AIGC动态欢迎阅读
原标题:Nvidia B100/B200/GB200 关键技术解读
关键字:芯片,内存,晶体管,带宽,精度
文章来源:人工智能学家
内容字数:3627字
内容摘要:
对GTC keynote中关于AI基础设施的关键信息整理如下,分三个部分:
芯片
服务器
Superpod
芯片
1. GPU芯片
晶体管数:
B200 GPU的晶体管数量是现有H100的两倍多,但B200封装了2080亿个晶体管(而H100/H200上为800亿个)。
这意味着B200芯片封装密度比H100进一步提高,对管理散热和功耗也提出了更高的要求。
FP4精度:
引入一种新的计算精度,位宽比FP8进一步降低,B200峰值算力达18P。
FP6精度:
位宽介于FP4和FP8之间。
NV高带宽接口(Nvidia High Bandwidth Interface):
B200有两个Die,高速连接通道NV-HBI达到10TB/s。两个Die是一个统一的Cuda GPU。NV-HBI会占用一定的芯片面积。
内存:
B200每个Die有4个24GB的HBM3e stack,合计一个Cuda GPU有192GB内存,内存带宽达8TB/s。相比H200时代六个内存控制器,可以减少内存接口的芯片面积,从而使得计算面积可以更大。
GB200:
有两个B200(4个GPU D
原文链接:Nvidia B100/B200/GB200 关键技术解读
联系作者
文章来源:人工智能学家
作者微信:AItists
作者简介:致力成为权威的人工智能科技媒体和前沿科技研究机构
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...