NVIDIA 釋出 Blackwell 晶片架構：推理速度提升 5 倍，直奔萬億引數模型

黃仁勳從口袋裡掏出一塊黑色晶片，跟兩年前釋出的 Hopper 擺在一起。Hopper 瞬間顯得像個玩具，臺下坐著的一萬兩千多名開發者和科技公司高管頓時安靜了一下。

這是 GTC 現場最抓人的一幕。通用計算已經跑不動了，而萬億引數的多模態大模型還在成倍吃算力，輝達給出的答案就是全新的 Blackwell 架構。

把算力怪獸裝進一個機櫃

新架構以數學家 David Harold Blackwell 命名。單顆 Blackwell 晶片在 FP8 精度下的訓練效能是 Hopper 的 2.5 倍，到了 FP4 精度的推理場景，速度直接飆到了 5 倍。

為了把這些晶片串起來，輝達拿出了第五代 NVLink 互聯技術，速度比前代翻了一倍，最多能把 576 顆 GPU 連在一起協同工作。配套的 NVLink Switch 晶片單顆能支撐 1.8 TB/s 的頻寬，直接在網路內部做資料歸約。

更誇張的是整機系統。由兩顆 B200 GPU 和一顆 Grace CPU 組成的 GB200 超級晶片，通過 900 GB/s 的超低功耗互聯接在一起，黃仁勳管它叫一個大晶片。

把這些塞進液冷機架，就成了 GB200 NVL72。整臺機器重達 3000 磅，包含 60 萬個零件，在單個機櫃裡能榨出 1.4 exaflops 的 FP4 推理算力。再往上堆疊的 DGX SuperPOD，FP4 超算算力直接衝到了 11.5 exaflops。

別寫程式碼了，直接組建 AI 團隊

除了硬體，輝達這次花了很大篇幅講軟體交付的新方式，名字叫 NIM 微服務。

黃仁勳在臺上直說，未來的軟體開發大機率不再是程式設計師敲一大堆 Python 程式碼，而是直接組裝現成的 AI 模型團隊，給它們派任務、看中間結果。

NIM 本質上是把常用的模型和加速庫打包成標準微服務，支援行業標準 API。企業既可以直接拿現成的用，也能拿自己的專有資料訓出定制的 Copilot。

硬體製造環節也有新動作。輝達宣佈計算光刻平臺 cuLitho 正式投入生產，台積電和新思科技已經入局，據說能把半導體制造裡最耗算力的環節加速 40 到 60 倍。

為什麼重要

對開發者和企業來說，Blackwell 和 NIM 傳達的訊號很直接：模型落地成本將斷崖式下跌。推理端 5 倍的效能提升，意味著以前跑起來心疼的萬億引數模型，現在部署門檻被大幅拉低，小團隊做重度 AI 應用的價效比也更高了。

對行業競爭而言，輝達正在把護城河從單一的算力晶片，推向整個資料中心繫統和軟體分發層。當微服務、高速網路和液冷機櫃被整套打包出售時，其他做專用 ASIC 晶片的對手不僅要在算力上追趕，還得在整個機櫃級系統架構上補課。

我們認為，輝達這套打法極其聰明，但隱患同樣明顯。把 72 顆 GPU 塞進單個液冷機架，直接把部署難度轉移到了機房的水電配套上，3000 磅的重量和極高的散熱要求，意味著普通資料中心根本接不住，只有頂級雲廠商有能力快速消化這批怪獸。