当地时间3月18日，人工智能（AI）芯片龙头厂商NVIDIA在美国加州圣何塞召开了GTC2024大会，正式发布了面向下一代数据中心和人工智能应用的“核弹”——基于Blackwell架构的B200 GPU，将在计算能力上实现巨大的代际飞跃，预计将在今年晚些时候正式出货。
同时，NVIDIA还带来了Grace Blackwell GB200超级芯片等。
NVIDIA创始人兼CEO黄仁勋，NVIDIA目前按照每隔2年的更新频率，升级一次GPU构架，进一步大幅提升AI芯片的性能。
两年前推出的Hopper构架GPU虽然已经非常出色了，但我们需要更强大的GPU。
B200：2080亿个晶体管，FP4算力高达 40 PFlops
NVIDIA于2022年发布了采用Hopper构架的H100 GPU之后，开始引领了全球AI市场的风潮。
此次推出的采用Blackwell构架的B200性能将更加强大，更擅长处理AI相关的任务。Blackwell构架则是以数学家David Harold Blackwell的名字命名。
据介绍，B200 GPU基于台积电的N4P制程工艺（这是上一代Hopper H100和Ada Lovelace架构GPU使用的N4工艺的改进版本），晶体管数量达到了2080亿个，是H100/H200的800亿个晶体管两倍多。这也使得B200的人工智能性能达到了20 PFlops。
黄仁勋表示，Blackwell构架B200 GPU的AI运算性能在FP8及新的FP6上都可达20 PFlops，是前一代Hopper构架的H100运算性能8 PFlops的2.5倍。
在新的FP4格式上更可达到40 PFlops，是前一代Hopper构架GPU运算性能8 PFlops的5倍。
具体取决于各种Blackwell构架GPU设备的內存容量和频宽配置，工作运算执行力的实际性能可能会更高。
黄仁勋强调，而有了这些额外的处理能力，将使人工智能企业能够训练更大、更复杂的模型。
需要指出的是，B200并不是传统意义上的单一GPU。相反，它由两个紧密耦合的GPU芯片组成，不过根据NVIDIA的说法，它们确实可以作为一个统一的CUDA GPU。
这两个芯片通过10 TB/s的NV-HBI（NVIDIA高带宽接口）连接连接，以确保它们能够作为一个完全一致的芯片正常工作。
同时，对于人工智能计算来说，HBM容量也是极为关键。
AMD MI300X之所以被广泛关注，除了其性能大幅提升之外，其所配备的容量高达192GB HBM（高带宽内存）也是非常关键，相比NVIDIAH100 SXM芯片的80GB高了一倍多。
为了弥补HBM容量的不足，虽然NVIDIA也推出了配备141GB HBM的H200，但是仍大幅落后于AMD MI300X。
此次NVIDIA推出的B200则配备了同样的192GB HBM3e内存，可提供8 TB/s的带宽，弥补了这一薄弱环节。
虽然NVIDIA尚未提供关于B200确切的芯片尺寸，从曝光的照片来看，B200将使用两个全掩模尺寸的芯片，每个管芯周围有四个HMB3e堆栈，每个堆栈为24GB，每个堆栈在1024 bit接口上具有1TB/s的带宽。
需要指出的是，H100采用的是6个HBM3堆栈，每个堆栈16GB（H200将其增加到6个24GB），这意味着H100管芯中有相当一部分专门用于六个HBM内存控制器。
B200通过将每个芯片内部的HBM内存控制器接口减少到四个，并将两个芯片连接在一起，这样可以相应地减少HBM内存控制器接口所需的管芯面积，可以将更多的晶体管用于计算。
支持全新FP4/FP6格式
基于Blackwell架构的B200通过一种新的FP4数字格式达到了这个数字，其吞吐量是Hopper H100的FP8格式的两倍。
因此，如果我们将B200与H100坚持使用FP8算力来比较，B200仅提供了比H100多2.5倍的理论FP8计算（具有稀疏性），其中很大一部分原因来自于B200拥有两个计算芯片。
对于H100和B200都支持的大多数的数字格式，B200最终在理论上每芯片算力提升了1.25倍。
再次回到4NP工艺节点在密度方面缺乏大规模改进的问题上。
移除两个HBM3接口，并制作一个稍大的芯片可能意味着B200在芯片级的计算密度上甚至不会显著更高。当然，两个芯片之间的NV-HBI接口也会占用一些管芯面积。
NVIDIA还提供了B200的其他数字格式的原始计算值，并应用了通常的缩放因子。
因此，FP8的吞吐量是FP4吞吐量的一半（10 PFlops级），FP16/BF16的吞吐量是5 PFlops级的一半，TF32的支持是FP16的一半（2.5 PFlops级）——所有这些都具有稀疏性，因此密集操作的速率是这些速率的一半。
同样，在所有情况下，算力可以达到单个H100的2.5倍。
那么FP64的算力又如何呢？
H100被评定为每GPU可提供60万亿次的密集FP64计算。如果B200具有与其他格式类似的缩放比例，则每个双芯片GPU将具有150万亿次浮点运算。
但是，实际上，B200的FP64性能有所下降，每个GPU约为45万亿次浮点运算。这也需要一些澄清，因为GB200超级芯片将是关键的构建块之一。
