IT 之家 2 月 18 日音问，英伟达于 2 月 16 日发布博文，晓示其 Blackwell Ultra AI 架构（GB300 NVL72）在能效与资本上斥逐显赫冲破，通过 DeepSeek-R1 模子测试，比较前代 Hopper GPU，其每兆瓦朦拢量进步 50 倍，百万 tokens 资本缩短至 35 分之一。

此外，英伟达还预报了下一代 Rubin 平台，展望其每兆瓦朦拢量将比 Blackwell 再进步 10 倍，进一步推进 AI 基础步调的演进。

IT 之家注：每兆瓦朦拢量（Tokens / Watt）是意象 AI 芯片能效比的中枢概念，指每破钞一瓦特电力能管束若干 Token（文本单元）。数值越高，代表能效越好，运营资本越低。

英伟达在博文中指出，性能飞跃的关键，是升级时刻架构。Blackwell Ultra 通过 NVLink 时刻，将 72 个 GPU 连气儿成协调的琢磨单元，开云app互联带宽高达 130 TB/s，远超 Hopper 时间的 8 芯片遐想。此外，全新的 NVFP4 精度相貌合营极致的协同遐想结构，进一步自由了其在朦拢性能上的统率地位。

AI 推理资本方面，比较 Hopper 架构，新平台将每百万 Token 的资本削减至 35 分之一；即便与上一代 Blackwell（GB200）比较，GB300 在长高下文任务中的 Token 资本也缩短至 1.5 分之一，细心力机制管束速率翻倍，适配代码库珍贵等高负载场景。

{jz:field.toptypename/}

OpenRouter 的《推理情状评释》指出，与软件编程关联的 AI 查询量在夙昔一年中激增，占比从 11% 攀升至约 50%。这类哄骗经常需要 AI 代理在多步职责流中保捏及时反映，并具备跨代码库推理的长高下文管束才调。

英伟达为应酬这一挑战，通过 TensorRT-LLM、Dynamo 等团队的捏续优化，进一步进步了搀和群众模子（MoE）的推理朦拢量。举例，TensorRT-LLM 库的纠正，让 GB200 在低延伸职责负载上的性能在短短四个月内进步了 5 倍。