舌頭、左手一個H100，右手一個B200”的照片，紛紛成為了業界媒體新聞的封面熱圖。

無須多問，黃教主手里拿的是什么，什么就是全場最靚的核彈！

一、沒人抄得了B200

1.大模型突破摩爾定律，萬億大模型少用6000塊H100

“隨著Transformer模型被發明，我們能以驚人的速度擴展大型語言模型，實際上每六個月就能翻一番。而為了訓練這些越來越大的模型，我們也需要更強的算力。"

B200 GPU ，采用了Blackwell架構，與Hopper架構相比，不管是支持的模型參數、還是訓練功耗方面，都有著驚人的性能提升。

如黃教主展示的：

之前，如果要在90天內訓練一個1.8萬億參數的MoE架構GPT模型，需要8000個Hopper架構GPU，15兆瓦功率。

而現在，同樣給90天時間，在Blackwell架構下只需要2000個GPU，同時，能源消耗大大縮減為1/4。

圖片

自然，推理生成的token成本也會隨之降低。（如此一來，用硬件的方法降低了大模型的訓練推理成本，大模型市場落地的價格也會繼續降低，或許SOTA模型免費Open給大眾，指日可待。）

2.讓友商完全抄得跟不上

英偉達顯卡的強大之處，就在于讓友商抄無可抄。黃教主現場展示Grace-Blackwell系統（兩個Blackwell GPU、四個die與一個Grace Cpu連接在一起）。

在黃教主現場演示中，GB200將兩個B200 Blackwell GPU與一個基于Arm的Grace CPU進行配對。新芯片擁有2080億個晶體管，所有這些晶體管幾乎同時訪問與芯片連接的內存。

圖片

不得不說，NVIDIA Blackwell B200 GPU 將是一款怪物芯片。它總共包含 160 個 SM，20,480 個核心。GPU將采用最新的NVLINK互連技術，支持相同的8 GPU架構和400 GbE網絡交換機。它也將非常耗電，峰值 TDP 為 700W，盡管這也與 H100 和 H200 芯片相同。總結一下這個芯片：

圖片

1、20 PFLOPS FP8， 是Hopper的2.5倍

2、20 PFLOPS FP6，Hopper的2.5倍

3、40 PFLOPS FP4， 是Hopper的5倍

4、740B Parameters ，是Hopper的6倍

5、34T Parameters/s，是Hopper的5倍

6、7.2 TB/s NVLINK，是Hopper的4倍

值得注意的是，第五代NVLINK高速互聯：為每個GPU 提供了1.8TB/s雙向吞吐量，確保多達576個GPU之間的無縫高速通信。這樣一下子解決了大規模數據中心的GPU交互問題。

圖片

此外，Blackwell 不止步于芯片性能參數的提升，更在AI能力和安全方面下了一番“硬功夫”：

比如Ras Engine（可靠性、可用性和可維護性引擎），可以基于AI的預防性維護來運行診斷和預測可靠性問題；再比如：Secure AI，這是一項先進的加密計算功能，在不影響性能的情況下保護AI模型和客戶數據，對于醫療保健和金融服務等隱私敏感行業至關重要。

不得不說，在GPU領域，英偉達絕對是業界的天花板，壓力不止給到了AMD和英特爾，更給到了OpenAI，因為英偉達推出的一個GB200 NVL72就最高支持27萬億參數的模型，這瞬間就能裝下15個GPT-4模型（據透露，GPT-4模型參數高達1.75萬億參數）。

二、B200價格預測，3W美元一塊

讓人好奇的是，英偉達尚未公布 B200 整套方案的成本和售價。

作為參考，Blackwell的前身 Hopper ,其旗艦款 H100 作為科技界最珍貴的商品之一，每顆芯片售價一度飆至4萬美金。而 B200 只會更加昂貴，這個價格恐怕只有科技巨頭們才能考慮入手。

根據分析師預測， B200 GPU 售價為 30,000 美元至 35,000 美元，而GB200 芯片的平均售價將達到驚人的 60,000 美元至 70,000 美元。

三、復刻很難國內GPU要跟上，希望在哪？

簡單分析一下跟不上的原因：

1.要承認復刻的確很難，短期基本不可能。這方面技術受地緣限制，從光刻機、到設計軟件、再到供應鏈的突圍，層層關卡，想要實現性能上的突破，先進的設備和技術都有待攻克。

圖片

2.缺乏生成式AI相應的軟件配套服務。事實上，單一層面講國產算力匱乏并不客觀，中科曙光、紫光、浪潮等一直在顯卡方面取得了相當顯著的效果。然而，即便有了硬件算力，與之相匹配的軟件配套能力與英偉達比起來，似乎就相形見絀了。

3.即便有了，面對強大的競爭環境，自身盈利的要求也是非常大的挑戰。英偉達等生態布局很早，氣候已經大成，虹吸效應。

圖片

從頭搭建一套的成本花費巨大，即便“造出火箭”來，也沒有好的買家買單，這也是為什么國內廠商難以跟進的客觀原因。

攻堅克難，需要持之以恒的投入和決心。國內的GPU市場規模很大，也不是英偉達一家能通吃的天下。根據Verified Market Research的預測，到2027年，中國大陸的GPU市場規模預計將增長至345.57億美元。

那英偉達的對手在哪里？沒錯，華為。

被英偉達列為最大競爭對手之一的華為，也走上了自研國產GPU的道路。華為推出的最強芯片「昇騰 910」,主要面向 AI 數據科學家和工程師，算力可達256TFOPS，超過了谷歌的 TPU v3 及英偉達的 GPU Tesla V100芯片。

不過值得注意的是，國內看，即便硬件性能追上英偉達，在軟件框架層、模型層、生態層也亟需追趕。

四、通用計算過時了面向GPU編程已來

英偉達成立于1993年，馬上即將迎來31周年，黃仁勛帶領下的“GPU”如今早已不止是“游戲”發燒友的硬件配置，而是正在成為新一輪技術變革的“超級充電廠”。

關注本次GTC的朋友，不難注意到英偉達重磅推出的AI微服務網站NIM，AI生產力的編程時代已經到來。

圖片

之前，整個PC互聯網都在面向CPU編程，而如今，黃教主認為AI時代下，面向GPU的開發技術棧更為被業界迫切需要。   

面向外界，黃仁勛給出了一個堅定的信號：“加速計算到達了臨界點，通用計算已經過時了。”          

參考：https://techovedas.com/5-major-highlights-from-nvidia-gtc-2024/