O consumo de energia do NVIDIA GB10 SUPERCHIP e do NVIDIA GB300 diferem significativamente devido a seus projetos e aplicações distintos.
NVIDIA GB10 SUPERCHIP
O GB10 SuperChip faz parte dos dígitos do projeto da NVIDIA, projetado para fornecer um poderoso desempenho de IA em uma escala de desktop. Possui uma GPU da NVIDIA Blackwell com os mais recentes núcleos CUDA e núcleos de tensor de quinta geração, conectados a uma CPU NVIDIA GRACE NVIDIA de alta performance via Interconexão NVLink-C2C. O GB10 Superchip oferece até 1 Petaflop de desempenho de IA na FP4 Precision e inclui 128 GB de memória coerente unificada e até 4 TB de armazenamento NVME. Notavelmente, ele opera usando uma tomada elétrica padrão, indicando consumo de energia relativamente baixo em comparação com soluções de data center de alto desempenho como o GB300 [2] [5] [8].NVIDIA GB300
O NVIDIA GB300, por outro lado, é uma GPU de AI de alto desempenho, projetada para data centers e ambientes de hiperescala. É alimentado pelo chip B300 e possui 288 GB de memória HBM3E, oferecendo um aumento significativo na capacidade de memória e no poder computacional em comparação com seus antecessores. O GB300 possui uma potência de design térmico (TDP) de 1400 watts, que é um aumento substancial em relação ao GB200, refletindo seus recursos aprimorados de desempenho para a IA e cargas de trabalho de computação de alto desempenho [1] [3] [4].Comparação
Em termos de consumo de energia, o GB10 Superchip foi projetado para ser eficiente em termos de energia, executando uma saída elétrica padrão, que normalmente fornece até 1500 watts em muitas regiões. Isso sugere que o consumo de energia do GB10 é significativamente menor que o do GB300, o que requer 1400 watts sozinho para sua GPU. O requisito de alta potência do GB300 se deve à sua arquitetura avançada e ao aumento dos recursos de desempenho, tornando-o adequado para ambientes de computação de IA em larga escala. Por outro lado, o GB10 é otimizado para uso em desktop, fornecendo um equilíbrio entre desempenho e eficiência de energia para o desenvolvimento e prototipagem de IA [2] [5] [8].No geral, enquanto o GB10 SuperChip oferece um desempenho impressionante de IA por seus requisitos de tamanho e energia, o NVIDIA GB300 foi projetado para cargas de trabalho de IA muito mais exigentes em data centers, necessitando de maior consumo de energia para alcançar seu desempenho superior.
Citações:
[1] https://www.tweaktown.com/news/103991/nvidia-gb300-blackwell-ultra-ai-i-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-wover-oi-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 specificações
[8] https://nvidianews.nvidia.com/news/nvidia-puts-grace-blackwell-on-wovery-dsk-and-at-every-ai-developers-fingertips
[9] https://meta-quantum.today/?p=3460