El consumo de energía del NVIDIA GB10 Superchip y el NVIDIA GB300 difieren significativamente debido a sus distintos diseños y aplicaciones.
nvidia gb10 superchip
El GB10 Superchip es parte de los dígitos del proyecto de NVIDIA, diseñado para proporcionar un poderoso rendimiento de IA en una escala de escritorio. Cuenta con una GPU Nvidia Blackwell con los últimos núcleos CUDA y núcleos de tensor de quinta generación, conectados a una CPU Nvidia Grace de alto rendimiento a través de la interconexión NVLink-C2C. El GB10 Superchip ofrece hasta 1 petaflop de rendimiento de IA en la precisión FP4 e incluye 128 GB de memoria unificada y coherente y hasta 4 TB de almacenamiento NVME. En particular, funciona utilizando una salida eléctrica estándar, lo que indica un consumo de energía relativamente bajo en comparación con las soluciones de centros de datos de alto rendimiento como el GB300 [2] [5] [8].nvidia gb300
El NVIDIA GB300, por otro lado, es una GPU AI de alto rendimiento diseñada para centros de datos y entornos de hiperescala. Está alimentado por el chip B300 y presenta 288 GB de memoria HBM3E, ofreciendo un aumento significativo tanto en la capacidad de memoria como en la potencia computacional en comparación con sus predecesores. El GB300 tiene una potencia de diseño térmico (TDP) de 1400 vatios, que es un aumento sustancial sobre el GB200, lo que refleja sus capacidades de rendimiento mejoradas para la IA y las cargas de trabajo informáticas de alto rendimiento [1] [3] [4].Comparación
En términos de consumo de energía, el GB10 SuperChip está diseñado para ser eficiente en energía, saliendo de una toma de corriente estándar, que generalmente proporciona hasta 1500 vatios en muchas regiones. Esto sugiere que el consumo de energía del GB10 es significativamente más bajo que el del GB300, que requiere 1400 vatios solo para su GPU. El requisito de alta potencia del GB300 se debe a su arquitectura avanzada y al aumento de las capacidades de rendimiento, lo que lo hace adecuado para entornos de computación AI a gran escala. En contraste, el GB10 está optimizado para el uso de escritorio, proporcionando un equilibrio entre el rendimiento y la eficiencia energética para el desarrollo de IA y la creación de prototipos [2] [5] [8].En general, mientras que el GB10 Superchip ofrece un rendimiento de IA impresionante para sus requisitos de tamaño y potencia, el NVIDIA GB300 está diseñado para cargas de trabajo de IA mucho más exigentes en los centros de datos, lo que requiere un mayor consumo de energía para lograr su rendimiento superior.
Citas:
[1] https://www.tweaktown.com/news/103991/nvidia-gb300-blackwell-ultra-ai-gpu-288gb-hbm3e-1-4kw-power-50-faster-than-gb200/index.html
[2] https://www.stocktitan.net/news/nvda/nvidia-puts-grace-glackwell-on-every-esk-and-at-every-ai-developer-jpbbvfo6wno4.html
[3] https://www.techpowerup.com/330154/nvidia-gb300-parnwellwell-ultra-will-fature-288-gb-hbm3e-memory-1400-w-tdp
[4] https://drrobertcastellano.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-pecifications-nvidias-next-gen-gb300-ai-server/
[8] https://nvidianews.nvidia.com/news/nvidia-puts-grace-glackwell-on-every-esk-and-at-every-ai-developers-singertips
[9] https://meta-quantum.today/?p=3460