英伟达B300 GPU曝光，GB300 B300 B200对比分析

【蜂耘网  智能制造】外媒 SemiAnalysis 表示，英伟达计划明年推出的 B300 Tensor Core GPU 对设计进行了调整，将在台积电 4NP 定制节点上重新流片。

B300与B200相比

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。

B200拥有超过2080亿个晶体管，能够提供高达20 petaflops的FP4（浮点精度为四比特）算力，采用第二代Transformer引擎，对每个神经元使用4位而不是传统的8位进行计算，此外B200还搭载先进的HBM3e内存技术。

而B300是台积电4NP工艺（英伟达定制工艺，属于5nm制程节点的一部分）节点上的一个全新流片。定制化工艺做了一个调整设计，专用于计算芯片，使得B300浮点运算比B200高50%，GB300和B300的热设计功耗分别达到1.4KW和1.2KW，相比之下，GB200和B200的热设计功耗分别为1.2KW和1KW。

除了更高FLOPS之外，B300系列的显存也做了升级，B300的内存从8-Hi（8层堆叠）升级到12-Hi HBM3E，每个GPU的HBM容量增加到288GB，但引脚速度将保持不变，所以每个GPU的内存带宽仍然是8TB/s。

产品交付层面，GB200系列提供整个Bianca Board，也就包括两颗GPU、一颗CPU、CPU的内存等所有组件都集成在一块PCB版上。GB300系列将只提供参考板（Reference Board），包括两颗B300 GPU、一颗Grace CPU、HMC（Hybrid Memory Cube），LPCAMM内存模块等组件将由客户自行采购。

GB300与B300怎么区分？

在英伟达（NVIDIA）的产品线中，GB300和B300是基于相似的Blackwell架构设计的高性能计算芯片，但它们之间存在一些关键区别，主要体现在配置、应用场景以及系统集成方式上。

B300是一个独立的GPU单元，专注于提供极高的AI算力和浮点运算能力。它拥有超过2080亿个晶体管，能够提供高达20 petaflops的FP4精度算力，特别适合大规模语言模型训练和推理等任务。

GB300则是由两个B300 GPU与一个或多个Grace CPU组成的超级芯片，通过NVLink-C2C技术实现高效互连。这种组合不仅提供了强大的GPU加速能力，还集成了高性能CPU资源，适用于需要同时进行复杂计算和数据处理的工作负载。

在应用场景方面，B300主要应用于纯GPU加速场景，如深度学习训练、科学计算、图形渲染等领域。对于那些对CPU依赖较少的任务来说，单独使用B300可以更有效地利用硬件资源，降低成本。GB300更适合需要综合计算能力和数据处理能力的应用，例如超大规模语言模型训练、复杂的AI推理服务、高性能数据分析等。由于内置了Grace CPU，它可以更好地支持多线程应用、数据库查询和其他传统CPU密集型任务，从而提高整个系统的灵活性和效率。

性能特点上，B300突出特点是其惊人的AI算力和低功耗表现，在某些特定的AI工作负载下表现出色，提供了更高的每瓦特性能比，有助于降低数据中心的总体拥有成本（TCO）。GB300结合了B300的强大AI算力和Grace CPU的卓越单线程性能及能效比，能够在更广泛的应用范围内提供均衡且高效的计算体验。支持万亿参数级别的大模型训练，具备更高的内存带宽和更低的延迟，确保了大型分布式系统的稳定性和响应速度。

结语

自1993年成立以来，英伟达已经成为推动计算机图形、高性能计算（HPC）、人工智能（AI）和自动驾驶汽车技术发展的关键力量。

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，英伟达B300 GPU曝光，更加彰显了英伟达在AI硬件领域的地位。

（蜂耘智能制造网  责任编辑：梅子）