Superchip Nvidia GB10 и NVIDIA GB300 предназначены для расширения возможностей обработки искусственного интеллекта, но значительно различаются по своей архитектуре, производительности и предполагаемым вариантам использования.
GB10 Superchip
Superchip GB10 основан на архитектуре Nvidia Grace Blackwell и оптимизирован для компактных форм -факторов настольных компьютеров. Он оснащен надежным графическим процессором Blackwell с тензорными ядрами пятого поколения и поддержкой FP4, обеспечивая до 1000 триллионов операций в секунду (TOPS) мощности обработки ИИ [1] [3]. GB10 включает в себя 20-ядерный процессор ARM, который усиливает предварительную обработку данных и оркестровку, ускоряющую настройку модели и вывод в режиме реального времени [1] [4]. Он предлагает 128 ГБ единой когерентной памяти, позволяя разработчикам управлять моделями ИИ до 200 миллиардов параметров [1] [7]. GB10 идеально подходит для исследователей и разработчиков ИИ, которые нуждаются в мощных вычислениях ИИ на своих настольных компьютерах для прототипирования и тонкой настройки моделей ИИ [6] [7].
nvidia gb300
Напротив, NVIDIA GB300 построен с архитектурой Ultra Grace Blackwell и предназначена для более требовательных рабочих нагрузок искусственного интеллекта, особенно в корпоративных средах. Он оснащен Blackwell Ultra GPU с новейшими тензорными ядрами и точностью FP4, связанным с высокопроизводительным процессором NVIDIA GRACE через NVLINK-C2C [3] [5]. GB300 обеспечивает значительное увеличение емкости памяти, с HBM3E до 288 ГБ, что поддерживает более крупные модели непосредственно в памяти и снижает задержку для приложений в реальном времени [2] [6]. Этот Superchip является частью станции DGX, которая обеспечивает огромное 784 ГБ когерентного пространства памяти, что делает его подходящим для крупномасштабных рабочих нагрузок и выводов [3] [6]. GB300 оптимизирован как для задач обучения, так и для вывода, с расширенными сетевыми возможностями через сетевую карту CX8 и оптические модули 1,6 Т, удвоив пропускную способность по сравнению с его предшественником [2].
Ключевые различия
- Производительность и архитектура: GB10 обеспечивает до 1 Petaflop производительности искусственного интеллекта, в то время как GB300 предлагает значительно более высокую вычислительную мощность с акцентом на более масштабные рабочие нагрузки искусственного интеллекта.
- емкость памяти: GB10 имеет 128 ГБ единой памяти, тогда как GB300 предлагает до 288 ГБ HBM3E, а при интеграции в такие системы, как станция DGX, он может обеспечить до 784 ГБ когерентной памяти.
- Предполагаемое использование: GB10 предназначен для разработки ИИ настольных компьютеров, идеально подходит для исследователей и разработчиков, нуждающихся в немедленном развертывании модели ИИ. GB300 предназначен для корпоративных сред, поддерживая крупномасштабные потребности в инфраструктуре ИИ.
- Сеть и масштабируемость: GB300 включает в себя расширенные сетевые возможности с сетевой картой CX8, которая удваивает пропускную способность, что делает ее более подходящей для центров обработки данных гиперспекты и крупномасштабных развертываний AI. GB10 может подключать две системы через NIC ConnectX-7 для обработки более крупных моделей, но не так масштабируется, как GB300 в крупных средах центра обработки данных.
Цитаты:
[1] https://press.asus.com/news/press-releases/asus-introduces-scent-gx-10-ai-supercomputer-power-by-nvidia-gb-10-grace-lackwell-superchip/
[2] https://drrrobertcastellano.substack.com/p/nvidia-gb300-redefining-ai-computing
[3] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-park-and-dgx-station-personal-ai-computers
[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/
[6] https://opentools.ai/news/nvidia-unleashone-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-blackwell-on-every-desk-and-at-every-ai-developers-fingertips