机器之心原创

2024/03/19 10:57

英伟达吞噬世界！新架构超级GPU问世，AI算力一步提升30倍

「这才是我理想中的 GPU。」—— 黄仁勋。

「这不是演唱会。你们是来参加开发者大会的！」老黄出场时，现场爆发出了巨大的欢呼声。

今天凌晨四点，加州圣何塞，全球市值第三大公司英伟达一年一度的 GTC 大会开始了。

今年的 GTC 大会伴随着生成式 AI 技术爆发，以及英伟达市值的暴涨。相对的是，算力市场也在升温，硬件和软件方面的竞争都在加剧。

而英伟达带来的产品，再次将 AI 芯片的标杆推向了难以想象的高度。

「通用计算已经失去动力，现在我们需要更大的模型，我们需要更大的 GPU，更需要将 GPU 堆叠在一起。」黄仁勋说道。「这不是为了降低成本，而是为了扩大规模。」

黄仁勋提到，大模型参数量正在呈指数级增长，此前 OpenAI 最大的模型已经有 1.8T 参数，需要吞吐数十亿 token。即使是一块 PetaFLOP 级的 GPU，训练这样大的模型也需要 1000 年才能完成。这句话还透露了一个关键信息：GPT-4 的实际参数量应该就是 1.8 万亿。

为了帮助世界构建更大的 AI，英伟达必须首先拿出新的 GPU，这就是 Backwell。此处老黄已有点词穷了：「这是块非常非常大的 GPU！」

Blackwell 的发布意味着，近八年来，AI 算力增长了一千倍。一些网友看完发布会惊叹：Nvidia eats world！

2080 亿个晶体管的 Blackwell

同行不知应该怎么追

虽然全球的科技公司都还在争抢 H100 芯片，但新一代产品已来。

在今天的大会上，英伟达正式推出了 Blackwell 平台。从此以后，在数万亿参数上构建和运行实时生成式 AI 大型语言模型的成本和能耗降低到此前的 25 分之一。

Blackwell 的名字旨在纪念第一位入选美国国家科学院的黑人学者、数学家和博弈论学家 David Harold Blackwell，它继承了 Hopper GPU 架构，为加速计算树立了新的标准。英伟达表示，Blackwell 架构的 GPU 预计将于今年晚些时候发货。

^{David Harold Blackwell。图源 britannica}

正如预期的一样，Blackwell 是英伟达首个采用 MCM（多芯片封装）设计的 GPU，在同一个芯片上集成了两个 GPU。

在活动现场，黄仁勋对比了 Blackwell（右手）与 Hopper GH100 GPU（左手）的尺寸大小。

^{It’s OK, Hopper.}

黄仁勋表示，Blackwell 将成为世界上最强大的芯片。Blackwell 架构的 GPU 拥有 2080 亿个晶体管，采用定制的、双 reticle 的台积电 4NP（4N 工艺的改进版本）制程工艺，两块小芯片之间的互联速度高达 10TBps，可以大幅度提高处理能力。

此处需要强调的是，没有内存局部性问题或缓存问题，CUDA 将其视为单块 GPU。

它还带有 192GB 速度为 8Gbps 的 HBM3E 内存，AI 算力能达到 20 petaflops（FP4 精度），相比之下，上代的 H100「仅为」4 petaflops。

这是世界上第一次有如此高效整合在一起的多 die 芯片，或许也是在制程升级速度减慢之后，升级算力的唯一方法。

黄仁勋提到，Blackwell 不是芯片名，而是整个平台的名字。具体来讲，采用 Blackwell 架构的 GPU 分为了 B200 和 GB200 产品系列，后者集成了 1 个 Grace CPU 和 2 个 B200 GPU。

其中 B200 GPU 通过 2080 亿个晶体管提供高达 20 petaflops 的 FP4 吞吐量。而 GB200 GPU 通过 900GB / 秒的超低功耗芯片到芯片连接，将两个 B200 GPU 连接到 1 个 Grace CPU 上。

^{GB200 架构，包含两个 GPU 和一个 CPU。}

相较于 H100 Tensor Core GPU，GB200 超级芯片可以为大语言模型（LLM）推理负载提供 30 倍的性能提升，并将成本和能耗降低高达 25 倍。

「人们认为我们制造 GPU，但 GPU 看起来并不像以前那样了，」黄仁勋表示。「我现在一手拿着 100 亿，一手拿着 50 亿。」

现在，显卡不再是显卡，而是作为系统整体售卖，毕竟只有通过英伟达自家的组件才能达到最佳效率。「现在我们卖的 GPU 是 7000 个组件，3000 磅重。」

基于 Blackwell 的 AI 算力将以名为 DGX GB200 的完整服务器形态提供给用户，结合了 36 颗 NVIDIA Grace CPU 和 72 块 Blackwell GPU。这些超级芯片通过第五代 NVLink 连接成一台超级计算机。

