GB200 H100 A800 B200对比，英伟达AI芯片爆单的原因找到了

【蜂耘网  人工智能】近期，英伟达的AI芯片GB200订单量爆发，H100芯片却遇冷。

GB200芯片最大的客户是微软，其第四季度的订单量增长3-4倍，超过其他所有云服务商的总和。

另一边，曾经炙手可热的H100芯片，8卡整机的出售价格由去年的300多万降至230-240万，出租价格则由巅峰时期的8美元以上跌至2-3美元，价格超跌50%。

众所周知，英伟达是一家全球知名的科技公司，英伟达最厉害的业务是图形处理单元（GPU）。

英伟达的芯片有很多不同种类，不同产品在配置、参数以及性能等方面都有所不同，我给大家科普下。

H100与GB200    

英伟达H100是基于Ada Lovelace架构，提供了比A100更高的性能，配备第四代 Tensor Core 和 Transformer 引擎（FP8精度）。

H100由800亿个晶体管构建而成，采用4N工艺，能够显著提升AI/HPC/显存带宽/互连/数据中心级通信的速度。

另外H100配备了HBM3显存，最大容量同样为80GB，可使 FP64 的每秒浮点运算次数（FLOPS）提升至 3 倍，并可添加动态编程（DPX）指令，使性能提升高达7 倍。

而GB200是英伟达在2024年推出的新一代产品，GB代表Grid，这是英伟达为数据中心虚拟化设计的GPU。

GB200是Grid系列中的一款，用于虚拟桌面基础设施（VDI）和高性能计算。

Blackwell GB200芯片包含了2080亿个晶体管，采用台积电N4P制程，为双芯片架构，AI算力达20petaFLOPS（FP4），是Hopper的5倍。

GB200通过将两个B200 GPU与一个Grace CPU配对，并通过NVLink连接。

整体来说，H100和GB200都是高性能GPU产品，但H100采用Hopper架构，GB200采用Blackwell架构；GB200的性能比H100更高（大约7倍的性能提升和4倍的训练速度），同时GB200能耗更低。

近两年，H100是最受市场欢迎的GPU产品，但前期H100存在囤货炒作价格的情况，在新老产品交替以及市场环境变化的背景下逐渐遇冷。而英伟达 GB200 芯片凭借其强大的性能和优势，获得了市场的高度关注和大量订单。   

英伟达的其他芯片

A100：英伟达的旗舰级数据中心GPU，专为高性能计算和人工智能训练设计。其单精度浮点运算速度19.5万亿次每秒（TFLOPS，FP32），半精度浮点运算速度38.7万亿次每秒（TFLOPS，FP16），张量核心的浮点运算速度1.52千万亿次每秒（PetaFLOPS，TF32）。

A800：A100的较小版本，具有较低的计算能力和内存容量。2022年美国有了新的半导体出口规定，英伟达为了适应美国对中国大陆的高性能计算芯片出口限制，推出了A100的一个小版本，也就是A800。A800主要是在数据传输速度上做了调整，把A100的600GB/s降到了400GB/s，但其他方面和A100差不多。

B100：基于Tesla架构的GPU，较老的产品线，主要用于数据中心和高性能计算。B100拥有约3,072个CUDA核心，功耗通常在250W左右，不是专为深度学习设计的GPU，但它仍然可以用于加速一些简单的深度学习模型。

B200：基于Tesla架构，是B100的升级版，提供了更高的性能。B200适用于需要更高计算能力的应用，配备了多个CUDA核心和高带宽的GDDR5内存，支持NVLink技术，允许多个GPU之间高速通信。

H200：H100的更大版本，内存容量高达 141 GB，几乎是 H100 的两倍，适用于需要极高内存带宽和计算能力的应用，如大型AI模型训练。

H800：是基于Ada Lovelace架构的GPU，具有极高的性能和内存容量，专为AI训练和大型科学计算设计。H800基于4nm工艺，拥有800亿个晶体管、18432个核心的H100 GPU。

HGX：HGX系列是英伟达为数据中心设计的GPU集群系统，包括多种配置，如HGX-2、HGX-3等。

DGX：DGX系列是英伟达的AI超级计算机系统，集成了多块GPU，包括DGX Station（工作站）、DGX A100（服务器）等。

结语

英伟达自1993年成立以来，经历了从显卡制造商到全球GPU领导者的蜕变，初期专注于图形处理，随后拓展到专业工作站和游戏市场。

2006年，推出CUDA平台，开启GPU通用计算时代。2010年后，英伟达进军数据中心和自动驾驶领域，推出Tesla和DGX系列GPU，成为AI和深度学习的重要推动者。

英伟达的很多款产品都是很多企业难以完全复制和追赶的，特别是GB200等芯片在技术上、性能上的领先，更加彰显了英伟达在AI硬件领域的地位。        

（蜂耘人工智能网  责任编辑：梅子）