撰稿丨云昭
出品 | 51CTO技术栈（微信号：blog51cto）
英伟达飘了，野心膨胀到让业界羡慕嫉妒恨。
就在今天深夜，GTC全场高潮迭起，黄仁勋“轻咬着舌头、左手一个H100，右手一个B200”的照片，纷纷成为了业界媒体新闻的封面热图。
无须多问，黄教主手里拿的是什么，什么就是全场最靓的核弹！
一、没人抄得了B200
1.大模型突破摩尔定律，万亿大模型少用6000块H100
“随着Transformer模型被发明，我们能以惊人的速度扩展大型语言模型，实际上每六个月就能翻一番。而为了训练这些越来越大的模型，我们也需要更强的算力。"
B200 GPU ，采用了Blackwell架构，与Hopper架构相比，不管是支持的模型参数、还是训练功耗方面，都有着惊人的性能提升。
如黄教主展示的：
之前，如果要在90天内训练一个1.8万亿参数的MoE架构GPT模型，需要8000个Hopper架构GPU，15兆瓦功率。
而现在，同样给90天时间，在Blackwell架构下只需要2000个GPU，同时，能源消耗大大缩减为1/4。
图片
自然，推理生成的token成本也会随之降低。（如此一来，用硬件的方法降低了大模型的训练推理成本，大模型市场落地的价格也会继续降低，或许SOTA模型免费Open给大众，指日可待。）
2.让友商完全抄得跟不上
英伟达显卡的强大之处，就在于让友商抄无可抄。黄教主现场展示Grace-Blackwell系统（两个Blackwell GPU、四个die与一个Grace Cpu连接在一起）。
在黄教主现场演示中，GB200将两个B200 Blackwell GPU与一个基于Arm的Grace CPU进行配对。新芯片拥有2080亿个晶体管，所有这些晶体管几乎同时访问与芯片连接的内存。
图片
不得不说，NVIDIA Blackwell B200 GPU 将是一款怪物芯片。它总共包含 160 个 SM，20,480 个核心。GPU将采用最新的NVLINK互连技术，支持相同的8 GPU架构和400 GbE网络交换机。它也将非常耗电，峰值 TDP 为 700W，尽管这也与 H100 和 H200 芯片相同。总结一下这个芯片：
图片
1、20 PFLOPS FP8， 是Hopper的2.5倍
2、20 PFLOPS FP6，Hopper的2.5倍
3、40 PFLOPS FP4， 是Hopper的5倍
4、740B Parameters ，是Hopper的6倍
5、34T Parameters/s，是Hopper的5倍
6、7.2 TB/s NVLINK，是Hopper的4倍
值得注意的是，第五代NVLINK高速互联：为每个GPU 提供了1.8TB/s双向吞吐量，确保多达576个GPU之间的无缝高速通信。这样一下子解决了大规模数据中心的GPU交互问题。
图片
此外，Blackwell 不止步于芯片性能参数的提升，更在AI能力和安全方面下了一番“硬功夫”：
比如Ras Engine（可靠性、可用性和可维护性引擎），可以基于AI的预防性维护来运行诊断和预测可靠性问题；再比如：Secure AI，这是一项先进的加密计算功能，在不影响性能的情况下保护AI模型和客户数据，对于医疗保健和金融服务等隐私敏感行业至关重要。
不得不说，在GPU领域，英伟达绝对是业界的天花板，压力不止给到了AMD和英特尔，更给到了OpenAI，因为英伟达推出的一个GB200 NVL72就最高支持27万亿参数的模型，这瞬间就能装下15个GPT-4模型（据透露，GPT-4模型参数高达1.75万亿参数）。
二、B200价格预测，3W美元一块
让人好奇的是，英伟达尚未公布 B200 整套方案的成本和售价。
作为参考，Blackwell的前身 Hopper ,其旗舰款 H100 作为科技界最珍贵的商品之一，每颗芯片售价一度飙至4万美金。而 B200 只会更加昂贵，这个价格恐怕只有科技巨头们才能考虑入手。
根据分析师预测， B200 GPU 售价为 30,000 美元至 35,000 美元，而GB200 芯片的平均售价将达到惊人的 60,000 美元至 70,000 美元。
三、复刻很难国内GPU要跟上，希望在哪？
简单分析一下跟不上的原因：
1.要承认复刻的确很难，短期基本不可能。这方面技术受地缘限制，从光刻机、到设计软件、再到供应链的突围，层层关卡，想要实现性能上的突破，先进的设备和技术都有待攻克。
图片
2.缺乏生成式AI相应的软件配套服务。事实上，单一层面讲国产算力匮乏并不客观，中科曙光、紫光、浪潮等一直在显卡方面取得了相当显著的效果。然而，即便有了硬件算力，与之相匹配的软件配套能力与英伟达比起来，似乎就相形见绌了。
3.即便有了，面对强大的竞争环境，自身盈利的要求也是非常大的挑战。英伟达等生态布局很早，气候已经大成，虹吸效应。
图片
从头搭建一套的成本花费巨大，即便“造出火箭”来，也没有好的买家买单，这也是为什么国内厂商难以跟进的客观原因。
攻坚克难，需要持之以恒的投入和决心。国内的GPU市场规模很大，也不是英伟达一家能通吃的天下。根据Verified Market Research的预测，到2027年，中国大陆的GPU市场规模预计将增长至345.57亿美元。
那英伟达的对手在哪里？没错，华为。
被英伟达列为最大竞争对手之一的华为，也走上了自研国产GPU的道路。华为推出的最强芯片「昇腾 910」,主要面向 AI 数据科学家和工程师，算力可达256TFOPS，超过了谷歌的 TPU v3 及英伟达的 GPU Tesla V100芯片。
不过值得注意的是，国内看，即便硬件性能追上英伟达，在软件框架层、模型层、生态层也亟需追赶。
四、通用计算过时了面向GPU编程已来
英伟达成立于1993年，马上即将迎来31周年，黄仁勋带领下的“GPU”如今早已不止是“游戏”发烧友的硬件配置，而是正在成为新一轮技术变革的“超级充电厂”。
关注本次GTC的朋友，不难注意到英伟达重磅推出的AI微服务网站NIM，AI生产力的编程时代已经到来。
图片
之前，整个PC互联网都在面向CPU编程，而如今，黄教主认为AI时代下，面向GPU的开发技术栈更为被业界迫切需要。
面向外界，黄仁勋给出了一个坚定的信号：“加速计算到达了临界点，通用计算已经过时了。”
参考：https://techovedas.com/5-major-highlights-from-nvidia-gtc-2024/
