2 月 18 日消息，英偉達(dá)于 2 月 16 日發(fā)布博文，宣布其 Blackwell Ultra AI 架構(gòu)（GB300 NVL72）在能效與成本上實現(xiàn)顯著突破，通過 DeepSeek-R1 模型測試，相比前代 Hopper GPU，其每兆瓦吞吐量提升 50 倍，百萬 tokens 成本降低至 35 分之一。

英偉達(dá)還預(yù)告了下一代 Rubin 平臺，預(yù)計其每兆瓦吞吐量將比 Blackwell 再提升 10 倍，進(jìn)一步推動 AI 基礎(chǔ)設(shè)施的演進(jìn)。

注：每兆瓦吞吐量（Tokens / Watt）是衡量 AI 芯片能效比的核心指標(biāo)，指每消耗一瓦特電力能處理多少 Token（文本單位）。數(shù)值越高，代表能效越好，運營成本越低。

英偉達(dá)在博文中指出，性能飛躍的關(guān)鍵，是升級技術(shù)架構(gòu)。Blackwell Ultra 通過 NVLink 技術(shù)，將 72 個 GPU 連接成統(tǒng)一的計算單元，互聯(lián)帶寬高達(dá) 130 TB/s，遠(yuǎn)超 Hopper 時代的 8 芯片設(shè)計。全新的 NVFP4 精度格式配合極致的協(xié)同設(shè)計結(jié)構(gòu)，進(jìn)一步鞏固了其在吞吐性能上的統(tǒng)治地位。

AI 推理成本方面，相比 Hopper 架構(gòu)，新平臺將每百萬 Token 的成本削減至 35 分之一；即便與上一代 Blackwell（GB200）相比，GB300 在長上下文任務(wù)中的 Token 成本也降低至 1.5 分之一，注意力機(jī)制處理速度翻倍，適配代碼庫維護(hù)等高負(fù)載場景。

OpenRouter 的《推理狀態(tài)報告》指出，與軟件編程相關(guān)的 AI 查詢量在過去一年中激增，占比從 11% 攀升至約 50%。這類應(yīng)用通常需要 AI 代理在多步工作流中保持實時響應(yīng)，并具備跨代碼庫推理的長上下文處理能力。

英偉達(dá)為應(yīng)對這一挑戰(zhàn)，通過 TensorRT-LLM、Dynamo 等團(tuán)隊的持續(xù)優(yōu)化，進(jìn)一步提升了混合專家模型（MoE）的推理吞吐量。例如，TensorRT-LLM 庫的改進(jìn)，讓 GB200 在低延遲工作負(fù)載上的性能在短短四個月內(nèi)提升了 5 倍。