Superchips Nvidia GB10 และ GB300 เป็นส่วนหนึ่งของสถาปัตยกรรม Blackwell ของ Nvidia แต่พวกเขามีจุดประสงค์ที่แตกต่างกันและมีข้อกำหนดที่แตกต่างกัน
หน่วยความจำ
- GB10 Superchip: ชิปนี้มีหน่วยความจำที่สอดคล้องกันแบบครบวงจร 128 GB ซึ่งแชร์ระหว่าง CPU และ GPU โมเดลหน่วยความจำแบบครบวงจรนี้ช่วยลดความจำเป็นในการถ่ายโอน PCIe ระหว่าง CPU และ GPU เพื่อเพิ่มประสิทธิภาพสำหรับเวิร์กโหลด AI หน่วยความจำคือ LPDDR5X ซึ่งเหมาะสำหรับระบบขนาดกะทัดรัดและประหยัดพลังงานเช่น Asus Ascent GX10 MINI-PC [1] [4] [7]
- GB300 SuperChip: ในทางตรงกันข้าม GB300 ได้รับการออกแบบมาสำหรับแอปพลิเคชันศูนย์ข้อมูลระดับสูงและมีคุณสมบัติมากขึ้นอย่างมาก GPU แต่ละตัวในการตั้งค่า GB300 ประกอบด้วยหน่วยความจำ HBM3E 288 GB ซึ่งเป็นส่วนหนึ่งของระบบขนาดใหญ่ที่สามารถขยายหน่วยความจำที่รวดเร็วได้ถึง 40 TB ในโซลูชันชั้นวางทั้งหมด ความจุหน่วยความจำที่สำคัญนี้มีความสำคัญสำหรับการจัดการโมเดล AI ขนาดใหญ่และเวิร์กโหลดศูนย์ข้อมูลที่ซับซ้อน [2] [5] [8]
ผลงาน
- GB10 Superchip: GB10 ได้รับการปรับให้เหมาะสมสำหรับประสิทธิภาพ AI บนเดสก์ท็อปส่งมอบสูงสุด 1,000 ยอด (การดำเนินงาน TERA ต่อวินาที) ของกำลังการประมวลผล AI มันมี GPU แบล็กเวลล์ที่แข็งแกร่งพร้อมแกนเทนเซอร์รุ่นที่ห้าและซีพียูที่ใช้แขนทำให้เหมาะสำหรับการใช้แบบจำลองภาษาขนาดใหญ่และงาน AI อื่น ๆ ในรูปแบบขนาดกะทัดรัด [1] [7]
- GB300 SuperChip: GB300 มีประสิทธิภาพที่สูงขึ้นมากโดยแต่ละ GPU ให้พลังงานคำนวณมากกว่า GB10 อย่างมีนัยสำคัญ GB300 เป็นส่วนหนึ่งของระบบขนาดใหญ่ที่สามารถรวม GPU หลายตัวเพื่อให้ได้สเกลขนาดใหญ่ด้วยข้อมูลจำเพาะที่ระบุระดับประสิทธิภาพที่สูงกว่า GB10 ตัวอย่างเช่นระบบ GB300 NVL72 สามารถบรรลุการวัดประสิทธิภาพในช่วง Petaflops ทำให้เหมาะสำหรับปริมาณงาน AI ขนาดใหญ่ในศูนย์ข้อมูล [2] [5] [8]
สถาปัตยกรรมและการเชื่อมต่อ
-GB10 SuperChip: GB10 ใช้ NVIDIA NVLINK-C2C สำหรับการเชื่อมต่อแบบชิปกับชิปให้กับโมเดลหน่วยความจำ CPU-GPU ที่มีแบนด์วิดท์สูง มันถูกออกแบบมาสำหรับระบบขนาดกะทัดรัดและมุ่งเน้นไปที่การประมวลผล AI ที่มีประสิทธิภาพสำหรับนักพัฒนาและนักวิจัย [1] [4]
-GB300 Superchip: GB300 รวมเอา Nvidia Nvlink รุ่นที่ห้าซึ่งเป็นการเชื่อมต่อระหว่างกันที่ออกแบบมาเพื่อเพิ่มประสิทธิภาพในระบบขนาดใหญ่ นอกจากนี้ยังมีความสามารถในการสร้างเครือข่ายขั้นสูงเช่น ConnectX-8 Supernic ซึ่งมีการเชื่อมต่อเครือข่าย 800 Gbps ต่อ GPU การตั้งค่านี้ได้รับการปรับให้เหมาะสมสำหรับการถ่ายโอนข้อมูลความเร็วสูงและการประมวลผล AI ที่มีประสิทธิภาพในสภาพแวดล้อมขนาดใหญ่ [2] [5]
โดยสรุปในขณะที่ชิปทั้งสองเป็นส่วนหนึ่งของสถาปัตยกรรม Blackwell ของ Nvidia GB10 ได้รับการปรับแต่งสำหรับการพัฒนาเดสก์ท็อป AI โดยมุ่งเน้นไปที่ความกะทัดรัดและประสิทธิภาพในขณะที่ GB300 ได้รับการออกแบบมาสำหรับการปรับใช้ศูนย์ข้อมูลขนาดใหญ่ที่ต้องการประสิทธิภาพและความยืดหยุ่นสูง
การอ้างอิง:
[1] https://www.techpowerup.com/334249/asus-unveils-new-ascent-gx10-mini-pc-powered-nvidia-gb10-grace-blackwell-superchip
[2] https://www.nvidia.com/en-us/data-center/gb300-nvl72/
[3] https://semianalysis.com/2024/12/25/nvidias-christmas-present-gb300-b300-reasoning-inference-amazon-memory-supply-chain/
[4] https://www.bigdatawire.com/2025/01/10/inside-nvidias-new-desktop-ai-box-project-digits/
[5] https://www.techpowerup.com/330154/nvidia-gb300-blackwell-ultra-will-feature-288-GB-HBM3E-MEMORY-1400-W-TDP
[6] https://www.theregister.com/amp/2025/03/18/gtc_frame_nvidias_budget_blackwell/
[7] https://meta-quantum.today/?p=3460
[8] https://www.tweaktown.com/news/103991/nvidia-gb300-blackwell-ultra-ai-gpu-288gb-hbm3e-1-4kww-power-faster-than-gb200/index.html
[9] https://www.theregister.com/2025/01/07/nvidia_project_digits_mini_pc/