再往上扩展，Grace Blackwell 架构的 DGX SuperPOD 由 8 个或以上的 DGX GB200 系统构建而成，这些系统通过 NVIDIA Quantum InfiniBand 网络连接，可扩展到数万个 GB200 超级芯片。用户可通过 NVLink 连接 8 个 DGX GB200 系统中的 576 块 Blackwell GPU，从而获得海量共享显存空间，来训练下一代 AI 模型。

再详细对比一下性能的升级，以前使用 Hopper 训练 GPT-MoE-1.8T，8000 块 GPU 要花费 90 天，同样的事只需要 2000 块 GB2000，能耗也只需要四分之一。

生成式 AI 的下一步是多模态和视频，也就意味着更大规模的训练，Blackwell 带来了更多可能性。

此外，大模型（LLM）的大规模推理始终是一个挑战，并非适合单个 GPU 的任务。在具有 1750 亿个参数的 GPT-3 LLM 基准测试中，GB200 的性能是 H100 的 7 倍，并且训练速度是 H100 的 4 倍。

现在，用于大模型推理的速度是上代的 30 倍，黄仁勋展示了一张对比图，蓝线是 Hopper。

「DGX 超级计算机是推进 AI 产业变革的工厂。新一代 DGX SuperPOD 集加速计算、网络和软件方面的最新进展于一身，能帮助每一个公司、行业和国家完善并生成自己的 AI，」黄仁勋说道。

有了 Blackwell，我们距离生成式 AI 的实用化也更近了一步。

两大技术革新

第二代 Transformer 引擎、第五代 NVLink

30 倍 AI 算力是如何做到的？除了使用新制程，并联两块芯片以外，Blackwell 的关键改进在于引入第二代 Transformer 引擎，它支持了 FP4 和 FP6，使得计算、带宽和模型大小翻了一番。

得益于新的微张量（micro-tensor）扩展支持和集成到英伟达 TensorRT-LLM 和 NeMo Megatron 框架中的先进动态范围管理算法，Blackwell 通过 4-bit 浮点 AI 推理能力支持了双倍的算力和模型大小。

当互联大量此类 GPU 时，第二个关键区别开始显现：下一代 NVLink 交换机可让 576 个 GPU 相互通信，具有每秒 1.8 TB 的双向带宽。

英伟达表示，此前，仅由 16 个 GPU 组成的集群会在相互通信上花费 60% 的时间，而只有 40% 的时间用于实际计算。

现在，英伟达的 NVLink Switch Chip 可以让所有这些芯片互联起来，全速运转没有瓶颈（1.8TB/s，几乎比上代快 10 倍），并帮助构建了 DGX GB200 NVL72。

通过高速互联的机制，DGX GB200 NVL72 可以被认为是一个超级 GPU，FP8 训练吞吐量高达 720 PFLOPS、FP4 推理吞吐量为 1.44 ExaFLOPS，多节点 All-to-All 通信速度为 130TB / 秒，多节点 All-Reduce 通信速度为 260TB / 秒。

在具体架构方面，DGX GB200 NVL72 拥有 18 个 GB200 节点机架，每个节点搭配 2 个 GB200 GPU。此外还有 9 个 NVSwitch 机架，从而为 GB200 NVL 提供了 720 PFLOPS 的 FP8 吞吐量，以及 FP4 精度的 ExaFLOPS。

所以今年画风变了现在 DGX 长这样：拥有 5000 条 NVLink 电缆，长达 2 英里，都是铜电缆，不需要光收发器，节省了 20kW 的计算成本。

它的功耗过大，以至于需要用液冷，同时重量高达 3000 磅（约 1361 公斤）。

2016 年，老黄扛着第一个 DGX 系统给 OpenAI，这才有了如今的 ChatGPT。那个时候 DGX 的算力是 0.17Petaflops，现在这个 GB200，算力是以 Exaflop 计算的。

在英伟达新的摩尔定律下，算力的提升速度居然还加快了。

构建生态，入场具身智能

除了硬件系统，英伟达也利用生成式 AI 构建了一系列元宇宙、工业数字孪生、机器人训练软件体系。

英伟达表示，它正在将 Omniverse 企业技术引入苹果。这个想法是让开发人员通过 Vision Pro 在 AR/VR 设置中使用 Omniverse 工具。在 GTC 上，英伟达展示了设计师是如何通过 Vision Pro 使用汽车配置工具来操纵车辆，然后虚拟地进入其中的。人们可以通过 Omniverse Cloud API 以及通过云端直接流式传输到 Vision Pro 的图形传输网络来做到这一点。

最后，还有前沿方向机器人的工作，英伟达公布了人形机器人项目 GR00T。

在今天的主题演讲中，黄仁勋展示了多个由 GR00T 驱动的人形机器人如何完成各种任务，包括来自 Agility Robotics、Apptronik、傅利叶智能（Fourier Intelligence）和宇树科技（Unitree Robotics）的机器人产品。

GR00T 脱胎于英伟达的 Isaac 机器人平台工具，基于新的通用基础模型，GR00T 驱动的人形机器人能够接受文本、语音、视频甚至现场演示的输入，并对其进行处理以采取特定的操作，包括理解自然语言、模拟人类行为、在现实世界中导航和交互。

