NVIDIA 发布 Blackwell 芯片架构：推理速度提升 5 倍，直奔万亿参数模型

黄仁勋从口袋里掏出一块黑色芯片，跟两年前发布的 Hopper 摆在一起。Hopper 瞬间显得像个玩具，台下坐着的一万两千多名开发者和科技公司高管顿时安静了一下。

这是 GTC 现场最抓人的一幕。通用计算已经跑不动了，而万亿参数的多模态大模型还在成倍吃算力，英伟达给出的答案就是全新的 Blackwell 架构。

把算力怪兽装进一个机柜

新架构以数学家 David Harold Blackwell 命名。单颗 Blackwell 芯片在 FP8 精度下的训练性能是 Hopper 的 2.5 倍，到了 FP4 精度的推理场景，速度直接飙到了 5 倍。

为了把这些芯片串起来，英伟达拿出了第五代 NVLink 互联技术，速度比前代翻了一倍，最多能把 576 颗 GPU 连在一起协同工作。配套的 NVLink Switch 芯片单颗能支撑 1.8 TB/s 的带宽，直接在网络内部做数据归约。

更夸张的是整机系统。由两颗 B200 GPU 和一颗 Grace CPU 组成的 GB200 超级芯片，通过 900 GB/s 的超低功耗互联接在一起，黄仁勋管它叫一个大芯片。

把这些塞进液冷机架，就成了 GB200 NVL72。整台机器重达 3000 磅，包含 60 万个零件，在单个机柜里能榨出 1.4 exaflops 的 FP4 推理算力。再往上堆叠的 DGX SuperPOD，FP4 超算算力直接冲到了 11.5 exaflops。

别写代码了，直接组建 AI 团队

除了硬件，英伟达这次花了很大篇幅讲软件交付的新方式，名字叫 NIM 微服务。

黄仁勋在台上直说，未来的软件开发大概率不再是程序员敲一大堆 Python 代码，而是直接组装现成的 AI 模型团队，给它们派任务、看中间结果。

NIM 本质上是把常用的模型和加速库打包成标准微服务，支持行业标准 API。企业既可以直接拿现成的用，也能拿自己的专有数据训出定制的 Copilot。

硬件制造环节也有新动作。英伟达宣布计算光刻平台 cuLitho 正式投入生产，台积电和新思科技已经入局，据说能把半导体制造里最耗算力的环节加速 40 到 60 倍。

为什么重要

对开发者和企业来说，Blackwell 和 NIM 传达的信号很直接：模型落地成本将断崖式下跌。推理端 5 倍的性能提升，意味着以前跑起来心疼的万亿参数模型，现在部署门槛被大幅拉低，小团队做重度 AI 应用的性价比也更高了。

对行业竞争而言，英伟达正在把护城河从单一的算力芯片，推向整个数据中心系统和软件分发层。当微服务、高速网络和液冷机柜被整套打包出售时，其他做专用 ASIC 芯片的对手不仅要在算力上追赶，还得在整个机柜级系统架构上补课。

我们认为，英伟达这套打法极其聪明，但隐患同样明显。把 72 颗 GPU 塞进单个液冷机架，直接把部署难度转移到了机房的水电配套上，3000 磅的重量和极高的散热要求，意味着普通数据中心根本接不住，只有顶级云厂商有能力快速消化这批怪兽。