NVIDIA GB10 SuperChip та NVIDIA GB300 розроблені для розширення можливостей обробки AI, але суттєво відрізняються своєю архітектурою, продуктивністю та призначеними випадками використання.
GB10 Superchip
Superchip GB10 заснований на архітектурі NVIDIA Grace Blackwell і оптимізований для компактних факторів настільних форм. У ньому є надійний GPU Blackwell з тензорними ядрами п'ятого покоління та підтримкою FP4, забезпечуючи до 1000 трлн операцій в секунду (верхівки) потужності обробки AI [1] [3]. GB10 включає в себе 20-ядерний процесор ARM, який посилює попередню обробку та оркестрацію даних, прискорення настройки моделі та індукції в режимі реального часу [1] [4]. Він пропонує 128 ГБ уніфікованої узгодженої пам'яті, що дозволяє розробникам керувати моделями AI до 200 мільярдів параметрів [1] [7]. GB10 ідеально підходить для дослідників та розробників AI, які потребують потужних обчислень AI на своїх робочих столах для моделей прототипування та тонкої настройки [6] [7].
NVIDIA GB300
На відміну від цього, NVIDIA GB300 побудований за допомогою Ultra Architecture Grace Blackwell і розроблений для більш вимогливих робочих навантажень AI, особливо в середовищах підприємств. У ньому є ультра-графічний процесор Blackwell з останніми тензорними ядрами та точністю FP4, підключеними до високоефективного процесора Nvidia Grace через NVLINK-C2C [3] [5]. GB300 пропонує значне збільшення ємності пам'яті, до 288 ГБ HBM3E, що підтримує більші моделі безпосередньо в пам'яті та зменшує затримку для додатків у режимі реального часу [2] [6]. Цей SuperChip є частиною станції DGX, яка забезпечує величезний 784 ГБ когерентного простору пам'яті, що робить його придатним для масштабних тренувань та навантаження на індукцію [3] [6]. GB300 оптимізований як для навчальних, так і для умовних завдань, з розширеними мережевими можливостями через мережеву карту CX8 та 1,6T оптичні модулі, подвоєння пропускної здатності порівняно з його попередником [2].
Ключові відмінності
- Продуктивність та архітектура: GB10 забезпечує до 1 Petaflop продуктивності AI, тоді як GB300 пропонує значно більшу обчислювальну потужність, з акцентом на більш масштабні навантаження AI.
- Ємність пам'яті: GB10 має 128 ГБ уніфікованої пам'яті, тоді як GB300 пропонує до 288 ГБ HBM3E, а коли інтегрується в такі системи, як станція DGX, вона може забезпечити до 784 ГБ когерентної пам'яті.
- Призначене використання: GB10 розроблений для розробки AI настільних ПК, ідеально підходить для дослідників та розробників, які потребують негайного розгортання моделі AI. GB300 орієнтований на корпоративні середовища, що підтримує масштабні потреби інфраструктури AI.
- Мережа та масштабованість: GB300 включає в себе розширені мережеві можливості з мережевою карткою CX8, яка подвоює пропускну здатність, що робить її більш придатною для гіпершкатних центрів обробки даних та масштабних розгортань AI. GB10 може підключити дві системи через NIC ConnectX-7 для обробки більших моделей, але не настільки масштабований, як GB300 у великих середовищах центру обробки даних.
Цитати:
[1] https://press.asus.com/news/press-relases/asus-introduces-ascent-gx-10-ai-supercomputer-powered-by-nvidia-gb-10-grace-blackwell-superchip/
[2] https://drrobertcastellano.substack.com/p/nvidia-gb300-redefining-ai-computing
[3] https://nvidianews.nvidia.com/news/nvidia-announces-dgx-spark-and-dgx-station-personal-ai-комп'ютери
[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/
4
[7] https://meta-quantum.today/?p=3460
[8] https://www.nvidia.com/en-us/data-center/gb300-nvl72/
4