摘要
NVIDIA近期将计算重心转向AI性能，导致其最新GPU产品B300的64位双精度（FP64）计算性能大幅下降至1.2 TFLOPS，远低于前代H100/H200的34 TFLOPS，引发了科学计算领域的担忧。对此，NVIDIA高级总监Dion Harris强调公司并未放弃64位计算，并指出通过更新的cuBLAS库可利用矢量核心模拟FP64计算，实现1.8倍的性能提升。同时，NVIDIA承诺未来的GPU将在核心硬件层面提升FP64性能。
线索
NVIDIA在AI计算领域的极致追求与在HPC（高性能计算）领域的策略性收缩，揭示了其业务重心与潜在风险。一方面，通过FP4等低精度计算实现能效50倍的巨大提升，巩固了其在AI市场的绝对领导地位，这是其核心增长引擎。另一方面，FP64性能的急剧下滑可能使其在传统科学计算（如气候模拟、材料科学）这一高价值市场中面临份额流失的风险，为竞争对手（如AMD）提供了机会。NVIDIA的应对策略——利用强大的软件生态（cuBLAS库）弥补硬件短板——既是短期有效的防御，也加深了客户对其生态的依赖。未来的关键观察点在于明年3月GTC大会，若NVIDIA发布的新架构能显著恢复FP64性能，将消除市场疑虑，成为股价上行的催化剂；反之，若继续忽视，则可能动摇其作为“全能计算平台”的长期地位。
正文
近年来，人工智能（AI）的快速发展正在改变芯片产业的方向。这一趋势导致NVIDIA等厂商将AI性能作为核心，计算精度随之降低。过去衡量GPU性能的核心指标FP64（双精度）和FP32（单精度），其重要性正被FP16、FP8及更新的FP4等AI计算精度所取代。
NVIDIA新一代显卡，从Blackwell架构开始，将重点转向其自有的NVFP4标准。该标准与E2M1 FP4结构类似，但精度损失极小。在GB300平台上，支持FP4后性能提升50%，精度与FP8相比几乎没有损失，内存占用减少2-3倍，能效提升50倍。
然而，在FP64性能方面，近几代顶级显卡不仅没有提升，反而出现倒退。数据显示，A100的FP64性能为9.7 TFLOPS，H100及H200提升至34 TFLOPS，但B100和B200分别为30和37 TFLOPS，而B300则大幅降低至1.2 TFLOPS。
FP64性能的下降引起了学术界的关注。TOP500榜单发起人、田纳西大学教授Jack Dongarra在SC25大会期间表示，NVIDIA从Hopper架构转向Blackwell架构时，FP64性能未得到实质性提升。FP64计算性能在材料科学、气候建模、流体力学模拟等科学计算领域具有不可替代的作用。
针对上述观点，NVIDIA负责HPC与AI超大规模基础设施解决方案的高级总监Dion Harris回应称，公司并未放弃64位计算，它依然是公司的核心之一。他介绍，NVIDIA在10月份推出了更新的cuBLAS库，这是一个CUDA-X数学库，能够通过矢量核心模拟FP64计算，使用该库可使FP64性能提升1.8倍。
对于硬件层面的FP64性能提升，Dion Harris表示NVIDIA未来的GPU将在核心底层进行改进，但具体信息暂未披露。预计在明年3月的GTC大会上，NVIDIA可能会公布下一代GPU架构，相关细节或将在届时揭晓。
发布时间
2025-12-14T23:01:00+00:00
评论 ( 0 )