英偉達創始人兼CEO黃仁勛，不但是個出色的技術工程師，也是位杰出的市場管理專家和營銷大師。 

(資料圖片僅供參考)

黃仁勛的營銷才能，從其對GPU的定義可以窺視。原先，GPU只是一張顯卡，后來黃仁勛將服務器也稱為GPU。最近，“黃氏”GPU定義，已擴展至CPU疊加GPU內存算力集群。 

英偉達最近發布的超級計算機DGX GH200，從參數上看，性能極為驚人，結構也堪稱精巧。但是，從技術原理上看，DGX GH200原本很可能并非為AI集訓所設計，其內核Grace Hopper是決策型AI（為AI推薦系統所用）性質。 

從結構設計上看，DGX GH200從決策型AI“轉型”到LLM方向，但其真正價值并非為LLM定制，而是其可擴展性、以及將CPU內存與GPU內存，通過NVLINK C2C組件整合起來的技術，從而實現黃仁勛將GPU的定義擴展為超算集群的邏輯自洽。 

至于真正的為LLM定制的針對性綜合解決方案，黃仁勛還沒給出答案。 

CPU+GPU=？

DGX GH200的核心是Grace Hopper（CPU+GPU）。每臺DGX GH200，都搭載了多達256個Grace Hopper。 

黃仁勛將Grace Hopper稱為“superchip”（超級芯片），這很像是一種營銷表達。 

實際上，Grace是CPU，確實是為AI而生，但本身的技術特性不是高性能CPU算力，而是能耗控制。換句話說，Grace負責還過得去的算力性能；Hopper則是GPU，與印象中的英偉達GPU負責AI算力不同，“Grace Hopper”中的Hopper，負責的是散熱。 

根據英偉達技術白皮書顯示，Hopper是英偉達基于Hopper架構的GPU（即H100系列），而Grace則是英偉達自研的基于ARM架構的高性能CPU。 

這顆芯片的CPU核（core）型號是Arm的公版neoverse N2。根據英偉達在2021年發布Grace Hopper時的PPT信息，Grace是一款包含了76個CPU核的N2多核處理器。 

通過LPDDR5X（內存）通信接口，Grace接了高達512GB的內存（實際480GB），內存帶寬也達到546 GB/s；Hopper（GPU）則通過HBM3（顯存）接口接了最多96GB的顯存，帶寬可達3TB/s。 

LPDDR，即Low Power Double Data Rate，中文全稱“低功耗雙倍數據速率”，是美國JEDEC固態技術協會（JEDEC Solid State Technology Association）面向低功耗內存制定的通信標準。 

LPDDR有時候也等同于Low Power Double Data Rate SDRAM，中文全稱“低功耗雙信道同步動態隨機存取內存”。通常，這以先進封裝技術直接堆在CPU處理器上方，以低功耗和小體積著稱，是移動應用場景的主流內存產品。 

2019年2月，JEDEC發布JESD209-5，即LPDDR5低功耗內存傳輸速率（通信）標準。相較于2014年發布的第一代LPDDR4標準，LPDDR5的I/O速度提升到6400 MT/s，實現翻番。 

基于LPDDR5的性能基礎，LPDDR5X更進一步：數據傳輸速率從6400Mbps增至8533Mbps，對于支持8533Mbps LPDDR5X內存的移動SoC，其峰值理論可用帶寬將進一步增長到68.26GB/s，從而賦予更廣泛的設備擁有更多基于AI和5G的功能。 

Grace用了LPDDR5X，就其16GB的容量而言，即使用了8片，CPU的總容量也只有128GB，遠遠達不到決策AI所需要的存儲空間，更遑論對LLM的容量支持要求。但黃仁勛采用了新的結構，也就是集成8顆Grace CPU，還將之互聯成一個Unified Memory。 

這時，內存容量就高達1TB（8*128G），等于用X86的2S結構，相當于512GB per Socket的1TB容量。 

回到Grace Hopper超級芯片，其高達144TB的Memory（顯存）量，實際上是LPDDR5X的內存疊加HBM3的顯存，即256組的CPU 480GB內存（LPDDR5X）疊加GPU 96GB顯存（HBM3）。簡單折算下，就是每個節點8組搭配，約3.75TB的CPU內存加上768GB的顯存。 

乍看上去，如此神一樣存在的存儲容量令人驚嘆。但實際上，Grace Hopper的整體容量，除了內存還包括顯存，這是從所未見的結構設計。但這種結構忽略了CPU同樣令人驚奇的延遲。 