英伟达还开发了一种新型「机器人大脑」计算芯片 Jetson Thor，能够执行复杂的任务并使用 Transformer 引擎处理多个传感器。

人形机器人赛道近期达到了一个新的火热程度。就比如英伟达的「大客户」OpenAI，一直在使用自己的 AI 模型来为一家名为 Figure 的初创公司的人形机器人提供支持。

现在英伟达也把它摆在了重要位置，正如黄仁勋所说：「机器人的 ChatGPT 时刻可能即将到来。」

你准备好了吗？

^{参考链接：}

^{https://www.theverge.com/2024/3/18/24105157/nvidia-blackwell-gpu-b200-ai}

^{https://nvidianews.nvidia.com/news/nvidia-blackwell-platform-arrives-to-power-a-new-era-of-computing}

^{https://venturebeat.com/ai/nvidia-unveils-next-gen-blackwell-gpus-with-25x-lower-costs-and-energy-consumption/}

^{https://venturebeat.com/ai/nvidia-shows-off-project-gr00t-a-multimodal-ai-to-power-humanoids-of-the-future/}

^{https://www.nextplatform.com/2024/03/18/with-blackwell-gpus-ai-gets-cheaper-and-easier-competing-with-nvidia-gets-harder/}

产业GR00T人形机器人Blackwell英伟达

相关数据

基准技术

一种简单的模型或启发法，用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

来源：Google ML Glossary

参数技术

在数学和统计学裡，参数（英语：parameter）是使用通用变量来建立函数和变量之间关系（当这种关系很难用方程来阐述时）的一个数量。

来源：维基百科

张量技术

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数，这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在维空间内，有个分量的一种量，其中每个分量都是坐标的函数，而在坐标变换时，这些分量也依照某些规则作线性变换。称为该张量的秩或阶（与矩阵的秩和阶均无关系）。在数学里，张量是一种几何实体，或者说广义上的“数量”。张量概念包括标量、矢量和线性算子。张量可以用坐标系统来表达，记作标量的数组，但它是定义为“不依赖于参照系的选择的”。张量在物理和工程学中很重要。例如在扩散张量成像中，表达器官对于水的在各个方向的微分透性的张量可以用来产生大脑的扫描图。工程上最重要的例子可能就是应力张量和应变张量了，它们都是二阶张量，对于一般线性材料他们之间的关系由一个四阶弹性张量来决定。

来源：维基百科

博弈论技术

博弈论，又译为对策论，或者赛局理论，应用数学的一个分支，1944年冯·诺伊曼与奥斯卡·摩根斯特恩合著《博弈论与经济行为》，标志着现代系统博弈理论的的初步形成，因此他被称为“博弈论之父”。博弈论被认为是20世纪经济学最伟大的成果之一

来源：维基百科

摩尔定律技术

摩尔定律是由英特尔创始人之一戈登·摩尔提出来的。其内容为：积体电路上可容纳的电晶体数目，约每隔两年便会增加一倍；经常被引用的“18个月”，是由英特尔首席执行官大卫·豪斯所说：预计18个月会将芯片的性能提高一倍。

来源：维基百科

堆叠技术

堆叠泛化是一种用于最小化一个或多个泛化器的泛化误差率的方法。它通过推导泛化器相对于所提供的学习集的偏差来发挥其作用。这个推导的过程包括：在第二层中将第一层的原始泛化器对部分学习集的猜测进行泛化，以及尝试对学习集的剩余部分进行猜测，并且输出正确的结果。当与多个泛化器一起使用时，堆叠泛化可以被看作是一个交叉验证的复杂版本，利用比交叉验证更为复杂的策略来组合各个泛化器。当与单个泛化器一起使用时，堆叠泛化是一种用于估计（然后纠正）泛化器的错误的方法，该泛化器已经在特定学习集上进行了训练并被询问了特定问题。

来源：Wolpert, D. H. (1992). Stacked generalization. Neural networks, 5(2), 241-259

台积电机构

台积电（中国）有限公司成立于台湾新竹科学园区，并开创了专业集成电路制造服务商业模式。台积公司专注生产由客户所设计的芯片，本身并不设计、生产或销售自有品牌产品，确保不与客户直接竞争。公司为客户生产的晶片被广泛地运用在电脑产品、通讯产品、消费性、工业用及标准类半导体等多样电子产品应用领域。

https://www.tsmc.com/schinese/default.ht…

语言模型技术

统计式的语言模型是借由一个几率分布，而指派几率给字词所组成的字串。语言模型经常使用在许多自然语言处理方面的应用，如语音识别，机器翻译，词性标注，句法分析和资讯检索。

来源：维基百科

Hopper机构

Hopper开发了一个移动应用程序，它使用大数据来预测和分析机票价格。它的应用程序向旅行者提供他们在航班上获得交易所需的信息，并在航班价格处于预测的最低点时通知他们。

官网，http://www.hopper.com/