AI 计算领域正经历一场革命性变革，NVIDIA 从 Hopper 架构到 Blackwell 架构的最新演进就是明证。2025 年 3 月，NVIDIA 发布了 Blackwell Ultra AI 工厂平台，标志着向 AI 推理时代的重大转变。这一平台不仅仅是渐进式改进，更是一次变革性飞跃，能够在 AI 训练、推理和推断中实现前所未有的能力。
从 Hopper 到 Blackwell 的演进代表了技术的重大飞跃，旨在满足人工智能（AI）和高性能计算（HPC）不断变化的需求。本博客将深入探讨两种架构的关键特性，突出其技术进展以及对 AI 开发的广泛影响。
NVIDIA Hopper 架构概览
技术基础
Hopper 架构以计算先驱 Grace Hopper 命名，基于 TSMC 的 4nm 制程技术。它引入了第四代 Tensor Core，并开创了 Transformer Engine，专门用于加速 AI 工作负载。该架构采用了 NVLink 4.0 互连技术和 HBM3 内存，为高性能计算树立了新标准。
关键性能指标
Hopper 架构代表了 GPU 技术的重大进步，在多项性能指标上带来了大幅提升，同时始终关注数据中心效率。从 AI 性能的显著提升到内存操作和高级互连能力的增强，Hopper 成为现代计算挑战的全面解决方案。
Hopper 架构的关键特性：
- 计算性能提升：
- FP8 格式支持，FP32 吞吐量提升 6 倍
- FP64 性能提升 3 倍
- AI 性能提升 30 倍
- 内存与指令优化：
- 增强的内存操作延迟与吞吐量
- 优化的 Tensor Core 指令性能
- 互连技术：
- PCIe Gen 5 支持
- 第四代 NVLink
- 增强的互连能力
- 数据中心特点：
- 注重能效
- 适合大规模部署
- 针对先进数据中心和 AI 应用优化
主要突破与改进
- Transformer Engine：支持动态精度调整，优化 AI 工作负载。
- DPX 指令：增强动态规划任务，如序列比对。
- 分布式共享内存：改进多 GPU 通信与可扩展性。
Blackwell 架构：新特性与改进
关键技术亮点
Blackwell 架构在 GTC 2024 上发布，旨在彻底改变生成式 AI 和大规模 AI 工作负载。它采用先进的 NVLink 技术、自定义 Tensor Core 和 RAS 引擎，支持实时 AI 模型，参数规模高达 10 万亿。Blackwell 旨在将 AI 推断的能耗降低高达 25 倍。
显著的性能提升
新架构带来了前所未有的性能提升：
- FP8 性能提升 3 倍
- AI 训练速度提升 4 倍
- 推断性能提升 40 倍
- 能效比显著提高
这些改进使得更大规模 AI 模型的训练更快，推断操作更高效。
技术对比：Hopper vs. Blackwell
NVIDIA 从 Hopper（H100）到 Blackwell（B200）架构的过渡标志着 GPU 设计的重大技术飞跃。新的 Blackwell 架构在晶体管数量、内存带宽、互连速度和 AI 性能等所有关键指标上均表现出显著改进。
下表详细对比了两代产品的规格：
| 特性 | Hopper (H100) | Blackwell (B200) |
|---|---|---|
| 制程 | TSMC 4N（800亿晶体管） | TSMC 4NP（2080亿晶体管） |
| 内存 | 80 GB HBM3（3 TB/s） | 144 GB HBM3e（4.8 TB/s） |
| NVLink | 第四代（900 GB/s） | 第五代（1.8 TB/s） |
| AI 性能 | 4 PFLOPS（FP16） | 20 PFLOPS（FP16） |
| 能效 | 基准 | 推断能效提升 25 倍 |
| 关键应用场景 | 广泛 AI/HPC 工作负载 | 生成式 AI、万亿参数模型 |
Hopper 和 Blackwell 在真实 AI 应用中的表现
Hopper 架构产品
Hopper 架构提供多种产品线：
| 产品 | H100 SXM | H100 PCIe | H200 SXM |
|---|---|---|---|
| 内存 | 80GB HBM3 | 80GB HBM2e | 141GB HBM3e |
| 内存带宽 | 3.35 TB/s | 2.04 TB/s | 4.8 TB/s |
| NVLink | 900 GB/s | N/A | 900 GB/s |
| 最大 TDP | 最高 700W | 350W | 最高 700W |
| 多实例 GPU | 最多 7 个 MIG @10GB | N/A | 最多 7 个 MIG @16.5GB |
Blackwell 架构产品
Blackwell 推出了新一代 AI 加速器：
| 产品 | B100 | B200 | GB200 (Grace Blackwell) |
|---|---|---|---|
| 设计 | Blackwell GPU | Blackwell GPU | 2× B200 GPU + Grace CPU |
| 内存 | 192GB HBM3e | 192GB HBM3e | 384GB HBM3e |
| 内存带宽 | 8 TB/s | 8 TB/s | 16 TB/s |
| NVLink | 1.8 TB/s（第五代） | 1.8 TB/s（第五代） | 1.8 TB/s（第五代） |
| FP4 性能 | 7 PFLOPS | 9 PFLOPS | 20 PFLOPS |
| TDP | 700W | 1000W | N/A |
生成式 AI 模型训练能力
