Robocikowo>ROBOCIKOWO
NVIDIAWdrożony

NVIDIA Grace Blackwell

NVIDIA Grace Blackwell to platforma obliczeniowa łącząca procesor Grace (architektura ARM, rdzenie Arm Neoverse V2) z układami graficznymi Blackwell. Podstawową jednostką jest superchip GB200, w którym jeden procesor Grace jest sprzężony z dwoma GPU Blackwell przez łącze NVLink-C2C.

Pojedynczy superchip GB200 oferuje 372 GB pamięci GPU HBM3e o przepustowości 16 TB/s oraz do 480 GB pamięci CPU LPDDR5X. Wydajność Tensor Core sięga 40 PFLOPS (NVFP4, sparse), 20 PFLOPS (FP8/FP6, sparse) i 20 POPS (INT8, sparse). GPU komunikują się piątą generacją NVLink o przepustowości 1,8 TB/s na GPU.

Platforma skaluje się do systemów rack-scale: GB200 NVL72 łączy 36 procesorów Grace i 72 GPU Blackwell w jednej domenie NVLink (13,4 TB HBM3e, 130 TB/s NVLink), a mniejszy GB200 NVL4 celuje w HPC i AI dla nauki. Głównymi zastosowaniami są trening i inferencja dużych modeli językowych (w tym mixture-of-experts), HPC oraz centra danych. Istotna także dla „physical AI" i robotyki jako zaplecze obliczeniowe. Zapowiedziana na GTC 18 marca 2024.

#GPU#akcelerator AI#Grace Blackwell#GB200#Blackwell#Grace CPU#NVLink#HBM3e#centrum danych#LLM#inferencja#trening#HPC#ARM
Klasa rynkowaPrzemysłowy
Data wprowadzenia18 marca 2024

Klasyfikacja

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

Do jakiej grupy należy NVIDIA Grace Blackwell 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.

Specyfikacja techniczna

Wydajność obliczeniowa (superchip GB200)
5parametrów
NVFP4 Tensor Core
40 / 20 PFLOPS (sparse/dense)
FP8/FP6 Tensor Core
20 PFLOPS (sparse)
INT8 Tensor Core
20 POPS (sparse)
FP16/BF16 Tensor Core
10 PFLOPS (sparse)
FP64 Tensor Core
80 TFLOPS
Aktualizacja: 18 listopada 2026