今天小编分享的科技经验：英伟达的GPU已经讲不出“花儿”了，欢迎阅读。
出品｜虎嗅科技组
作者｜齐健
编辑｜王一鹏
头图｜视觉中国
" 我们需要更大的 GPU。"
当地时间 3 月 18 日，黄仁勋在英伟达 2024 GTC 大会上，宣布了英伟达新一代加速计算平台 NVIDIA Blackwell，以及基于 Blackwell GPU 架构的双芯片 GPU B200 和超级芯片 GB200。
Blackwell 架构单 GPU AI 性能达到 20 PFLOPS，性能比上一代提高了 5 倍，而成本和能耗下降降低 25 倍。黄仁勋以训练 1.8 万亿参数的 GPT 模型为例（可能 GPT-4 的参数量）。同样以 90 天为训练周期，上一代 Hopper 架构的 GPU 至少要用 8000 个，功耗 15MW，而使用 Blackwell 架构的 GPU，只需要 2000 颗，功耗约 4 MW。
Blackwell
作为全球加速计算市场的 " 老大 "，英伟达今天的一切成功都建立在 GPU 上。
不过，从黄仁勋在 GTC 大会上的主题演讲来看，英伟达似乎并不希望外界只看到他们的 GPU。在黄仁勋 2 个小时的主题演讲中，虽然 Blackwell 平台的发布是绝对主角，但他也把超过一半的演讲时间放在了 GPU" 周围 " 的技术上，包括：芯片设计、生产技术，生成式 AI 模型训练，数字孪生，以及具身智能等。
一直以来，英伟达都在强调自己是 " 人工智能时代领先的计算公司 "，而不只是一家芯片或是硬體公司。在 GTC 上宣布的軟體技术、AI 训练技术、机器人技术等，也无不透露着 " 源于 GPU，高于 GPU" 的味道。
軟體是 GPU 的护城河
加速计算市场上并不乏性能与英伟达接近的 GPU 产品，然而英伟达真正的护城河其实来自 GPU 軟體开发工具。
在 Blackwell 之外，英伟达公布了一系列与 AI、GPU、机器人相关的创新軟體应用，包括：
AI 模型和工作流微服务产品 NVIDIA NIM（NVIDIA AI Microservices）；企业级的 AI 軟體平台 NVIDIA AI Enterprise 5.0；用于机器人开发的仿真环境 NVIDIA Isaac Sim；GPU 加速、性能优化的轻量级应用 NVIDIA Isaac Lab；用于计算编排服务的工具 NVIDIA OSMO；用于药物研发的微服务 NVIDIA BioNeMo；用于基因组学分析的軟體套件 NVIDIA Parabricks；用于视频分析和智能视频管理的軟體平台 NVIDIA Metropolis 等。
其中，NVIDIA NIM（NVIDIA AI Microservices）最为突出。
NIM 是一系列集成 AI 模型和工作流的微服务，专为企业和开发者提供在生物、化学、影像及医疗数据领網域构建和部署 AI 应用的高效、灵活方式。NIM 的关键优势是其符合行业标准的 API，便于开发者创建云原生应用。
目前，NIM 微服务以及开始在医疗影像领網域推广。通过利用 NVIDIA 的 AI 技术，NIM 微服务可以帮助医疗专业人员更快速、更准确地分析和解释医疗影像数据，从而提高诊断的质量和效率。此外，NIM 微服务还可以用于药物研发，通过生成式化学模型和蛋白质结构预测模型，加速新药的发现和开发过程。
事实上，軟體应用生态除了在 AI 等开发端支撑英伟达的 GPU 业务，在未来也有可能为英伟达走出一条新的增长曲线。
SaaS 行业是公认的毛利更高、赚钱快，且軟體、应用研发资产轻，不会像硬體生产那样受到供应链的制约，也没有生产、库存压力。
虽然英伟达的 GPU 借着 AI 的东风也能赚得盆满钵满，但增长速度相比不如爆发增长的 OpenAI。而且如果只做 GPU 和算力生意，未来的发展空间，也难免会受到制造业自身增长缓慢属性的影响。
已经垄断了 GPU 生意的英伟达，自然不希望像 AMD、Intel、高通那样，" 躬耕 " 于芯片行业卷生卷死。对于英伟达来说，基于 AI 大模型、軟體等向上再迈一层，不仅能巩固自己当下的行业地位，也能拓宽未来的赛道。
算力怪兽的关注点在通信
专为 AI 而生的 Blackwell 可以处理万亿参数规模的大语言模型（LLM）。每块 GPU 拥有 2080 亿个晶体管，采用专门定制的双倍光刻极限尺寸 4 纳米 TSMC 工艺制造，通过 10 TB/s 的片间互联，将 GPU 裸片连接成一块统一的 GPU。
