Il consumo energetico del Superchip Nvidia GB10 e del NVIDIA GB300 differiscono significativamente a causa dei loro progetti e applicazioni distinte.
Nvidia GB10 Superchip
Il Superchip GB10 fa parte delle cifre del progetto di NVIDIA, progettate per fornire potenti prestazioni di intelligenza artificiale su scala desktop. È dotato di una GPU Nvidia Blackwell con gli ultimi core CUDA e i core tensori di quinta generazione, collegati a una CPU Nvidia Grace ad alte prestazioni tramite NVLink-C2C Interconnect. Il Superchip GB10 offre fino a 1 petaflop di prestazioni di AI con precisione FP4 e comprende 128 GB di memoria unificata e coerente e fino a 4 TB di memoria NVME. In particolare, funziona utilizzando una presa elettrica standard, indicando un consumo di energia relativamente basso rispetto a soluzioni di data center ad alte prestazioni come GB300 [2] [5] [8].Nvidia GB300
La NVIDIA GB300, d'altra parte, è una GPU AI ad alte prestazioni progettata per i data center e gli ambienti iperscale. È alimentato dal chip B300 e presenta 288 GB di memoria HBM3E, offrendo un aumento significativo della capacità di memoria e della potenza computazionale rispetto ai suoi predecessori. Il GB300 ha una potenza di progettazione termica (TDP) di 1400 watt, che è un aumento sostanziale rispetto al GB200, riflettendo le sue capacità di prestazione migliorate per l'intelligenza artificiale e carichi di lavoro di elaborazione ad alte prestazioni [1] [3] [4].Confronto ###
In termini di consumo energetico, il superchip GB10 è progettato per essere efficiente dal punto di vista elettrico, eseguendo una presa elettrica standard, che in genere fornisce fino a 1500 watt in molte regioni. Ciò suggerisce che il consumo di energia del GB10 è significativamente inferiore a quello della GB300, che richiede 1400 watt da solo per la sua GPU. L'elevato requisito di potenza della GB300 è dovuto alla sua architettura avanzata e alle maggiori capacità di prestazione, rendendolo adatto per gli ambienti di elaborazione dell'IA su larga scala. Al contrario, il GB10 è ottimizzato per l'uso del desktop, fornendo un equilibrio tra prestazioni ed efficienza energetica per lo sviluppo dell'intelligenza artificiale e la prototipazione [2] [5] [8].
Nel complesso, mentre il Superchip GB10 offre impressionanti prestazioni di intelligenza artificiale per le sue dimensioni e i requisiti di potenza, NVIDIA GB300 è progettato per carichi di lavoro AI molto più esigenti nei data center, che richiedono un maggiore consumo di energia per raggiungere le sue prestazioni superiori.
Citazioni:
[1] https://www.tweaktown.com/news/103991/nvidia-gb300-blackwell-ultra-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.techpowerup.com/330154/nvidia-gb300-blackwell-ultra-will-feature-288-gb-hbm3e-memory-1400-w-tdp
[4] https://drobertcastellano.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-beefed-specifications-nvidias-next-gen-gb300-ai-server/
[8] https://nvidianews.nvidia.com/news/nvidia-puts-grace-blackwell-on-every-desk-and-at-every-ai-developers-fingertips
[9] https://meta-quantum.today/?p=3460