Kraftförbrukningen för NVIDIA GB10 Superchip och NVIDIA GB300 skiljer sig avsevärt på grund av deras distinkta mönster och applikationer.
NVIDIA GB10 Superchip
GB10 SuperChip är en del av NVIDIA: s projektsiffror, utformade för att ge kraftfull AI -prestanda på en skrivbordsskala. Den har en NVIDIA Blackwell GPU med de senaste CUDA-kärnorna och femte generationens tensorkärnor, anslutna till en högpresterande NVIDIA GRACE CPU via NVLINK-C2C Interconnect. GB10 SuperChip levererar upp till 1 PETAFLOP av AI -prestanda vid FP4 Precision och inkluderar 128 GB enhetligt, sammanhängande minne och upp till 4TB NVME -lagring. Det är särskilt viktigt att det använder ett standard elektriskt utlopp, vilket indikerar relativt låg effektförbrukning jämfört med högpresterande datacenterlösningar som GB300 [2] [5] [8].NVIDIA GB300
NVIDIA GB300 är å andra sidan en högpresterande AI GPU designad för datacenter och hyperscale-miljöer. Det drivs av B300 -chipet och har 288 GB HBM3E -minne, vilket erbjuder en betydande ökning av både minneskapacitet och beräkningskraft jämfört med dess föregångare. GB300 har en termisk designkraft (TDP) på 1400 watt, vilket är en betydande ökning jämfört med GB200, vilket återspeglar dess förbättrade prestandafunktioner för AI och högpresterande datorarbetsbelastning [1] [3] [4].Jämförelse
När det gäller strömförbrukning är GB10 Superchip utformad för att vara effekteffektiv, genom att köra av ett vanligt elektriskt uttag, som vanligtvis ger upp till 1500 watt i många regioner. Detta antyder att GB10: s strömförbrukning är betydligt lägre än GB300, vilket kräver 1400 watt ensam för sin GPU. GB300: s höga kraftkrav beror på dess avancerade arkitektur och ökade prestationsfunktioner, vilket gör den lämplig för storskaliga AI-datormiljöer. Däremot är GB10 optimerad för skrivbordsanvändning, vilket ger en balans mellan prestanda och effekteffektivitet för AI -utveckling och prototyper [2] [5] [8].Sammantaget, medan GB10 SuperChip erbjuder imponerande AI -prestanda för sina storlekar och kraftkrav, är NVIDIA GB300 utformad för mycket mer krävande AI -arbetsbelastningar i datacenter, vilket kräver högre kraftförbrukning för att uppnå sin överlägsna prestanda.
Citeringar:
]
]
]
[4] https://drrobertcastellano.substack.com/p/nvidia-g300-reefining-ai-computing
[5] https://www.bigdatawire.com/2025/01/10/inside-nvidias-new-desktop-ai-box-project-igits/
[6] https://www.nvidia.com/en-us/data-center/dgx-b300/
]
]
[9] https://meta-quantum.today/?p=3460