У той час як Rubin викликає великий інтерес, Nvidia продовжує оптимізувати Blackwell, енергоефективність GB200 за три місяці зросла вчетверо

Nvidia постійно оптимізує програмний стек, щоб продовжити життєвий цикл платформи Blackwell, одночасно готуючи масштабний запуск архітектури наступного покоління Rubin.

На тлі прискореного розгортання нової платформи Rubin, Nvidia розкрила, що лише за три місяці змогла збільшити потужність на мегават (TPS/MW) GB200 NVL72 при роботі з моделлю DeepSeek R1 0528 у чотири рази. Цей результат є наслідком 38 значних оптимізацій, завершених протягом чотирьох місяців, що підтримані понад 250 тисячами симуляцій конфігурацій та сумарно 1,4 мільйона GPU-годин перевірки оптимізації.

Водночас платформа GB300 "Blackwell Ultra" продовжує встановлювати рекорди у тестах базової підготовки AI. На масштабі 256 карт GB300 NVL72 досягла найвищого в історії показника — 1648 TFLOPs на кожен GPU у преподготовці DeepSeek-V3 671B, що приблизно втричі перевищило результат GB200 у 606 TFLOPs; загалом цей показник за шість місяців виріс у 1,5 рази.

Nvidia заявила, що серія оптимізацій для платформи GB200 NVL72 дозволила підвищити потужність на мегават при роботі з DeepSeek R1 0528 (конфігурація 1K input/1K output) у чотири рази всього за три місяці.

Підґрунтям такого прогресу стали 38 вагомих ітерацій оптимізації, завершених за чотири місяці. Ці оптимізації пройшли понад 250 тисяч симуляцій конфігурацій і були підтверджені сумарно 1,4 мільйона GPU-годин тестування. Nvidia особливо відзначає, що понад 90% цих оптимізацій можна використовувати повторно для інших моделей у портфоліо AI-продуктів, а не лише для одного завдання.

Це означає, що поточні клієнти дата-центрів можуть отримати суттєві переваги у енергоефективності через оновлення програмного забезпечення без необхідності заміни обладнання — що має пряме економічне значення для hyperscale cloud-компаній та корпоративних клієнтів, чутливих до витрат на обчислення.

У сфері тренування AI GB300 NVL72 також демонструє потужну динаміку продуктивності. На масштабі 256 карт, під час преподготовки DeepSeek-V3 671B на основі Megatron Core, GB300 NVL72 забезпечила 1648 TFLOPs на кожен GPU, що приблизно втричі вище показника GB200 у 606 TFLOPs і є абсолютним рекордом для цього завдання.

Варто відзначити: це значення — не статична межа обладнання. Продуктивність GB300 NVL72 у Megatron Core зросла з 1088 TFLOPs/GPU у листопаді 2025 до 1648 TFLOPs/GPU у червні 2026, за шість місяців приріст склав приблизно 1,5 рази.

У сфері синергійної оптимізації для основних AI-фреймворків, глибока співпраця Nvidia з PyTorch та JAX приносить значні переваги. На TorchTitan (рідний стек тренування PyTorch) продуктивність тренування GB300 NVL72 для DeepSeek-V3 671B зросла у 6 разів щодо базового не оптимізованого конфігу — від 199 TFLOPs/GPU до 1197 TFLOPs/GPU. В JAX приріст ще більший: до липня 2026 року пропускна здатність на GPU досягла 4082 Tokens/s, що відповідає 1025 TFLOPs/GPU, проти показника у 418 Tokens/s у січні 2026 — приблизно у 10 разів вище.

Ефективність масштабування у великомасштабних тренувальних сценаріях — один із головних показників придатності AI-інфраструктури. Nvidia повідомляє, що у масштабі від 256 до 1024 карт GB300 NVL72 у трьох основних фреймворках зберігає ефективність, близьку до теоретичної межі: Megatron Core — 98,5%, TorchTitan та JAX — 97%.

Nvidia пов'язує такі результати з вбудованим у GB300 NVL72 мережевим чипом Scale-Out на 800 Gb/s. Високошвидкісні з'єднання прямо впливають на обмін даними між машинами під час тренування та визначають загальну ефективність масштабування. Це мережеве рішення вважається ключовим компонентом інфраструктури для забезпечення такої продуктивності у різних фреймворках.

На момент публікації цих оптимізацій платформа наступного покоління Vera Rubin вже розгортається по всьому світу. За повідомленнями, Vera Rubin NVL72 забезпечує приблизно у 10 разів більшу пропускну здатність Token порівняно з Blackwell: GB200 NVL72 — близько 80 000 Tokens/s, а Vera Rubin NVL72 при тій самій потужності у 150MW — до 800 000 Tokens/s.

Однак платформа Blackwell вже інтегрована у численні дата-центри світу, а стратегія Nvidia аналогічна попередній епосі Hopper: навіть при впровадженні нової платформи компанія продовжує розкривати потенціал вже встановленого обладнання через оптимізацію програмного забезпечення. Це не лише збільшує термін окупності інвестицій для поточних клієнтів, але й зміцнює платформну лояльність Nvidia в екосистемі AI-інфраструктури. Для ринку це означає, що зі стратегією одночасного розвитку Blackwell і Rubin Nvidia поступово формує програмний "рів", який у короткій перспективі важко подолати конкурентам.