CPU -arkitekturen af GB10 -superchip i DGX -gnisten og GB300 -superchip i DGX -stationen viser signifikante forskelle, der er skræddersyet til deres respektive applikationer i AI -computing.
GB10 SuperChip i DGX Spark
GB10 SuperChip er primært designet til kompakte, højtydende desktopmiljøer. Det indeholder:
-Arkitektur: GB10 er bygget på ARMV9-arkitekturen og inkluderer en 20-core processorkonfiguration, der omfatter ti Cortex-X925-kerner og ti Cortex-A725-kerner. Dette design understreger en balance mellem højtydende og effektiveffektivitet, hvilket gør det velegnet til desktop-brug.
-Ydeevne: GB10 leverer op til 1.000 billioner operationer pr. Sekund (TOPS) med sine integrerede Blackwell GPU, der inkluderer femte generation af tensorkerner og fjerde generation af RT-kerner. Denne kapacitet er især fordelagtig for AI-inferens og finjusteringsopgaver.
-Hukommelse og sammenkobling: Den bruger NVIDIAs NVLINK-C2C Interconnect-teknologi, hvilket giver en CPU+GPU-koherent hukommelsesmodel med en båndbredde fem gange den for PCIE 5.0. Systemet understøtter 128 GB LPDDR5X-hukommelse, hvilket muliggør effektiv håndtering af hukommelsesintensive arbejdsbelastninger.
- Målbrugssag: DGX -gnisten, drevet af GB10, er optimeret til individuelle udviklere og forskere, der har brug for en stærk, men alligevel kompakt løsning til AI -modeludvikling og test.
GB300 SuperChip i DGX Station
I modsætning hertil er GB300 SuperChip konstrueret til mere omfattende applikationer på datacenterniveau:
- Arkitektur: GB300 kombinerer også en Grace CPU med en Blackwell Ultra GPU, men er optimeret til større skala. Mens specifikke kernekonfigurationer ikke er detaljerede, forventes det at udnytte lignende arkitektoniske principper som GB10, men med forbedringer for højere gennemstrømning og effektivitet.
- Ydeevne: GB300 kan opnå op til 20 petaflops af AI -ydeevne, hvilket væsentligt overgår kapaciteterne i GB10. Dette gør det velegnet til storskala træning og inferencing arbejdsbelastninger, der kræver betydelig beregningskraft.
- Hukommelse og sammenkobling: Systemet kan prale af en massiv 784 GB sammenhængende hukommelse, der integrerer LPDDR5X fra CPU og HBM3E fra GPU. Denne omfattende hukommelseskapacitet letter håndtering af store datasæt og komplekse modeller mere effektivt. Interconnect-teknologien forbliver NVLINK-C2C, hvilket sikrer højhastighedskommunikation mellem CPU og GPU-komponenter.
- Målbrugssag: DGX-stationen er rettet mod organisationer, der har brug for robuste AI-computerkapaciteter til omfattende modeluddannelse og -distribution, hvilket gør det ideelt til teams af forskere, dataforskere og softwareudviklere, der arbejder på store AI-projekter.
Sammendrag af forskelle
Sammenfattende, mens både Superchips bruger NVIDIAs avancerede arkitekturer og sammenkoblingsteknologier, er de optimeret til forskellige miljøer: GB10 fokuserer på kompakte ydelse, der er egnede til individuelle brugere, mens GB300 er designet til at imødekomme kravene til større skalaer, der er typiske i enterprise-indstillinger.
Citater:
)
)
[3] https://www.theregister.com/2025/03/18/gtc_frame_nvidias_budget_blackwell/
)
[5] https://www.investing.com/news/company-news/nvidia-launches-personal-i-supercomputers-for-desktops-93ch-3934971
[6] https://www.youtube.com/watch?v=krbh0von-2a
)
[8] https://www.theverge.com/news/631957/nvidia-dgx-spark-station-grace-blackwell-i-supercomputers-gtc
[9] https://www.theverge.com/2024/2/1/24058186/ai-chips-meta-microsoft-google-nvidia
)
[11] https://www.theverge.com/news/631835/nvidia-blackwell-ultra-i-chip-gb300
[12] https://www.pcmag.com/news/what-is-nvidias-dgx-station-a-new-specialized-desktop-line-for-i-work