AIGC動態歡迎閱讀

原標題：Nvidia B100/B200/GB200 關鍵技術解讀
關鍵字：芯片,內存,晶體管,帶寬,精度
文章來源：人工智能學家
內容字數：3627字

內容摘要：

對GTC keynote中關于AI基礎設施的關鍵信息整理如下，分三個部分：
芯片
服務器
Superpod
芯片
1. GPU芯片
晶體管數：
B200 GPU的晶體管數量是現有H100的兩倍多，但B200封裝了2080億個晶體管（而H100/H200上?為800億個?）。
這意味著B200芯片封裝密度比H100進一步提高，對管理散熱和功耗也提出了更高的要求。
FP4精度：
引入一種新的計算精度，位寬比FP8進一步降低，B200峰值算力達18P。
FP6精度：
??位寬介于FP4和FP8之間。?
?NV高帶寬接口（Nvidia High Bandwidth Interface）：
?B200有兩個Die，高速連接通道NV-HBI達到10TB/s。兩個Die是一個統一的Cuda GPU。NV-HBI會占用一定的芯片面積。?
內存：
?B200每個Die有4個24GB的HBM3e stack，合計一個Cuda GPU有192GB內存，內存帶寬達8TB/s。相比H200時代六個內存控制器，可以減少內存接口的芯片面積，從而使得計算面積可以更大。?
GB200：
?有兩個B200（4個GPU D

原文鏈接：Nvidia B100/B200/GB200 關鍵技術解讀

聯系作者

文章來源：人工智能學家
作者微信：AItists
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構