تم تصميم كل من NVIDIA GB10 Superchip و NVIDIA GB300 لتعزيز قدرات معالجة الذكاء الاصطناعى ولكنها تختلف اختلافًا كبيرًا في بنيةهم وأدائها وحالات الاستخدام المقصودة.
GB10 SuperChip
يعتمد SuperChip GB10 على بنية Nvidia Grace Blackwell ويتم تحسينه لعوامل شكل سطح المكتب المدمجة. إنه يتميز بوحدة GPU Blackwell القوية مع النوى الموتر من الجيل الخامس ودعم FP4 ، مما يوفر ما يصل إلى 1000 تريليون عملية في الثانية (قمم) من قوة معالجة الذكاء الاصطناعى [1] [3]. يتضمن GB10 وحدة المعالجة المركزية ذات الذراع ذات 20 نواة ، والتي تعزز معالجة البيانات والتنسيق وتسريع ضبط النموذج واستنتاج الوقت الحقيقي [1] [4]. ويوفر 128 جيجابايت من الذاكرة المتماسكة الموحدة ، مما يسمح للمطورين بإدارة نماذج الذكاء الاصطناعى تصل إلى 200 مليار معلمة [1] [7]. يعد GB10 مثاليًا للباحثين والمطورين الذين يحتاجون إلى حوسبة AI قوية على أجهزة الكمبيوتر المكتبية الخاصة بهم للنماذج الأولية ونماذج الذكاء الاصطناعى الدقيقة [6] [7].
NVIDIA GB300
على النقيض من ذلك ، تم تصميم NVIDIA GB300 مع بنية Grace Blackwell Ultra وهي مصممة لأعباء عمل الذكاء الاصطناعى أكثر تطلبًا ، وخاصة في بيئات المؤسسات. إنه يتميز بوحدة GPU Blackwell Ultra مع أحدث نوى الموتر ودقة FP4 ، متصلة بوحدة المعالجة المركزية NVIDIA GRACE عالية الأداء عبر NVLINK-C2C [3] [5]. يوفر GB300 زيادة كبيرة في سعة الذاكرة ، مع ما يصل إلى 288 جيجا بايت HBM3E ، والذي يدعم نماذج أكبر مباشرة في الذاكرة وتقلل من زمن الوصول للتطبيقات في الوقت الفعلي [2] [6]. هذا SuperChip هو جزء من محطة DGX ، التي توفر مساحة ضخمة 784 جيجابايت من الذاكرة المتماسكة ، مما يجعلها مناسبة للتدريب على نطاق واسع واستدلال أعباء العمل [3] [6]. تم تحسين GB300 لكل من مهام التدريب والاستدلال ، مع إمكانيات الشبكة المحسنة من خلال بطاقة شبكة CX8 ووحدات البصرية 1.6T ، ومضاعفة النطاق الترددي مقارنة بسلفها [2].
الاختلافات الرئيسية
- الأداء والهندسة المعمارية: يوفر GB10 ما يصل إلى واحد من PETAFLOP من أداء الذكاء الاصطناعي ، في حين يوفر GB300 قوة حسابية أعلى بكثير ، مع التركيز على أعباء عمل منظمة العفو الدولية على نطاق واسع.
- سعة الذاكرة: يحتوي GB10 على 128 جيجابايت من الذاكرة الموحدة ، في حين يوفر GB300 ما يصل إلى 288 جيجا بايت HBM3E ، وعندما يتم دمجه في أنظمة مثل محطة DGX ، يمكن أن يوفر ما يصل إلى 784 جيجابايت من الذاكرة المتماسكة.
- الاستخدام المقصود: تم تصميم GB10 لتطوير سطح المكتب AI ، وهو مثالي للباحثين والمطورين الذين يحتاجون إلى نشر نموذج الذكاء الاصطناعي الفوري. يستهدف GB300 بيئات المؤسسات ، مما يدعم احتياجات البنية التحتية على نطاق واسع من الذكاء الاصطناعي.
- الشبكات وقابلية التوسع: يتضمن GB300 إمكانيات الشبكات المتقدمة مع بطاقة شبكة CX8 ، والتي تضاعف عرض النطاق الترددي ، مما يجعلها أكثر ملاءمة لمراكز البيانات الفائقة النطاق ونشر AI على نطاق واسع. يمكن لـ GB10 توصيل نظامين عبر NICs ConnectX-7 للتعامل مع النماذج الأكبر ولكن ليس قابلاً للتطوير مثل GB300 في بيئات مركز البيانات الكبيرة.
الاستشهادات:
[1] https://press.asus.com/news/press-releases/asus-introduces-ascent-gx-10-ai-supercomputer-powered-by-nvidia-gb-10-grace-lackwell-superchip/
[2] https://drrobertcastellano.substack.com/p/nvidia-gb300-redefining-ai-computing
[3] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-and-dgx-tation-personal-ai-copters
[4]
[5] https://www.nvidia.com/en-us/data-center/dgx-gb300/
[6] https://opentools.ai/news/nvidia-unleashes-the-future-with-personal-ai-supercomputers
[7] https://meta-quantum.today/؟p=3460
[8] https://www.nvidia.com/en-us/data-center/gb300-nvl72/
[9] https://nvidianews.nvidia.com/news/nvidia-puts-grace-lackwell-on-every-desk-at-avery-ai-developers-fingerpips