สถาปัตยกรรม CPU ของ GB10 superchip ใน DGX Spark แตกต่างจาก GB300 superchip อย่างไรในสถานี DGX

GB10 Superchip ใน DGX Spark

GB10 Superchip ได้รับการออกแบบมาเป็นหลักสำหรับสภาพแวดล้อมเดสก์ท็อปที่มีประสิทธิภาพสูง มันมีคุณสมบัติ:

-สถาปัตยกรรม: GB10 ถูกสร้างขึ้นบนสถาปัตยกรรม ARMV9 และรวมถึงการกำหนดค่าโปรเซสเซอร์ 20 คอร์ประกอบด้วยสิบคอร์เท็กซ์ -x925 คอร์และสิบคอร์เท็กซ์ -A725 คอร์ การออกแบบนี้เน้นความสมดุลระหว่างประสิทธิภาพสูงและประสิทธิภาพการใช้พลังงานทำให้เหมาะสำหรับการใช้เดสก์ท็อป

-ประสิทธิภาพ: GB10 มอบการดำเนินงานสูงสุด 1,000 ล้านล้านต่อวินาที (ท็อปส์ซู) ด้วย Blackwell GPU แบบบูรณาการซึ่งรวมถึงแกนเทนเซอร์รุ่นที่ห้าและแกน RT รุ่นที่สี่ ความสามารถนี้เป็นประโยชน์อย่างยิ่งสำหรับการอนุมาน AI และงานปรับแต่ง

-หน่วยความจำและการเชื่อมต่อระหว่างกัน: ใช้เทคโนโลยีการเชื่อมต่อระหว่างกันของ NVLINK-C2C ของ NVIDIA ซึ่งให้บริการหน่วยความจำ CPU+GPU-coherent ที่มีแบนด์วิดธ์ห้าเท่าของ PCIE 5.0 ระบบรองรับหน่วยความจำ LPDDR5X 128 GB ทำให้สามารถจัดการเวิร์กโหลดที่มีความจำได้อย่างมีประสิทธิภาพ

- กรณีการใช้งานเป้าหมาย: DGX Spark ซึ่งขับเคลื่อนโดย GB10 ได้รับการปรับให้เหมาะสมสำหรับนักพัฒนาแต่ละรายและนักวิจัยที่ต้องการโซลูชันที่มีประสิทธิภาพ แต่กะทัดรัดสำหรับการพัฒนาและการทดสอบแบบจำลอง AI

GB300 Superchip ในสถานี DGX

ในทางตรงกันข้าม GB300 Superchip ได้รับการออกแบบทางวิศวกรรมสำหรับแอพพลิเคชั่นระดับศูนย์ข้อมูลที่ครอบคลุมมากขึ้น:

- สถาปัตยกรรม: GB300 ยังรวมซีพียู Grace เข้ากับ Blackwell Ultra GPU แต่ได้รับการปรับให้เหมาะสมสำหรับการดำเนินงานขนาดใหญ่ ในขณะที่การกำหนดค่าหลักที่เฉพาะเจาะจงนั้นไม่ได้มีรายละเอียด แต่ก็คาดว่าจะใช้ประโยชน์จากหลักการทางสถาปัตยกรรมที่คล้ายคลึงกันเช่น GB10 แต่มีการปรับปรุงสำหรับปริมาณงานและประสิทธิภาพที่สูงขึ้น

- ประสิทธิภาพ: GB300 สามารถบรรลุประสิทธิภาพสูงสุด 20 petaflops ของ AI ซึ่งเหนือกว่าความสามารถของ GB10 อย่างมีนัยสำคัญ สิ่งนี้ทำให้เหมาะสำหรับการฝึกอบรมขนาดใหญ่และการอนุมานเวิร์กโหลดที่ต้องใช้กำลังการคำนวณที่สำคัญ

- หน่วยความจำและการเชื่อมต่อระหว่างกัน: ระบบมีหน่วยความจำที่เชื่อมโยงกัน 784 GB รวม LPDDR5X จาก CPU และ HBM3E จาก GPU ความจุหน่วยความจำที่กว้างขวางนี้ช่วยให้การจัดการชุดข้อมูลขนาดใหญ่และรุ่นที่ซับซ้อนมีประสิทธิภาพมากขึ้น เทคโนโลยีการเชื่อมต่อระหว่างกันยังคงเป็น NVLINK-C2C เพื่อให้มั่นใจว่าการสื่อสารความเร็วสูงระหว่าง CPU และส่วนประกอบ GPU

- กรณีการใช้งานเป้าหมาย: สถานี DGX มีวัตถุประสงค์เพื่อองค์กรที่ต้องการความสามารถในการคำนวณ AI ที่แข็งแกร่งสำหรับการฝึกอบรมแบบจำลองและการปรับใช้อย่างกว้างขวางทำให้เหมาะสำหรับทีมนักวิจัยนักวิทยาศาสตร์ด้านข้อมูลและนักพัฒนาซอฟต์แวร์ที่ทำงานในโครงการ AI ขนาดใหญ่

สรุปความแตกต่าง

โดยสรุปในขณะที่ทั้งสอง Superchips ใช้สถาปัตยกรรมขั้นสูงและเทคโนโลยีการเชื่อมต่อระหว่างกันของ Nvidia แต่พวกเขาได้รับการปรับให้เหมาะสมสำหรับสภาพแวดล้อมที่แตกต่างกัน: GB10 มุ่งเน้นไปที่ประสิทธิภาพขนาดกะทัดรัดที่เหมาะสมสำหรับผู้ใช้แต่ละคนในขณะที่ GB300 ได้รับการออกแบบมาเพื่อตอบสนองความต้องการของการดำเนินงานขนาดใหญ่

การอ้างอิง:
[1] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-and-dgx-station-personal-ai-computers
[2] https://www.tomshardware.com/tech-industry/artificial-intelligence/nvidia-unveils-dgx-station-workstation-pcs-gb300-blackwell-ultra-inside
[3] https://www.theregister.com/2025/03/18/gtc_frame_nvidias_budget_blackwell/
[4] https://www.cnx-software.com/2025/03/19/nvidia-dgx-spark-a-desktop-ai-supercomputer-powered-by-nvidia-gb10-20-20-armv9-soc-with-top-of-performance
[5] https://www.investing.com/news/company-news/nvidia-launches-personal-ai-supercomputers-for-desktops-93ch-3934971
[6] https://www.youtube.com/watch?v=KRBH0VON-2A
[7] https://www.engineering.com/nvidia-unveils-dgx-personal-ai-supercomputers-by-grace-blackwell/
[8] https://www.theverge.com/news/631957/nvidia-dgx-spark-station-grace-blackwell-ai-supercomputers-gtc
[9] https://www.theverge.com/2024/2/1/24058186/ai-chips-meta-microsoft-google-nvidia
[10] https://www.ainvest.com/news/nvidia-unveils-dgx-spark-dgx-station-revolutionizing-personal-ai-pomputing-2503/
[11] https://www.theverge.com/news/631835/nvidia-blackwell-ultra-ai-chip-gb300
[12] https://www.pcmag.com/news/what-is-nvidias-dgx-station-a-new-specialized-desktop-line-for-ai-work