Strømforbruget af NVIDIA GB10 SuperChip og NVIDIA GB300 adskiller sig markant på grund af deres forskellige design og applikationer.
NVIDIA GB10 SuperChip
GB10 SuperChip er en del af NVIDIAs projektcifre, designet til at give kraftig AI -ydeevne på en stationær skala. Den har en NVIDIA Blackwell GPU med de nyeste CUDA-kerner og femte generation af tensorkerner, der er forbundet til en højtydende NVIDIA GRACE CPU via NVLINK-C2C-interconnect. GB10 SuperChip leverer op til 1 petaflop af AI -ydeevne ved FP4 -præcision og inkluderer 128 GB samlet, sammenhængende hukommelse og op til 4TB NVME -lagring. Især fungerer det ved hjælp af en standard elektrisk stikkontakt, hvilket indikerer relativt lavt effektforbrug sammenlignet med højtydende datacenterløsninger som GB300 [2] [5] [8].NVIDIA GB300
NVIDIA GB300 er på den anden side en højtydende AI GPU designet til datacentre og hyperscale-miljøer. Det drives af B300 -chippen og har 288 GB HBM3E -hukommelse, hvilket giver en betydelig stigning i både hukommelseskapacitet og computerkraft sammenlignet med dens forgængere. GB300 har en termisk designkraft (TDP) på 1400 watt, som er en betydelig stigning i forhold til GB200, hvilket afspejler dens forbedrede ydelsesfunktioner for AI og højtydende computing-arbejdsbelastninger [1] [3] [4].Sammenligning
Med hensyn til strømforbrug er GB10 SuperChip designet til at være effekteffektiv, der løber ud af et standardudstyr, der typisk giver op til 1500 watt i mange regioner. Dette antyder, at GB10s strømforbrug er markant lavere end GB300, som kræver 1400 watt alene for sin GPU. GB300s krav med høj effekt skyldes dets avancerede arkitektur og øgede ydelsesfunktioner, hvilket gør det velegnet til store AI-computermiljøer. I modsætning hertil er GB10 optimeret til desktop -brug, hvilket giver en balance mellem ydeevne og effekteffektivitet for AI -udvikling og prototype [2] [5] [8].Samlet set, mens GB10 SuperChip tilbyder imponerende AI -ydeevne for sine størrelse og effektkrav, er NVIDIA GB300 designet til meget mere krævende AI -arbejdsbelastning i datacentre, hvilket nødvendiggør højere strømforbrug for at opnå sin overlegne ydelse.
Citater:
)
)
)
[4] https://drrobertcastellano.substack.com/p/nvidia-gb300-definerende-i-computing
[5] https://www.bigdatawire.com/2025/01/10/inside-nvidias-new-desktop-i-box-project-digits/
[6] https://www.nvidia.com/en-us/data-center/dgx-b300/
)
[8] https://nvidianews.nvidia.com/news/nvidia-put-grace--Blackwell-on-Hvery-DSK-and-T-HEVERY-I-udviklings-fingertips
[9] https://meta-quantum.today/?p=3460