Robocikowo>ROBOCIKOWO
NVIDIAW sprzedaży

NVIDIA Blackwell Ultra

NVIDIA Blackwell Ultra (GB300) to układ GPU z rodziny Blackwell zoptymalizowany pod obciążenia wnioskowania AI (AI reasoning). Względem standardowego Blackwella oferuje 1,5× większą pamięć HBM3E oraz 1,5× więcej gęstych FLOPS w precyzji FP4 na rdzeniach Tensor.

Blackwell Ultra jest sercem systemu rack-scale GB300 NVL72, który integruje 72 układy GPU Blackwell Ultra i 36 procesorów Grace (2592 rdzenie Arm Neoverse V2) w jednej, w pełni chłodzonej cieczą platformie. System osiąga 1080 PFLOPS w FP4 (z rzadkością), dysponuje 20 TB pamięci GPU o przepustowości do 576 TB/s oraz 17 TB pamięci LPDDR5X CPU (14 TB/s); komunikację zapewnia NVLink 5. generacji o łącznej przepustowości 130 TB/s.

W odróżnieniu od GB200 (zoptymalizowanego pod skalowalną inferencję LLM), GB300 zaprojektowano z myślą o erze wnioskowania AI.

#nvidia#gpu#ai-accelerator#data-center#fp4
Klasa rynkowaPrzemysłowy

Klasyfikacja

Akcelerator AI · pełni rolę: Wnioskowanie AI, Obliczenia wysokiego poziomu.

Do jakiej grupy należy NVIDIA Blackwell Ultra i jak jest skonstruowany

4pozycje
Obliczenia
Domena hardware
Przemysłowy
Klasa rynkowa

Compute Modules to podkategoria komponentów sprzętowych dostarczających moc obliczeniową dla systemów robotycznych. Obejmuje komputery pokładowe, SBC, akceleratory AI, procesory embedded, moduły obliczeniowe GPU/NPU oraz inne jednostki przetwarzające dane z sensorów i wykonujące logikę sterowania. Moduły te są podstawą współczesnych robotów autonomicznych, humanoidalnych i percepcyjnych.

AI Accelerator to wyspecjalizowany komponent sprzętowy zaprojektowany do wydajnego wykonywania obliczeń związanych ze sztuczną inteligencją, w szczególności inferencji sieci neuronowych, przetwarzania wizji komputerowej i analizy danych sensorycznych. W robotyce akceleratory AI są używane do uruchamiania modeli percepcji, rozpoznawania obiektów, segmentacji obrazu, planowania i innych zadań wymagających wysokiej mocy obliczeniowej przy ograniczonych zasobach energetycznych. Mogą występować jako dedykowane układy NPU, TPU, VPU, GPU lub specjalizowane moduły embedded.

Aktualizacja: 28 sierpnia 2026