英伟达GB200能效三个月提升4倍，GB300训练纪录持续刷新
Claire Weston
英伟达仅用三个月将GB200 NVL72的每兆瓦算力吞吐量提升4倍，同期GB300训练性能创全球新高——已部署客户无需换硬件，软件升级即可大幅降低运营成本。
GB200能效三个月翻四倍，怎么做到的？
在运行DeepSeek R1 0528模型时，GB200 NVL72的每兆瓦算力吞吐量（TPS/MW）三个月内提升4倍。
这意味着→ 已经买了Blackwell机柜的客户，不用换硬件，刷一次软件就能把同样一度电的产出翻两番。
背后是四个月内完成的38项重大优化，从超过25万种模拟配置中筛选，再用140万GPU小时实测验证。
用大白话说＝ 英伟达把"调参"做成了一套工业级流水线——海量模拟先缩小范围，再用真机逐一跑通。
这些优化只适用于一个模型吗？
英伟达明确表示，超过90%的优化成果可跨模型复用，适用于整个AI产品组合。
这意味着→ 这不是针对DeepSeek的"应试调优"，而是底层通用改进——换一个模型，大部分收益仍在。
这反映出英伟达的优化策略正从"单模型冲榜"转向平台级能效提升，锁定的是长期客户黏性。
GB300训练性能提升了多少？
GB300 NVL72在256卡规模下，对DeepSeek-V3 671B模型预训练达到每GPU 1648 TFLOPs，是GB200的606 TFLOPs的约3倍，创全球最高纪录。
这个数字还在涨：从2025年11月的1088 TFLOPs/GPU到2026年6月的1648 TFLOPs/GPU，六个月累计提升约1.5倍。
用大白话说＝ 同一块GPU，半年前能算的量，现在能算一倍半——全靠软件和框架层面的持续挤压。
不同训练框架的表现差异有多大？
Megatron Core框架（英伟达自家训练栈）表现最强，1648 TFLOPs/GPU。
TorchTitan（PyTorch原生训练栈）从未优化基线的199 TFLOPs/GPU跃升至1197 TFLOPs/GPU，提升6倍。
JAX框架提升最猛：每GPU吞吐量从2026年1月的418 Tokens/s升至7月的4082 Tokens/s，约10倍。
这意味着→ 无论客户用哪套主流框架，英伟达都在同步做深度适配，不存在"只有自家栈才快"的锁定。
扩展到上千张卡后，效率会不会大打折扣？
256卡扩展到1024卡，三大框架效率均接近理论上限：Megatron Core 98.5%，TorchTitan与JAX均为97%。
英伟达将此归因于NVL72机架内置的800 Gb/s Scale-Out网络芯片（机架之间高速传数据的专用芯片）。
用大白话说＝ 卡越多，卡与卡之间的"交通"越容易堵；英伟达靠内置高速网络把这条路修得足够宽，堵车损耗压到不足3%。
下一代Vera Rubin来了，Blackwell会被抛弃吗？
Vera Rubin NVL72的Token吞吐量较Blackwell提升约10倍：GB200约80,000 Tokens/s，Vera Rubin在同等150MW功耗下可达800,000 Tokens/s。
但英伟达的策略与Hopper世代一致：新平台推进与旧平台软件优化双线并行。
这意味着→ 买了Blackwell的客户不会被"遗弃"——英伟达靠持续软件升级延长已部署硬件的生命周期，这是平台黏性的核心逻辑。
这反映出英伟达真正卖的不只是芯片，而是一套"硬件+持续优化"的订阅式算力服务。
Content is for reference only, not financial advice.