NVIDIA GB10 SuperChip ja NVIDIA GB300 on suunniteltu parantamaan AI -prosessointiominaisuuksia, mutta eroavat huomattavasti niiden arkkitehtuurista, suorituskyvystä ja suunniteltuista käyttötapauksista.
GB10 SuperChip
GB10 SuperChip perustuu Nvidia Grace Blackwell -arkkitehtuuriin ja optimoidaan kompakteille, työpöytämuototekijöille. Siinä on vankka Blackwell GPU, jossa on viidennen sukupolven tensorin ytimet ja FP4-tuki, joka tuottaa jopa 1000 biljoonaa toimintaa sekunnissa (yläosat) AI-prosessointitehosta [1] [3]. GB10 sisältää 20-ytimen CPU: n, joka parantaa tiedon esikäsittelyä ja orkestereita, kiihtyvää mallin virittämistä ja reaaliaikaisia päätelmiä [1] [4]. Se tarjoaa 128 Gt yhtenäistä koherenttia muistia, jolloin kehittäjät voivat hallita AI -malleja jopa 200 miljardia parametria [1] [7]. GB10 on ihanteellinen AI-tutkijoille ja kehittäjille, jotka tarvitsevat tehokasta AI-tietotekniikkaa työasemillaan prototyyppien prototyyppien ja hienosäätöjen avulla [6] [7].
NVIDIA GB300
Sitä vastoin NVIDIA GB300 on rakennettu Grace Blackwell Ultra -arkkitehtuurilla, ja se on suunniteltu vaativiin AI -työmääriin, etenkin yritysympäristöissä. Siinä on Blackwell Ultra GPU, jossa on viimeisimmät tensorisydämet ja FP4-tarkkuus, joka on kytketty korkean suorituskyvyn Nvidia Grace CPU: iin NVLINK-C2C: n kautta [3] [5]. GB300 tarjoaa muistikapasiteetin huomattavan lisääntymisen, jopa 288 Gt HBM3E: llä, joka tukee suurempia malleja suoraan muistissa ja vähentää viivettä reaaliaikaisissa sovelluksissa [2] [6]. Tämä superkorjaus on osa DGX-asemaa, joka tarjoaa massiivisen 784 Gt koherenttia muistitilaa, mikä tekee siitä sopivan laajamittaiseen koulutukseen ja päättäväisiin työmääriin [3] [6]. GB300 on optimoitu sekä koulutus- että päätelmätehtäviin, parannettujen verkkoominaisuuksien avulla CX8 -verkkokortin ja 1,6T -optisten moduulien kautta, kaksinkertaistaen kaistanleveyden verrattuna edeltäjään [2].
Tärkeimmät erot
- Suorituskyky ja arkkitehtuuri: GB10 tarjoaa jopa yhden PETAFlopin AI-esityksestä, kun taas GB300 tarjoaa huomattavasti korkeamman laskennallisen tehon keskittyen laajempiin AI-työmääriin.
- Muiskapasiteetti: GB10: llä on 128 Gt yhtenäistä muistia, kun taas GB300 tarjoaa jopa 288 Gt HBM3E: tä, ja kun se on integroitu järjestelmiin, kuten DGX -asema, se voi tarjota jopa 784 Gt koherenttia muistia.
- Tarkoitettu käyttö: GB10 on suunniteltu työpöydän AI -kehitykseen, joka on ihanteellinen tutkijoille ja kehittäjille, jotka tarvitsevat välitöntä AI -mallin käyttöönottoa. GB300 on suunnattu yritysympäristöihin, mikä tukee laaja-alaisia AI-infrastruktuurin tarpeita.
- Verkottuminen ja skaalautuvuus: GB300 sisältää edistykselliset verkostoitumisominaisuudet CX8-verkkokortilla, joka kaksinkertaistaa kaistanleveyden, mikä tekee siitä sopivamman hyperscale-tietokeskuksiin ja laajamittaisiin AI-käyttöönottoihin. GB10 voi yhdistää kaksi järjestelmää ConnectX-7 NIC: n kautta suurempien mallien käsittelemiseksi, mutta se ei ole yhtä skaalautuva kuin GB300 suurissa datakeskuksen ympäristöissä.
Viittaukset:
.
.
.
[4] https://www.bigdatawire.com/this-just-in/nvidia-unveils-project-digits-personal-ai-supercomputer/
[5] https://www.nvidia.com/en-us/data-center/dgx-gb300/
.
[7] https://meta-quantum.today/?p=3460
[8] https://www.nvidia.com/en-us/data-center/gb300-nvl72/
.