英伟达（NVIDIA）的Blackwell GB300和GB200 GPU通过持续优化，继续在各类AI工作负载中展现领先实力。英伟达并未止步于Blackwell：随着GB300和GB200在全球范围的部署获得性能与效率的双重提升，其优化仍在继续。
或许有人会认为，随着下一代AI平台在全球范围内铺开，英伟达会转而聚焦于其Rubin GPU。但情况并非如此——英伟达的Blackwell已在无数数据中心中部署。正如其前代Hopper一样，Blackwell一代仍在不断进行优化，以至于GB300在AI工作负载中仍不断刷新性能记录。
据英伟达称，对其Blackwell平台的持续优化已带来了性能和能效比的显著提升。在短短三个月内，英伟达在同一个GB200 NVL72配置上运行DeepSeek R1 0528 - 1K/1K模型时，将每兆瓦吞吐量（TPS/MW）提升了4倍。
在这四个月里，英伟达在运行了超过25万次模拟配置后，为Blackwell平台添加了38项重大优化，累计优化测试耗时达140万GPU时。其中超过90%的优化适用于其他AI模型，这充分展示了英伟达对其AI平台的持续投入，即便新一代平台已在推出之中。
另一方面，英伟达的GB300“Blackwell Ultra”平台继续在AI训练领域占据主导地位。在256块GPU上运行DeepSeek-V3 671B模型时，Megatron Core达到了每块GPU 1648 TFLOPs的创纪录性能，相比GB200的606 TFLOPs提升了3倍。
使用256块GPU对DeepSeek-v3 671B进行预训练，在GB300 NVL72上实现了每块GPU 1,648 TFLOPs的世界纪录，使得同样的训练任务能在更少的硬件上达到相同的性能。
优化成果再次得到彰显：同一套GB300 NVL72系统，相比过去六个月，性能提升了1.5倍。英伟达还与PyTorch和JAX社区深度合作，在其整个AI产品组合中落地优化。因此，在DeepSeek-V3 671B模型上使用TorchTitan（PyTorch原生训练框架），Blackwell Ultra机架的性能相比未经任何优化的基准配置提升了6倍。
JAX的提升更为显著，达到了每块GPU 1025 TFLOPs，以及每块GPU高达4082 Tokens/s的吞吐量，相比2026年1月的优化结果提升了10倍。
英伟达还在所有框架中为预训练任务建立了世界级的扩展性能，覆盖从256到1024块GPU的规模。在1024块GPU上，Megatron Core保持了高达98.5%的扩展效率，而TorchTitan和JAX也保持高达97%的效率。实现这一扩展性的核心组件是每个NVL72机架内的英伟达800 Gb/s Scale-Out网络芯片。
从训练到推理，英伟达在AI领域创下了一系列令人瞩目的记录。其他厂商需要奋起直追，而英伟达的Vera Rubin平台已在推出中，并将带来比Blackwell平台更大的性能提升。
