La consommation d'énergie du NVIDIA GB10 Superchip et du NVIDIA GB300 diffère considérablement en raison de leurs conceptions et applications distinctes.
Nvidia GB10 Superchip
Le GB10 Superchip fait partie des chiffres du projet de NVIDIA, conçus pour fournir des performances de l'IA puissantes sur une échelle de bureau. Il dispose d'un GPU Nvidia Blackwell avec les derniers noyaux CUDA et des noyaux de tenseur de cinquième génération, connectés à un CPU Nvidia Grace haute performance via l'interconnexion NVINK-C2C. Le GB10 Superchip offre jusqu'à 1 Petaflop de performances AI à la précision FP4 et comprend 128 Go de mémoire unifiée et cohérente et jusqu'à 4 To de stockage NVME. Il fonctionne notamment à l'aide d'une prise électrique standard, indiquant une consommation d'énergie relativement faible par rapport aux solutions de centres de données à haute performance comme le GB300 [2] [5] [8].nvidia gb300
Le NVIDIA GB300, en revanche, est un GPU AI haute performance conçu pour les centres de données et les environnements hyperscale. Il est alimenté par la puce B300 et dispose de 288 Go de mémoire HBM3E, offrant une augmentation significative de la capacité de la mémoire et de la puissance de calcul par rapport à ses prédécesseurs. Le GB300 a une puissance de conception thermique (TDP) de 1400 watts, ce qui représente une augmentation substantielle par rapport au GB200, reflétant ses capacités de performance améliorées pour l'IA et les charges de travail informatiques hautes performances [1] [3] [4].Comparaison
En termes de consommation d'énergie, la Superchip GB10 est conçue pour être économe en puissance, qui s'étend sur une prise électrique standard, qui fournit généralement jusqu'à 1500 watts dans de nombreuses régions. Cela suggère que la consommation d'énergie du GB10 est nettement inférieure à celle du GB300, qui nécessite 1400 watts seuls pour son GPU. Les besoins élevés de GB300 sont dus à son architecture avancée et à une augmentation des capacités de performance, ce qui le rend adapté aux environnements informatiques d'IA à grande échelle. En revanche, le GB10 est optimisé pour l'utilisation du bureau, fournissant un équilibre entre les performances et l'efficacité énergétique pour le développement et le prototypage de l'IA [2] [5] [8].Dans l'ensemble, bien que le GB10 Superchip offre des performances d'IA impressionnantes pour ses besoins en taille et en puissance, le NVIDIA GB300 est conçu pour des charges de travail d'IA beaucoup plus exigeantes dans les centres de données, nécessitant une consommation d'énergie plus élevée pour atteindre ses performances supérieures.
Citations:
[1] https://www.tweaktown.com/news/103991/nvidia-gb300-lackwell-ultra-ai-gpu-288gb-hbm3e-1-4kw-power-50-faster-than-gb200/index.html
[2] https://www.stocktitan.net/news/nvda/nvidia-puts-grace-blackwell-on-every-desk-and-at-every-ai-developer-jpbbvfo6wno4.html
[3] https://www.techpoweup.com/330154/nvidia-gb300-blackwell-ultra-will-feature-288-gb-hbm3e-memory-1400-w-tdp
[4] https://drrrobertcastellano.substack.com/p/nvidia-gb300-redefining-ai-computing
[5] https://www.bigdatawire.com/2025/01/10/inside-nvidias-new-desktop-ai-box-project-digits/
[6] https://www.nvidia.com/en-us/data-center/dgx-b300/
[7] https://siliconangle.com/2024/12/26/leaks-reveal-befed specifications-nvidias-next-gen-gb300-ai-server/
[8] https://nvidianews.nvidia.com/news/nvidia-puts-grace-blackwell-on-every-desk-and-at-every-ai-develovers-fingertips
[9] https://meta-quantum.today/?p=3460