英伟达(NVIDIA)产品介绍和命名约定

hdy

目录计算芯片——V100、A100、H100、B200超级芯片—GH200、GB200节点内连接 - 纵向扩展（超级节点） - DGX GB200 NVL72外部节点互联：Scale-Out（IB和以太网）开发框架：CUDA计算芯片——V100、A100、H100、B200这些型号在讨论AI中最为常见，它指的是AI计算卡 GPU模型。

GPU 卡（6种型号）

NVIDIA 每隔几年就会发布一种新的GPU架构，并以一位著名科学家的名字命名。基于特定架构的显卡通常以该架构名称的首字母开头，游戏GPU除外。例如：

• V100基于Volta架构(以Alessandro Volta 命名)
• A100源自安培架构(以安德烈-玛丽·安培 (André-Marie Ampère) 的名字命名)
• H100/H200源自Hopper(以Grace Hopper命名)
• B100/B200来自Blackwell(以David Blackwell 命名)
  

以“200”结尾的型号通常是其“100”前代产品的升级版。例如，H200 是H100的增强版，具有HBM3e内存等改进。L40和L40s。这两款型号的命名略有不同。它们基于Ada Lovelace架构（以纪念第一位女性程序员）。L40s是L40的升级版。两款产品均面向数据中心市场设计，注重成本效益和性能。

H20与出口限制H20是 NVIDIA GPU 的改进版本，旨在应对美国的出口限制。同样，有报道称B200可能有一个受限制的版本，名为 B20。

未来架构 NVIDIA 的下一代 AI 平台 Rubin 计划于 2026 年发布。最初，许多人预计该 GPU 会被标记为 R100/R200，但 NVIDIA 的路线图却暗示了X100系列。该公司计划在2028年推出后续平台 Feynman。

超级芯片—GH200、GB200

虽然GPU是NVIDIA计算能力的核心，但该公司还开发了 GPU 之外的补充解决方案。早期合作与CPU开发NVIDIA最初与IBM的 POWER CPU 合作。然而，出于性能方面的考虑，该公司开始开发自己的CPU，例如基于ARM的 Grace CPU，同时Vera CPU也正在开发中。

NVIDIA 利用 NVLink 技术将GPU与CPU配对，打造Superchip平台。示例包括：

• GH200（Grace CPU + Hopper GPU）
• GB200（Grace CPU + 两个 Blackwell B200 GPU）
• GB300
  

GB200 特别强大，其性能约为 H100 的七倍。

超级计算机平台——DGX、EGX、IGX

在更高的计算层面，NVIDIA基于这些芯片架构开发了超级计算机平台，包括DGX、EGX、IGX、HGX和MGX。

DGX系列众所周知，Jensen Huang将第一代DGX-1赠送给了OpenAI。

如今，现代 DGX 系统通常具有标志性的金色设计和高昂的价格。

对于桌面应用程序，NVIDIA 提供 DGX Spark 和 DGX Station，可作为工作站级机器运行。

节点内连接 - 纵向扩展（超级节点)在通信层面，NVIDIA 开发了NVLink，这是一项旨在互联GPU的技术，可有效取代PCIe。它也通过 NVLink连接CPU和GPU。

对于多节点设置，直接NVLink连接变得不切实际，需要使用NVLink 交换机芯片（也称为 NVSwitch）。随着时间的推移，这些芯片逐渐演变成独立的设备。

NVLink 可以将众多GPU连接到统一的逻辑节点，从而形成一个超大规模计算平台。一个经常被提及的配置是DGX GB200 NVL72，它利用 NVLink5 来实现：

• 18 个计算托盘（每个包含两个 GB200 超级芯片）
• 9 个 NVLink 网络交换机托盘
  

每个计算托盘包含：2 个 GB200 超级芯片（整个系统共有 36 个 Grace CPU 和 72 个 B200 GPU）。

此外，可以组合八个DGX GB200 NVL72 单元来创建一个具有576个GPU 的SuperPod 节点。这种结构化的产品生态系统定义了NVIDIA在AI和高性能计算领域的定位。

外部节点互联：Scale-Out（IB和以太网）

在单个节点内，持续添加GPU被称为Scale-Up（垂直扩展）。然而，当节点达到一定规模后，进一步扩展将变得困难。此时，需要增加节点数量并将它们互连，这被称为Scale-Out（水平扩展）。

NVIDIA 主要通过InfiniBand (IB) 技术提供Scale-Out解决方案。InfiniBand 最初由 Mellanox 开发，在2019年NVIDIA收购 Mellanox 后成为NVIDIA的专有技术。InfiniBand是一个技术术语，而非产品名称；NVIDIA基于InfiniBand的产品平台是NVIDIA Quantum。例如，NVIDIA 于2024 年3月发布Quantum-X800网络交换机平台，该平台实现800 Gbps的端到端吞吐量。该平台包含Quantum Q3400交换机和ConnectX-8 SuperNIC网卡等硬件。这些组件属于一个更广泛的系列——Quantum-X800继承了其前身Quantum-2，而ConnectX-8之前则有ConnectX-6和ConnectX-7。

ConnectX高速网卡也源自Mellanox。InfiniBand 是两大主要的 Scale-Out 解决方案之一，另一个是以太网。NVIDIA 也在这个领域开发了产品，尤其是 Spectrum-X800 平台。Spectrum-X800 系列包括 Spectrum SN5600交换机和BlueField-3 SuperNIC 网卡，吞吐量同样高达 800Gbps。

BlueField 作为数据处理单元 (DPU) 备受关注。NVIDIA 将 Mellanox 的 ConnectX 网卡技术与自身创新相结合，于 2020 年正式推出了 BlueField-2 DPU 和 BlueField-2X DPU。此后，该技术逐渐演进为 BlueField-3。此外，NVIDIA近期还推出了CPO（Co-Packaged Optics）集成网络交换机，包Spectrum-X Photonics和Quantum-X Photonics。

开发框架：CUDA

软件组件 CUDA 。NVIDIA 虽然在硬件和网络方面表现出色，但其 CUDA 平台被广泛认为是其核心竞争优势。CUDA（统一计算设备架构）是 NVIDIA 于 2006 年推出的并行计算平台和编程模型。它使开发人员能够直接为 GPU 编写代码，从而显著提高计算性能。

如今，CUDA 作为智能计算的操作系统，集成了编程模型、编译器、API、库和工具，帮助用户最大限度地发挥 NVIDIA 硬件的功能。

CUDA 不仅仅是一个工具，它还构建了一个强大的 AI 开发生态系统，充当着 NVIDIA 整个业务框架的中枢神经系统。许多 AI 开发项目严重依赖 NVIDIA 的硬件和 CUDA，虽然切换硬件相对简单，但迁移整个生态系统却面临着更大的挑战。