NVIDIA近期发布的DGX B200系统，采用Blackwell加速器，在MLPerf基准测试中表现出色。在FP8、FP16、BF16和TF32精准度下，其巅峰浮点效能较上一代H100系统提高2.27倍。

在微调700亿参数的Llama 2模型和预训练1,750亿参数的GPT-3模型时，B200整体效能也分别高出H100系统2.2倍和2倍。

此外，NVIDIA表示，Blackwell加速器的浮点运算效能和存储器带宽优于Hopper加速器，64颗Blackwell GPU即可提供等同于256颗Hopper GPU在运行GPT-3基准时的效能。

B200系统可为稀疏FP8提供9 petaFLOPS的效能，而旗舰款GB200在1.2KW耗电量和发热量下，可提供10 petaFLOPS的效能。

NVIDIA还参照NVL72设计，将NVLink连接的GPU域从8颗扩充到72颗加速器，从而提升了系统效能。值得注意的是，目前公布的基准测试对象为标准版B200系统，系统效能有望通过软件调校和网络基础设施的改良进一步提升。

相比之下，Google近期公布的第六代TPU Trillium在MLPerf基准测试中的效能提升近4倍，但整体仍难敌NVIDIA的系统效能。然而，训练神经网络所需消耗的庞大电力仍是市场上的隐忧，需引起关注。