8月29日消息，nvidia近期发布了其第二季度财报，业绩持续呈现爆发式增长。备受瞩目的新一代ai显卡blackwell系列中的旗舰型号gb300，预计将在今年第四季度正式上市。与此同时，下一代rubin架构已有6款产品正在规划推进中。
关于GB300的详细规格可参考此前发布的资讯，而更值得关注的是其背后可能引发中美AI技术路线分化的趋势——在算法标准的选择上，国产AI生态与NVIDIA已显现分歧。国内主流选择的是UE8M0 FP8标准，而NVIDIA在Blackwell架构上则重点强化了NVFP4算法标准。
UE8M0 FP8标准近日在国产算力圈内引发热议，起因是Deepseek在发布其3.1版本模型时正式宣布，该标准已全面适配即将面世的新一代国产AI芯片。
尽管未明确点名具体厂商，但包括华为昇腾、摩尔线程、砺算科技、芯原科技、海光科技在内的多家国产芯片企业，其新一代AI算力产品几乎都已支持这一标准。
相较于以往国产AI芯片普遍采用的FP16+INT8组合，UE8M0 FP8带来了显著优势：性能提升可达2至3倍，同时大幅缓解显存压力并有效降低功耗，实际表现将取决于各厂商的具体实现能力。
反观AI领域的领军者NVIDIA，与国内由模型厂商牵头推动标准不同，NVIDIA长期以算力上游主导者的身份引领行业，其产品一直兼容FP64、FP32、FP16、INT8、FP8等多种精度标准。在Blackwell架构中，NVIDIA同样支持FP4与MXFP4，但主推的是NVFP4标准，其结构类似于E2M1 FP4，但在精度上几乎没有明显损失。
NVFP4究竟有哪些优势？首先从性能来看，GB300在采用该标准后，稠密计算性能实现了50%的跃升，达到15PFlops，值得注意的是，其核心架构与GB200相比并无根本性变化。
50%的性能提升或许已足够亮眼，但其精度表现更令人关注。
对比FP8基准，NVFP4在DS 0528模型上的精度几乎持平，多数情况下差距不足1个百分点，而在AIME 2024测试中甚至反超2个百分点。
在内存占用方面，NVFP4相比FP16减少了3.5倍，相比FP8也减少了1.8倍。与此同时，GB300的HBM显存容量从GB200的186GB提升至288GB，在NVL72机柜中，系统总内存容量可达40TB，足以支撑3000亿参数以上的大模型运行。
第三大优势体现在能效上。在NVFP4的支持下，GB300每生成一个Token仅消耗0.2焦耳能量，而GB200为0.4焦耳，H100架构的H100则高达10焦耳，能效相较提升达50倍。
综上所述，NVIDIA此次主推的NVFP4标准实现了50%的性能提升，精度与FP8基本持平，内存占用减少2至3倍，能效更是提升了50倍。
凭借NVIDIA在行业内的巨大影响力，NVFP4极有可能成为前沿大模型广泛采纳的标准，国内大型AI企业预计也将大规模采用。
然而，在国产AI芯片阵营中，UE8M0 FP8已成为新一代产品的主流标准。尽管在整体生态上尚难匹敌NVIDIA的CUDA体系，但这标志着国产AI软硬件协同迈出了关键一步，未来仍有机会开辟属于自己的技术路径，一切皆有可能。
