في ظل الترقب الكبير لـ Rubin، تواصل Nvidia تحسين Blackwell، وارتفعت كفاءة الطاقة لـ GB200 أربعة أضعاف خلال ثلاثة أشهر

تقوم Nvidia بتمديد دورة حياة منصة Blackwell من خلال التحسين المستمر لمكدسات البرمجيات، وفي الوقت نفسه تستعد لإطلاق منصة Rubin ذات الجيل التالي على نطاق واسع.

في ظل تسريع نشر منصة Rubin الجديدة، كشفت Nvidia أنه في غضون ثلاثة أشهر فقط استطاعت رفع إنتاجية الحساب لكل ميغاواط (TPS/MW) لـ GB200 NVL72 بمقدار أربعة أضعاف عند تشغيل نموذج DeepSeek R1 0528. يرجع هذا الإنجاز إلى 38 تحسيناً كبيراً أنجزتها Nvidia في أربعة أشهر، مدعومة بأكثر من 250 ألف اختبار تكوين محاكاة وتراكم 1.4 مليون ساعة GPU من التحقق الأمثل.

في الوقت نفسه، تواصل منصة GB300 "Blackwell Ultra" تحقيق أرقام قياسية في اختبارات تدريب الذكاء الاصطناعي. على نطاق 256 بطاقة، حققت GB300 NVL72 في مهمة ما قبل تدريب DeepSeek-V3 671B رقماً قياسياً تاريخياً بلغ 1648 TFLOPs لكل GPU، أي زيادة تقارب ثلاثة أضعاف عن 606 TFLOPs الخاصة بـ GB200، كما زاد هذا المؤشر بمقدار 1.5 مرة خلال الأشهر الستة الماضية.

أوضحت Nvidia أن سلسلة التحسينات على منصة GB200 NVL72 جعلت إنتاجية الحساب لكل ميغاواط تزيد أربعة أضعاف في ثلاثة أشهر فقط عند تشغيل DeepSeek R1 0528 (بتكوين 1K إدخال/1K إخراج).

يعتمد هذا التحسن على 38 تحسيناً رئيسياً أُنجزت خلال أربعة أشهر. خضعت هذه التحسينات لأكثر من 250 ألف اختبار محاكاة وتم التحقق منها تجريبياً عبر 1.4 مليون ساعة GPU. ونبهت Nvidia أن أكثر من 90% من نتائج هذه التحسينات قابلة لإعادة الاستخدام عبر نماذج متنوعة من منتجات الذكاء الاصطناعي ولا تقتصر على مهمة واحدة فقط.

هذا يعني أن عملاء مراكز البيانات الحاليين لن يحتاجوا إلى استبدال الأجهزة، بل يمكنهم تحسين كفاءة الطاقة والربحية فقط عبر تحديثات البرامج — مما له قيمة اقتصادية مباشرة لمقدمي الخدمات السحابية الضخمة والشركات التي تركز بشدة على تكلفة الحوسبة.

وعلى صعيد تدريب الذكاء الاصطناعي، أظهر GB300 NVL72 أداء قويًا أيضًا. فعند نشر 256 بطاقة وباستخدام إطار عمل Megatron Core لتدريب نموذج DeepSeek-V3 671B، حقق GB300 NVL72 إنتاجية بلغت 1648 TFLOPs لكل GPU، أي بزيادة تقارب ثلاثة أضعاف عن GB200 السابق الذي حقق 606 TFLOPs، وهو أعلى رقم قياسي عالمي لهذه المهمة.

ومن اللافت أن هذا الرقم ليس السقف الأعلى للأداء. فقد ارتفع أداء GB300 NVL72 في إطار Megatron Core من 1088 TFLOPs/GPU في نوفمبر 2025 إلى 1648 TFLOPs/GPU في يونيو 2026، أي بزيادة تراكمية تعادل 1.5 مرة خلال ستة أشهر فقط.

وفي مجال التحسين التعاوني مع أطر الذكاء الاصطناعي الرائجة، أدى التعاون العميق بين Nvidia ومجتمعي PyTorch و JAX إلى زيادات واضحة. على TorchTitan (مكدس تدريب PyTorch الأصلي)، زاد أداء تدريب GB300 NVL72 على DeepSeek-V3 671B بمقدار 6 أضعاف مقارنة بالمواصفات الأساسية غير المحسنة: من 199 TFLOPs/GPU إلى 1197 TFLOPs/GPU. أما في إطار JAX فكانت الزيادة ملحوظة أكثر: حتى يوليو 2026، بلغ إنتاجية كل GPU إلى 4082 رمز/ثانية، وهو ما يعادل 1025 TFLOPs/GPU، مقارنة بـ 418 رمز/ثانية في يناير 2026، أي زيادة بنحو 10 أضعاف.

لطالما اعتُبرت كفاءة التوسع في سيناريوهات التدريب الضخمة معيارًا محوريًا للاستفادة من بنية الذكاء الاصطناعي التحية. كشفت Nvidia أنه بين 256 و 1024 بطاقة، حافظ GB300 NVL72 على كفاءة توسع قريبة جدًا من الحد النظري على أطر العمل الثلاثة الرئيسية: 98.5% لـ Megatron Core، و97% لكل من TorchTitan و JAX.

وترجع Nvidia هذا الأداء العالي إلى رقاقة الشبكة 800 Gb/s Scale-Out المدمجة في رفوف NVL72. فالاتصال فائق السرعة يحدد بشكل مباشر النفقات الاتصالية في تدريب الأجهزة المتعددة، ليؤثر على كفاءة التوسع الإجمالية — وتعتبر هذه الشبكة المعمارية العنصر الأساسي للحفاظ على الكفاءة العالية عبر مختلف الأطر البرمجية.

تأتي هذه التحسينات في الوقت الذي تدخل فيه منصة Vera Rubin الجديدة من Nvidia مرحلة النشر العالمي. بحسب التقارير، حققت Vera Rubin NVL72 زيادة بنحو 10 أضعاف في إنتاجية الرموز مقارنة بـ Blackwell، حيث تبلغ إنتاجية GB200 NVL72 حوالي 80,000 رمز/ثانية، بينما تصل Vera Rubin NVL72 إلى 800,000 رمز/ثانية تحت نفس استهلاك الطاقة البالغ 150 ميغاواط.

ومع ذلك، تم بالفعل نشر منصة Blackwell في عدد لا يُحصى من مراكز البيانات حول العالم، واستراتيجية Nvidia، كما جرى في جيل Hopper، تقوم على استخراج أقصى إمكانيات الأجهزة الحالية من خلال التحسينات البرمجية المستمرة توازيًا مع الدفع بالمنصة الجديدة. هذه الطريق لا تطيل فقط من فترة استرداد استثمارات العملاء الحاليين، بل تعزز أيضاً من ترابطية منصة Nvidia داخل منظومة الذكاء الاصطناعي. بالنسبة للسوق، تقوم Nvidia ببناء خندق برمجي يصعب على المنافسين تجاوزه على المدى القصير، باعتماد استراتيجية متوازية تجمع بين Blackwell و Rubin.