3月19日，當(dāng)全球半導(dǎo)體產(chǎn)業(yè)仍在5nm向3nm制程的過渡期掙扎時(shí)，英偉達(dá)在GTC 2025 大會(huì)上通過Blackwell Ultra發(fā)起一場“降維打擊”；尤其性能躍升并非依賴工藝微縮，而是通過架構(gòu)革命將AI算力的“不可能三角”（性能、能效、成本）徹底擊穿。

與往年一樣，英偉達(dá)如期發(fā)布全新的計(jì)算芯片，基于Blackwell Ultra架構(gòu)的GB300 AI加速芯片，以及下一代AI超級(jí)芯片“Rubin”。

作為Blackwell架構(gòu)的終極形態(tài)，GB300 AI芯片（Blackwell Ultra）的發(fā)布，也讓英偉達(dá)在AI芯片領(lǐng)域完成從“性能迭代”到“架構(gòu)代差”的戰(zhàn)略跨越。

圖源：英偉達(dá)GTC 大會(huì)

特別的是，相較于去年的B200，GB300性能提升1.5倍，新的注意力機(jī)制提升2倍，擁有20TB HBM高帶寬存儲(chǔ)提升1.5倍。并且，GB300的突破也重新定義“全球最強(qiáng)AI芯片”。

高帶寬內(nèi)存（HBM3e）的堆疊式升級(jí)：Blackwell Ultra首次采用12層堆疊的HBM3e內(nèi)存，顯存容量提升至288GB，帶寬達(dá)14.4 TB/s，較前代Hopper H100的3.35 TB/s提升4.3倍。

多芯片模塊（MCM）的原子化封裝：Blackwell Ultra通過臺(tái)積電CoWoS-L 3D封裝技術(shù)，將72個(gè)GPU Tile與36個(gè)Grace CPU Tile集成于單個(gè)基板，形成“超異構(gòu)計(jì)算集群”。每個(gè)Tile間通過硅中介層互聯(lián)，帶寬達(dá)14.4 TB/s，跨芯片延遲降至12ns，逼近單Die內(nèi)通信水平。

動(dòng)態(tài)稀疏計(jì)算引擎（DSCE）：Blackwell Ultra在Tensor Core中集成硬件級(jí)稀疏加速單元，支持非結(jié)構(gòu)化稀疏模式的實(shí)時(shí)檢測與跳過無效計(jì)算，稀疏加速效率達(dá)98%。在FP4精度下，其有效算力較稠密模式提升7倍，內(nèi)存占用減少83%。

圖源：英偉達(dá)GTC 大會(huì)

液冷技術(shù)與能效優(yōu)化：為應(yīng)對(duì)高達(dá)1400W的TDP功耗8，Blackwell Ultra引入嵌入式微流道液冷系統(tǒng)，散熱效率較傳統(tǒng)風(fēng)冷提升8倍，單機(jī)架（72 GPU）峰值功耗僅42kW，較同規(guī)模H100集群降低57%。結(jié)合動(dòng)態(tài)電壓頻率調(diào)節(jié)（DVFS），部分負(fù)載場景下能效比可達(dá)H100的40倍。

AI工廠操作系統(tǒng)Dynamo：英偉達(dá)推出的分布式推理服務(wù)庫Dynamo，通過動(dòng)態(tài)任務(wù)調(diào)度與資源分配，將開源模型推理速度提升30倍。在Blackwell Ultra平臺(tái)上，Dynamo可同時(shí)管理30萬并發(fā)推理任務(wù)（H100為4.5萬），且服務(wù)等級(jí)協(xié)議（SLA）違規(guī)率下降92%。

與此同時(shí)，AI或?qū)⒉辉侏?dú)鐘于英偉達(dá)顯卡，但市面需要更多的是算力；然而按下這場算力競賽加速鍵的企業(yè)，或許正是DeepSeek。

圖源：英偉達(dá)GTC 大會(huì)

在本次演講中，DeepSeek的出場率極其高，甚至接棒了去年熱議的ChatGPT，黃仁勛用DeepSeek來詮釋AI算力需求不僅沒有下降，反而在增長。作為范例與DeepSeek對(duì)比的是LLama 3，一個(gè)傳統(tǒng)的AI大模型，在回答同個(gè)問題時(shí)，LLama只用了不到500 Token就輸出了回答，而DeepSeek則是用了高達(dá)8559 Token來輸出答案。

結(jié)果顯而易見，LLama給出錯(cuò)誤答案，而DeepSeek則答對(duì)了，為避免大家覺得DeepSeek-R1用671B的參數(shù)量“欺負(fù)”只有70B參數(shù)量的LLama，演示視頻還貼心地備注“活躍參數(shù)37B”的字樣。這也是DeepSeek-R1這類稀疏型AI大模型的特點(diǎn)，雖參數(shù)量龐大，但每次實(shí)際調(diào)用的參數(shù)量并不算多，似乎比傳統(tǒng)AI大模型更少。

眾所周知，Scaling Law之于AI，正如摩爾定律之于芯片。簡而言之就是“大力出奇跡”定律：數(shù)據(jù)越多、算力越強(qiáng)、模型越大，因此“DeepSeek的出現(xiàn)反而證明市場仍需更多AI芯片”。

目前，從生成式AI發(fā)展到Agentic AI，并不代表Scaling Law法則失效。

相反的是，由于將應(yīng)用范圍從訓(xùn)練進(jìn)一步擴(kuò)展到推理，不只在預(yù)訓(xùn)練環(huán)節(jié)，模型的后訓(xùn)練（Post-Training，指預(yù)訓(xùn)練得到模型后，根據(jù)特定任務(wù)或需求，使用更小規(guī)模、更專注的數(shù)據(jù)集對(duì)模型進(jìn)行進(jìn)一步優(yōu)化訓(xùn)練或微調(diào)的過程）和日常推理的長期思考（Long-Thinking）都要繼續(xù)消耗算力資源，Scaling Law法則對(duì)規(guī)模的要求非但會(huì)變小，相反會(huì)進(jìn)一步擴(kuò)大。

圖源：英偉達(dá)GTC 大會(huì)

綜上所述，Blackwell Ultra的發(fā)布，或許會(huì)被歷史視為AI算力從“量變”到“質(zhì)變”的轉(zhuǎn)折點(diǎn)。

這場革命的意義，不亞于當(dāng)年晶體管取代真空管。而隨著Blackwell Ultra與Rubin架構(gòu)的路線圖曝光，英偉達(dá)已明確將技術(shù)迭代周期壓縮至一年，這意味著：未來的AI競爭，不再是“誰能造出最大芯片”，而是“誰能最快將算力轉(zhuǎn)化為生產(chǎn)力”。

由于篇幅受限，本次的英偉達(dá)AI芯片就先介紹這么多......

想了解更多半導(dǎo)體行業(yè)動(dòng)態(tài)，請(qǐng)您持續(xù)關(guān)注我們。

奇普樂將在每周，不定時(shí)更新~

最后的最后，借由陽明的一句名言：

種子的黑土期，是光明誕生的必修課。

愿每一位半導(dǎo)體從業(yè)者可以——

破土凌云、深根見月！

奇普樂 · 往期文章