与 Blackwell 平台一同推出的还有采用双芯片设计的新一代 GPU B200，单 GPU AI 性能达到 20 PFLOPS。B200 配备 192GB 内存。以及基于 B200 的超级芯片 GB200 ，通过 900GB/s 超低功耗的片间互联，将两个 NVIDIA B200 Tensor Core GPU 与 NVIDIA Grace CPU 相连。
虽然 Blackwell 的性能提升巨大，但今天的超大规模 AI 模型多数都需要多 GPU 并联计算。由此，GPU 的连接性能，才真正体现了 GPU 在 AI 大模型训练和应用过程中的价值。
第五代 NVIDIA NVLink提供 1.8TB/s 双向吞吐量，可以使 576 块 GPU 之间实现无缝高速通信，满足更为复杂的大语言模型训练需求。
在云端模型部署方面，英伟达还推出了NVIDIA Quantum-X800 InfiniBand 和 Spectrum-X800 以太网网络平台，提供了高达 800Gb/s 的端到端吞吐量，大幅提高了 AI 和 HPC 分布式计算的可用性。
此外，英伟达还推出了6G 研究云平台，以推动 AI 在无线接入网络 ( RAN ) 技术的应用。保证了端侧设备到云基础设施之间的链接，从而推动自动驾驶汽车、智能空间和沉浸式教育体验的发展。
英伟达全新网络交换机 - X800 系列。
与 Blackwell 架构一同宣布的，还有英伟达与主流伺服器、云计算厂商的合作。AWS、戴尔、谷歌、Meta、微软、OpenAI、甲骨文、特斯拉和 XAI 等预计都会在未来将加速计算伺服器更新到 Blackwell 架构。
促进落地是英伟达的当务之急
在 GPU 硬體方面，英伟达在全球 GPU 市场中持续保持领先。Blackwell 的性能比 2 年前的 Hopper 架构提升了 5 倍，比 8 年前的 Pascal 架构提升了 1000 倍。
黄仁勋在演讲中自豪地说：" 摩尔定律是每 10 年提升 100 倍性能，过去 8 年里，我们提升了 1000 倍，我们还少用了 2 年。"
英伟达 GPU 性能八年提升 1000 倍
Blackwell 一出，业界一片欢腾，很多人直呼：新摩尔定律诞生了。
相对于英伟达的用户，华尔街对英伟达的看法相对冷静。
刚刚过去的 3 月前几周，英伟达遭市场逼空，3 月 8 日股价下跌 5.55%。虽然华尔街对英伟达本届 GTC 表现乐观，市场普遍预测此次大会将帮助英伟达股票结束近期震荡走势。但是黄仁勋的主题演讲结束后，英伟达夜盘表现不佳，次日开盘股价亦未见起色。
这主要是因为 GTC 上公布重磅新品，对于市场来说基本都在预期之内。其实对于英伟达来说，不管是 8 年前的 Pascal 还是今天的 Blackwell。1-2 年一次的 GPU 架构的更新早已经是顺理成章的技术迭代，时至 2024 年，推出 Blackwell 在英伟达来说是一个 " 渐进式创新 " 的必然结果。
另一方面，对于如今的市场来说，随着 GPU 技术的迭代，算力快速增长很可能会大幅压缩英伟达的增长空间。
方舟投资首席执行官、知名投资人 " 木头姐 " 凯西 · 伍德（Cathie Wood）在 3 月 7 日致股东的一封信中对英伟达未来可能面临的竞争压力发出警告，并将其与思科在 1997 至 2000 年期间股价经历的 " 抛物线 " 进行比较。
伍德认为，如果 AI 公司、軟體公司在应用层面一直见不到收益的话，很可能会停止增加在 GPU 建设方面的投入。
只是循序渐进地提升 GPU 性能，显然不能保证英伟达业务的长期增长。英伟达需要给客户提供更多围绕 GPU 构建业务能力的工具。英伟达大概也早就认识到了这一点。
在传统的 GPU 图形渲染方面，英伟达重点向客户推广工业数字孪生应用和工作流创建平台 Omniverse。本次 GTC，也宣布了最新的 NVIDIA Omniverse Cloud API，用以帮助开发者将 Omniverse 技术集成到他们的设计和仿真工具中。
英伟达还宣布了与西门子、达索系统、Ansys、楷登軟體、新思科技等主流工业軟體厂商的进一步合作。
在 AI 方面，本次 GTC 上英伟达公布了一款人形机器人基础模型 NVIDIA Project GR00T。可以支持通过语言、视频和人类演示来学习动作和技能，为机器人技术的 AI 应用提供了新的可能。Project GR00T 与前段时间 Figure 推出的使用 OpenAI 大腦控制的机器人有些异曲同工。Project GR00T 是一个多模态的人形机器人通用基础模型，可以使机器人通过观察人类行为来模仿动作，从而快速学习协调、灵活性等技能。
除此之外，英伟达一直着力打造的机器人开发和仿真环境 Isaac 平台此次也更新加入了生成式 AI 基础模型和仿真工具，以及针对机器人学习和操作的优化工具。