两种架构在训练大型 AI 模型方面均表现出色，Blackwell 的训练速度相比 Hopper 提升高达 3 倍。主要改进包括增强的 Transformer 处理能力、优化的内存带宽以及更高效的并行处理能力。这些架构使得训练越来越大的语言模型成为可能，同时降低功耗和训练时间。
Blackwell Ultra：下一代 AI 计算演进
2025 年 3 月 18 日在 GTC 2025 上宣布的 Blackwell Ultra 代表了 NVIDIA AI 计算平台的最新演进。
技术规格与改进
- 产品线包括 GB300 NVL72 和 HGX B300 NVL16
- GB300 NVL72 的 AI 性能比 GB200 NVL72 提升 1.5 倍
- 与 Hopper 架构相比，HGX B300 NVL16 实现：
- 推断速度提升 11 倍
- 计算能力提升 7 倍
- 内存容量提升 4 倍
- 集成 NVIDIA Spectrum-X 以太网和 Quantum-X800 InfiniBand，每 GPU 提供 800Gb/s 数据吞吐量
- 配备 BlueField-3 DPU，实现多租户网络、GPU 计算弹性以及实时安全检测
- 利用 ConnectX-8 SuperNIC 实现高性能 RDMA 能力
- 针对 AI 工厂和云数据中心优化，消除性能瓶颈
- 支持多种配置：
- 72 块 Blackwell Ultra GPU
- 36 个 Arm Neoverse 架构的 Grace CPU
- 机架级设计，作为单个巨大 GPU 运行
先进内存与散热解决方案
LLM 优化特性
- 针对 AI 推理和智能体 AI 优化：
- 支持推理和迭代规划，解决复杂多步骤问题
- 能够实时生成合成视频用于训练
- 软件支持：
- 全新开源 NVIDIA Dynamo 推理框架
- 支持 NVIDIA Llama Nemotron Reason 模型
- 集成 NVIDIA AI Enterprise 软件平台
- 预计 2025 年下半年可通过主要服务器制造商和云服务提供商获得
选择 Novita AI 作为您值得信赖的 GPU 合作伙伴
随着 AI 计算借助 NVIDIA 突破性架构持续演进，选择合适的 GPU 云合作伙伴变得至关重要。Novita AI 提供全面的平台，让您能够以显著的成本优势获得高性能 GPU。
如果您对 Novita AI 感兴趣，请按照以下步骤开始：
步骤 1： 创建一个 账户
访问 Novita AI 网站注册账户。完成注册后，前往“GPUs”部分探索可用资源并开始您的 AI 之旅。
[立即尝试 Novita AI](https://novita.ai/?utm_source=blogs_GPU&utm_medium=article&utm_campaign=The Next Generation of AI Computing: NVIDIA’s Journey from Hopper to Blackwell)
步骤 2： 选择您的 GPU****
我们的平台提供多种预制模板，可根据您的特定需求选择，同时也支持根据需要创建自定义模板。
[尝试 Novita AI 的高性能 GPU](https://novita.ai/gpus-console/?utm_source=blogs_GPU&utm_medium=article&utm_campaign=The Next Generation of AI Computing: NVIDIA’s Journey from Hopper to Blackwell)
步骤 3： 自定义您的设置****
立即启动项目，享受 60GB 免费容器存储空间——无需前期成本。随着 AI 工作负载增长，按需扩展存储，只为额外空间付费。
步骤 4： 启动实例****
只需选择“On Demand”，确认您的设置和定价，然后点击“Deploy”即可开始。
结论
从 Hopper 到 Blackwell 的演进代表了 AI 计算能力的重大飞跃。尽管 Hopper 为 AI 训练和科学计算树立了新标准，Blackwell 通过大幅提升性能、效率和通用性，进一步拓展了这些边界。这一演进不仅巩固了 NVIDIA 的技术领先地位，也加速了 AI 在各行业的广泛采用。展望未来，这些架构上的进步将继续为人工智能和科学计算带来新的可能性。
常见问题解答
Blackwell Ultra 与标准 Blackwell GPU 有何不同？
Blackwell Ultra 代表了该架构的巅峰，具备额外的性能增强、先进的散热解决方案，以及专门为大语言模型训练和推断优化的特性。
我应该为 AI 项目选择哪种 GPU 架构？
最佳选择取决于您的具体需求。Hopper 适合成熟的 AI 工作流，而 Blackwell 在尖端应用中提供卓越性能。Novita AI 可以根据您的需求提供个性化推荐。
从 Hopper 迁移工作负载到 Blackwell 难度如何？
NVIDIA 在代际之间保持了软件兼容性，迁移相对简单。大多数为 Hopper 优化的代码无需修改即可在 Blackwell 上运行，但建议使用最新的 CUDA 工具包重新编译，以充分利用 Blackwell 特有的优化。
*[Novita AI](https://novita.ai/?utm_source=blogs_GPU&utm_medium=article&utm_campaign=The Next Generation of AI Computing: NVIDIA’s Journey from Hopper to Blackwell) 是一个 AI 云平台，为开发者提供通过简单 API 部署 AI 模型的便捷方式，同时提供高性价比、可靠的 GPU 云用于构建和扩展。
推荐阅读