它有两个B200 GPU，可以进行90万亿次的密集FP64计算，与H100相比，其他因素可能会提高经典模拟的原始吞吐量。
另外，就使用FP4而言，NVIDIA有一个新的第二代Transformer Engine，它将帮助用户自动将模型转换为适当的格式，以达到最大性能。
除了支持FP4，Blackwell还将支持一种新的FP6格式，这是一种介于FP4缺乏必要精度但也不需要FP8的情况下的解决方案。
无论结果的精度如何，NVIDIA都将此类用例归类为“专家混合”（MoE）模型。
最强AI芯片GB200
NVIDIA还推出了GB200超级芯片，它基于两个B200 GPU，外加一个Grace CPU，也就是说，GB200超级芯片的理论算力将会达到40 PFlops，整个超级芯片的可配置TDP高达2700W。
黄仁勋也进一步指出，包含了两个Blackwell GPU和一个采用Arm构架的Grace CPU的B200，其推理模型性能比H100提升30倍，成本和能耗降至了原来的1/25。
除了GB200超级芯片之外，NVIDIA还带来了面向服务器的解决方案HGX B200，它基于在单个服务器节点中使用八个B200 GPU和一个x86 CPU（可能是两个CPU）。
这些TDP配置为每个B200 GPU 1000W，GPU可提供高达18 PFlops的FP4吞吐量，因此从纸面上看，它比GB200中的GPU慢10%。
此外，还有HGX B100，它与HGX B200的基本架构相同，有一个x86 CPU和八个B100 GPU，只是它被设计为与现有的HGX H100基础设施兼容，并允许最快速地部署Blackwell GPU。
因此，每个GPU的TDP被限制为700W，与H100相同，吞吐量降至每个GPU 14 PFlops的FP4。
值得注意的是，在这三款芯片当中，HBM3e的每个GPU的带宽似乎都是8 TB/s。因此，只有功率，以及GPU核心时钟，也许还有核心数上会有不同。
但是，NVIDIA尚未透露任何Blackwell GPU中有多少CUDA内核或流式多处理器的细节。
第五代NVLink和NVLink Switch 7.2T
人工智能和HPC工作负载的一大限制因素是不同节点之间通信的多节点互连带宽。
随着GPU数量的增加，通信成为一个严重的瓶颈，可能占所用资源和时间的60%。
在推出B200的同时，NVIDIA还推出其第五代NVLink和NVLink Switch 7.2T。
新的NVLink芯片具有1.8 TB/s的全对全双向带宽，支持576 GPU NVLink域。它也是基于台积电N4P节点上制造的，拥有500亿个晶体管。
该芯片还支持芯片上网络计算中的3.6万亿次Sharp v4，这有助于高效处理更大的模型。
上一代NVSwitch支持高达100 GB/s的HDR InfiniBand带宽，是一个巨大飞跃。
与H100多节点互连相比，全新的NVSwitch提供了18X的加速。这将大大提高万亿参数模型人工智能网络的可扩展性。
与此相关的是，每个Blackwell GPU都配备了18个第五代NVLink连接。这是H100链接数量的18倍。
每条链路提供50 GB/s的双向带宽，或每条链路提供100 GB/s的带宽。
GB200 NVL72服务器
NVIDIA还针对有大型需求的企业提供服务器成品，提供完整的服务器解决方案。
例如GB200 NVL72服务器，提供了36个CPU和72个Blackwell构架GPU，并完善提供一体水冷散热方案，可实现总计720 PFlops的AI训练性能或1,440 PFlops的推理性能。
它内部使用电缆长度累计接近2英里，共有5,000条独立电缆。
具体来说，GB200 NVL72 基本上是一个完整的机架式解决方案，有18个1U服务器，每个服务器都有两个GB200超级芯片。
然而，在GB200超级芯片的组成方面，与上一代相比存在一些差异。
曝光图片和规格表明，两个B200 GPU与一个Grace CPU匹配，而GH100使用了一个较小的解决方案，将一个GraceCPU与一个H100 GPU放在一起。
最终结果是，GB200超级芯片计算托盘将具有两个Grace CPU和四个B200 GPU，具有80 PFlops的FP4 AI推理和40 PB的FP8 AI训练性能。
这些是液冷1U服务器，它们占据了机架中典型的42个单元空间的很大一部分。
除了GB200超级芯片计算托盘，GB200 NVL72还将配备NVLink交换机托盘。
这些也是1U液冷托盘，每个托盘有两个NVLink交换机，每个机架有九个这样的托盘。每个托盘提供14.4 TB/s的总带宽，加上前面提到的Sharp v4计算。
GB200 NVL72总共有36个Grace CPU和72个Blackwell GPU，FP8运算量为720 PB，FP4运算量为1440 PB。有130 TB/s的多节点带宽，NVIDIA表示NVL72可以处理多达27万亿个AI LLM参数模型。
目前，亚马逊的AWS已计划采购由2万片GB200芯片组建的服务器集群，可以部署27万亿个参数的模型。
除了亚马逊的AWS之外，DELL、Alphabet、Meta、微软、OpenAI、Oracle和TESLA成为Blackwell系列的采用者之一。