先来看这篇内容《极智芯 | GPU架构与计算能力》里提到的 NVIDIA GPU 架构的发展趋势,
上图表中最下面紫色的 Blackwell 就是这次 NVIDIA GTC 发布的新一代的 GPU 架构,也就是 B100、B200、GB200 所搭载的 GPU 架构,包括未来的 RTX50 系列将会要搭载的 GPU 架构,也是 Hopper 架构的下一代。前面说到 Blackwell GPU 和 Hopper GPU 很不一样,Hopper 及其之前的 NVIDIA GPU 都是单 die 的,但是 Blackwell GPU 是 MCM 的,也就是两颗 B100 Chiplet 了一下。这种架构设计一旦踏足可能就会一发不可收拾,想象一下下一代的 GPU 是不是可能 4 颗 die Chiplet 一下、8 颗 die Chiplet 一下 .... 这不得玩坏了。当然,从设计单的大芯片转向设计小芯片,对于更低制程的良率提升肯定是有帮助的,这有利于切到下一代的 3nm 制程工艺。
回到 Blackwell,作为新一代的 GPU 架构,自然会有很多 "领先" 的地方,下面的图就汇集了 Blackwell 架构的六大优势,下面展开。
世界上最强大的芯片 => Blackwell 架构集成了 2080 亿个晶体管,采用 4NP TSMC 工艺 (这里其实并没有上之前谣传的 3nm 制程工艺),两颗单个统一的 GPU 通过 chip-to-chip 10 TB/s 的方式连接成整体,因为带宽特别高,所以用户基本会无感,可以直接看成一块统一的 GPU;==> "最强大" 说的很霸道了;
第二代 Transformer 引擎 => 提供新的 micro-tensor 缩放支持,对于 TensorRT-LLM 和 NeMo Megatron 框架的支持更好,新支持双倍效率的 4 位低精度浮点推理;==> 你其实只要无条件的相信未来几年里新的 AI 芯片架构、新的 AI 芯片的发布都是为了更好适配、加速基于 Transformer 的大模型的训练 + 推理就行了,当然,这里的 Blackwell 也不会例外;
第五代 NVLink => 最新一代的 NVLink 为每个 GPU 提供了突破性的 1.8 TB/s 双向带宽,能够确保多达 576 个 GPU 之间的无缝高速互联;==> 也还是为了更好适应大模型时代,更加高的带宽无疑利好大模型的训练+推理,以及利好大算力中心的构建;
RAS 引擎 => 主要是上面三个,下面三个不多说了;
安全的 AI => 同上;
解压缩引擎 => 同上;
其实主要是三点,一个是本身的算力提升,第二个是低精度的推出更好适配 Transformer,第三个是互联带宽的提升。其中互联带宽的提升是特别重要的,这点是进一步拉近 GPU 冯诺依曼架构和存算一体芯片访存密集型计算效率的重要方式了,试想一下,我只要拷贝的足够快,我是不是可以像近存计算或者存算一体那样很自然的取、放数据了。下面两张图很好展示了高速互联的重要性。
与 Hopper 相比,NVIDIA Blackwell GPU 提供了 1280 亿个以上的晶体管 + 5 倍的 AI 性能 + 4 倍的显存。说到显存,Blackwell 架构 GPU 堆了 8 个 HBM3e 堆栈,通过 8192 位总线接口提供 8 TB/s 的显存带宽和高达 192 GB 的 HBM3e 显存。与 Hopper 相比,具体的性能提升如下:
20 PFLOPS FP8 (2.5x Hopper)
20 PFLOPS FP6 (2.5x Hopper)
40 PFLOPS FP4 (5.0x Hopper)
740B Parameters (6.0x Hopper)
34T Parameters/sec (5.0x Hopper)
7.2 TB/s NVLINK (4.0x Hopper)
另外还有一些重要参数汇总如下:
TMSC 4NP Process Node
Multi-Chip-Package GPU
1-GPU 104 Billion Transistors
2-GPU 208 Billion Transistors
160 SMs (20,480 Cores)
8 HBM Packages
192 GB HBM3e Memory
8 TB/s Memory Bandwidth
8192-bit Memory Bus Interface
8-Hi Stack HBM3e
PCIe 6.0 Support
700W TDP (Peak)
最后附一张 David Harold Blackwell 老爷子的图。
好了,以上分享了 解读NVIDIA新一代Blackwell GPU架构 正式迈向MCM,希望我的分享能对你的学习有一点帮助。
好文章,需要你的鼓励
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
Meta为Facebook和Instagram推出全新AI翻译工具,可实时将用户生成内容转换为其他语言。该功能在2024年Meta Connect大会上宣布,旨在打破语言壁垒,让视频和短视频内容触达更广泛的国际受众。目前支持英语和西班牙语互译,后续将增加更多语言。创作者还可使用AI唇形同步功能,创造无缝的口型匹配效果,并可通过创作者控制面板随时关闭该功能。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。