英伟达GB300再破世界纪录：256块GPU跑DeepSeek-v3算力提升50%
英伟达GB300用256块GPU驱动深度求索3671B模型，单GPU吞吐量达一千六百四十八万亿次浮点运算，较去年提升百分之五十，为上一代GB200的三倍。通过模拟超二十五万种配置、实施三十八项优化及一百四十万小时测试，系统级工程实现算力跃升，显著降低AI训练成本。
英伟达GB300再破世界纪录：256块GPU跑DeepSeek-v3，算力提升50%
7月22日，英伟达放出了一个重磅消息：Blackwell GB300在MoE预训练上刷新了世界纪录。只用256块GPU就跑起了DeepSeek-v3 671B模型，单GPU吞吐量直接飙到1648 TFLOPs——这个数字意味着什么？对比去年11月的1088 TFLOPs，提升了整整50%；再往前看，上一代GB200只有606 TFLOPs，GB300差不多是它的3倍。
38项优化方案，140万小时测试
成绩背后是实打实的苦功。英伟达在过去6个多月里，模拟了超过25万种配置，从中摸索出38项重大优化方案，累计投入的GPU测试时长高达140万小时。这可不是简单的参数调优，而是系统级别的硬核工程。
MoE架构：低计算成本撑起大模型容量
简单科普一下：MoE（混合专家模型）就是把大模型拆成多个专家子网络，每次推理或训练只激活其中一部分。这样做的好处很明显——用更低的计算成本撑起更大的模型容量，如今已经是主流大语言模型的标准架构。
GB300降本增效，AI训练成本进一步下降
GB300 NVL72的厉害之处在于，用更少的GPU就能达到相同的训练性能。这意味着什么？AI训练成本会进一步下降，对大模型厂商来说，绝对是实实在在的利好。英伟达也表示，通过系统级优化的持续挖掘，Blackwell架构仍有性能提升空间，而这一轮优化成果将直接惠及所有使用GB300的AI训练集群。
对DeepSeek这类大模型厂商而言，GB300带来的算力跃升直接意味着更短的训练周期和更低的成本。单GPU 1648 TFLOPs的算力，足以支撑更大规模模型的快速迭代——这或许才是行业最值得期待的变化。