Le NVIDIA GB10 Superchip et le NVIDIA GB300 sont tous deux de puissants processeurs axés sur l'IA, mais ils servent des objectifs différents et ont des capacités de bande passante de mémoire distinctes.
Nvidia GB10 Superchip
Le GB10 Superchip, utilisé dans des appareils comme le NVIDIA DGX Spark et Asus Ascent GX10, dispose d'un système de mémoire cohérent unifié avec 128 Go de mémoire LPDDR5X 256 bits. Cette configuration fournit une bande passante de mémoire de 273 Go / s [1] [4]. Le GB10 utilise la technologie d'interconnexion NVIDIA NVINK-C2C, qui propose un modèle de mémoire cohérent CPU + GPU avec cinq fois la bande passante de PCIe 5.0 [1] [7]. Cette architecture est optimisée pour les applications d'IA compactes et hautes performances, soutenant jusqu'à 200 milliards de modèles de paramètres avec un traitement efficace des données et l'inférence en temps réel [4] [7].
nvidia gb300
En revanche, le NVIDIA GB300 est conçu pour les applications d'informatique et de centre de données IA haut de gamme. Il possède une capacité de mémoire et une bande passante nettement plus élevées, avec 288 Go de mémoire HBM3E avec une bande passante impressionnante allant jusqu'à 8 To / s [2] [3] [9]. Cette augmentation substantielle de la bande passante de la mémoire est cruciale pour gérer de grands ensembles de données et des modèles d'IA complexes, permettant un traitement plus rapide et une latence réduite dans les opérations d'IA en temps réel [9]. Le GB300 intègre également des capacités de réseautage avancées, telles que le ConnectX-8 Nic, qui double la bande passante par rapport à son prédécesseur, prenant en charge des tailles de lots plus grandes et des longueurs de séquence étendues [3] [9].
Comparaison
Alors que le GB10 Superchip propose une bande passante de mémoire robuste adaptée au développement d'IA local et aux modèles d'IA à plus petite échelle, le GB300 est conçu pour les charges de travail AI et les environnements de centre de données à plus grande échelle. La bande passante mémoire du GB300 est nettement plus élevée, ce qui le rend plus adapté aux applications nécessitant un traitement massif des données et un transfert de données à grande vitesse. En résumé, le GB300 fournit une bande passante de mémoire beaucoup plus élevée par rapport au GB10, reflétant son accent sur les applications informatiques et centrales de données AI à grande échelle.
Citations:
[1] https://www.cnx-software.com/2025/03/19/nvidia-dgx-park-a-desktop-ai-supercomputerter-powered-by-nvidia-gb10-20-core-armv9-soc-with-1000-tops-of-ai-performance/
[2] https://siliconangle.com/2024/12/26/leaks-reveal-befed specifications-nvidias-next-gen-gb300-ai-server/
[3] https://longportapp.com/en/news/223389830
[4] https://meta-quantum.today/?p=3460
[5] https://www.nvidia.com/en-us/data-center/gb300-nvl72/
[6] https://www.thegister.com/amp/2025/03/18/gtc_frame_nvidias_budget_blackwell/
[7] https://www.techpoweup.com/334249/asus-unveils-new-ascent-gx10-mini-pc-powed-nvidia-gb10-grace-blackwell-superchip
[8] https://www.techpoweup.com/330154/nvidia-gb300-blackwell-ultra-will-feature-288-gb-hbm3e-memory-1400-w-tdp
[9] https://drrrobertcastellano.substack.com/p/nvidia-gb300-redefining-ai-computing
[10] https://semianalysis.com/2024/12/25/nvidias-christmas-present-gb300-b300-reasoning-inference-amazon-memory-supply-chain/