英伟达最新的Blackwell GPU包含两款小型工作站显卡,旨在70瓦功耗限制内为专业可视化和本地AI工作负载提供最高性能。
这两款产品于周一在加拿大温哥华的Siggraph大会上发布,分别是RTX Pro 4000小型版(SFF)和RTX Pro 2000,它们采用相同的半高双槽散热器设计。尽管外观相似,但两款显卡性能差异显著,RTX 4000 SFF拥有8960个CUDA核心,是RTX Pro 2000的4352个核心的两倍多。
据英伟达称,RTX 4000 Ada SFF在光线追踪方面比前代产品快1.7倍,AI性能提升2.5倍。凭借280个张量核心,该芯片能够提供770 teraFLOPS的FP4性能。
虽然技术上这确实是浮点运算2.51倍的提升,但大部分性能提升来自FP4格式而非架构改进。当标准化为FP8时,芯片性能仅提升约25%。
虽然这款小型显卡的浮点性能提升有限,但内存带宽这一本地推理的关键指标却有显著改进。配备24GB GDDR7内存,带宽达432GB/s,该显卡在运行OpenAI新发布的gpt-oss-20b等大语言模型时,Token生成速度比英伟达上一代产品快约54%。
英伟达建议RTX Pro 2000主要用于专业可视化工作负载,同时也承诺显著的性能提升。据该GPU巨头表示,与上一代Ada架构相比,用户可期待3D建模性能提升1.6倍,CAD性能提高1.4倍,渲染速度快1.6倍。
在AI性能方面,该显卡远不及更大型或更高功耗的同系列产品,但考虑到其仅70W的热设计功耗,表现仍然不俗。该显卡拥有高达545 teraFLOPS的稀疏FP4计算能力,以及由16GB GDDR7提供的280GB/s内存带宽。
RTX Pro 4000 SFF和2000都将于今年晚些时候通过PNY和TD SYNNEX发售,并将在BOXX、戴尔、惠普和联想的OEM系统中提供。
这两款显卡完善了英伟达在3月GTC大会上发布的Blackwell工作站GPU产品线,当时公司发布了96GB的RTX Pro 6000。
同样在Siggraph大会上,英伟达展示了一款2U服务器平台,可运行两块600W的RTX Pro 6000服务器版显卡。每块GPU拥有高达4 petaFLOPS的稀疏FP4性能。
这些系统现已通过思科、戴尔、慧与、联想和超微等厂商提供。
Q&A
Q1:英伟达RTX Pro 4000 SFF和RTX Pro 2000有什么区别?
A:两款显卡最大区别在于CUDA核心数量,RTX Pro 4000 SFF拥有8960个CUDA核心,是RTX Pro 2000的4352个核心的两倍多。RTX Pro 4000 SFF配备24GB GDDR7内存和432GB/s带宽,而RTX Pro 2000配备16GB GDDR7内存和280GB/s带宽。
Q2:这两款显卡的AI性能表现如何?
A:RTX Pro 4000 SFF能够提供770 teraFLOPS的FP4性能,在运行大语言模型时Token生成速度比上一代产品快约54%。RTX Pro 2000拥有545 teraFLOPS的稀疏FP4计算能力。虽然不及更高功耗的同系列产品,但在70W功耗限制下表现优异。
Q3:这两款显卡什么时候上市,通过哪些渠道购买?
A:RTX Pro 4000 SFF和RTX Pro 2000将于今年晚些时候发售,用户可通过PNY和TD SYNNEX购买,也可在BOXX、戴尔、惠普和联想的OEM系统中获得这些显卡。
好文章,需要你的鼓励
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
医疗信息管理平台Predoc宣布获得3000万美元新融资,用于扩大运营规模并在肿瘤科、研究网络和虚拟医疗提供商中推广应用。该公司成立于2022年,利用人工智能技术提供端到端平台服务,自动化病历检索并整合为可操作的临床洞察。平台可实现病历检索速度提升75%,临床审查时间减少70%,旨在增强而非替代临床判断。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。