這問題該怎么解決？若解決不了，以Grace Hopper為核心的DGX GH200，速度比蝸牛還慢，還怎么訓練AI？ 

因此，杰出的技術工程師黃仁勛，在Grace Hopper中，還應用了至關重要的組件“NVLink C2C”。這個組件的核心是NVLink通信協議，將Grace的CPU與Hopper的GPU之間傳輸數據量的帶寬，以900GB/s的帶寬速率聯系起來，遠超常規的64GB/s帶寬速率。 

這就是黃仁勛敢于將LPDDR5X內存的CPU容量算到DGX GH200超算機整體存儲規格的底氣。雖然疊加高容量CPU內存會帶來超級延遲的不利后果，但GPU對延遲并不敏感，通過以NVLINK通信協議為核心的NVLINK C2C組件，將CPU的內存變成了GPU內存，以此消除高容量CPU內存帶來的延遲。 

這種結構和部件設計，也是DGX GH200超算機引以為傲的可擴展性特征。 

價值和不足

DGX GH200超算機的性能取決于存儲空間的大小。144TB還能擴展嗎？當然可以。這可通過將Grace Hopper與英偉達Bluefield DPU的接口連接InfiniBand，這樣就可進一步擴展到更大的規模，從而實現更高性能的計算。 

雖然看上去有144TB超級內存空間，900GB/s的傳輸速率也相當牛逼，但平均下來每組Grace Hopper的帶寬也就200GB/s，與144TB共享顯存帶寬差太遠。 

總體來說，對DGX GH200超算機的性能來說，Grace Hopper芯片組的結構設計是關鍵，而英偉達的NVLink協議具有的超高性能數據互聯能力是關鍵中的關鍵，核心中的核心。通過提供高達900GB/s的帶寬并且提供一致性接口，Grace Hopper實現強悍的可擴展性。 

Grace Hopper中CPU與其他高性能服務器端ARM CPU的區別，也許就是對于NVLink接口的支持，而這也成了Grace Hopper的最顯著亮點。 

雖然英偉達發布的DGX GH200超算機，其內核Grace Hopper的結構設計和軟件超高速一致性內存接口NVLink的奇思妙想，并非是對AGI做的針對性整體解決方案。但是，黃仁勛的技術和結構設計能力肌肉秀，真正的價值是對處于AI生成式技術和應用階段，對具有超強性能的算力集群產品做出符合AGI階段的標準定義。 

這里可能需要簡單解釋下為什么DGX GH200超算機不是為AGI做出的針對性解決方案，而是主要面向決策式傳統AI的推薦系統。 

首先，DGX GH200超算機的核心結構Grace Hopper芯片組發布于2021年。那時雖然AGI也在迭代中，但遠遠沒有像2022年12月OpenAI發布的ChatGPT-3.5這種現象級應用帶來的轟動效應，因而也沒有像現在這樣全球范圍內的廣泛關注度。 

其次，從技術原理看，傳統AI決策型推薦系統的特點是內存占用大，但計算數據要轉換的熱數據（指頻繁訪問的在線類Data）并不多。因此，通行的做法是，通過系統設計，在CPU內存中臨時存放熱數據，再以GPU側的HMB顯存做cache并導入熱數據，對帶寬和CPU內存速度要求不高。 

大模型的數據轉移特征是什么？內存占用也不小，但每次計算來回流動的基本是熱數據，少有數據集之類的冷數據。所以就兩難，若選擇將海量熱數據放到LPDDRX5，帶寬還是有點不夠（畢竟每組Grace Hopper帶寬也只有200GB/s）；若放冷數據，成本又太高。 

這里還有個問題，就是維護成本極高。Grace Hopper就物理形態看，CPU和GPU還各自獨立，這兩種芯片互聯使用的是PCB板上的走線。在技術邏輯角度，這兩種物理芯片的存儲空間通過NVLink C2C組件和NVLink協議，被集成為一個整體。 

因此，高度集成的Grace Hopper，但凡壞一塊LPDDR5X，整個芯片組就要報廢。這樣的維護成本，除了巨頭比如微軟和谷歌這種不差錢的公司，其他公司都難以承受。 

綜合來說，Grace Hopper的LLM應用，在DGX GH200超算機的技術叢集中，并沒有顯現出驚艷的亮點；其結構設計確實表現出色，但這很像是以LLM需求所做的微調。因為這個結構，發布于2021年，那時LLM應用方向也還并不向今日這樣如此明確。

風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

關鍵詞：