01 / GRAPHICS
GeForce RTX 50
消費級圖形與本機 AI。
- 使用者
- 玩家、創作者與 PC 開發者。
- 需要什麼
- 相容 PC、驅動程式與應用支援。
同系列包含不同桌機與筆電組態。
NVIDIA · GeForce RTX 50 announcement · 2025-01-06 ↗理解層次，
看見系統。
十二種產品與平台，從用途開始理解。比較角色與依賴條件，而不是把不同層級混成效能競賽。
BECOMING JENSEN一份產業觀察圖譜
02 / COMPUTE
H200
搭配 HBM3E 的資料中心 GPU。
- 使用者
- AI 與 HPC 基礎設施團隊。
- 需要什麼
- 認證伺服器平台與加速器軟體。
GPU 只是完整服務的一個元件。
Micron · HBM3E / H200 · 2024-02-26 ↗03 / COMPUTE
B200 / Blackwell
加速大型平行運算與 AI 工作。
- 使用者
- 資料中心系統設計與營運團隊。
- 需要什麼
- 記憶體、封裝、互連與軟體。
架構、GPU 型號與完整系統是不同層級。
NVIDIA · Blackwell announcement · 2024-03-18 ↗04 / COMPUTE
Grace CPU
以 Arm 為基礎的資料中心主機運算。
- 使用者
- 伺服器架構師與 HPC 開發者。
- 需要什麼
- Arm 相容軟體與平台整合。
Grace 是 CPU，不是 GPU 的別稱。
Arm · Neoverse and Grace · 2022 ↗05 / SYSTEMS
GB200 Superchip
結合一顆 Grace CPU 與兩顆 Blackwell GPU。
- 使用者
- 設計加速平台的系統製造商。
- 需要什麼
- 晶片間互連與散熱設計。
Superchip 並不等於整座資料中心。
NVIDIA · Blackwell announcement · 2024-03-18 ↗06 / SYSTEMS
GB300 NVL72
機櫃級 Blackwell Ultra 運算。
- 使用者
- 大規模 AI 基礎設施營運者。
- 需要什麼
- 36 顆 Grace CPU、72 顆 GPU、液冷與網路。
機櫃規格不等於應用的實際效能。
NVIDIA · Blackwell Ultra technical guide · 2025-03-19 ↗07 / NETWORK
NVLink
高頻寬的 scale-up 互連。
- 使用者
- 在支援系統內連接處理器的工程師。
- 需要什麼
- 相容 GPU、交換器與系統拓撲。
不要與一般網際網路連線混為一談。
NVIDIA · Blackwell announcement · 2024-03-18 ↗08 / NETWORK
Spectrum-X
用於 AI 叢集網路的乙太網路平台。
- 使用者
- 網路架構師與資料中心營運者。
- 需要什麼
- 交換器、網卡、軟體與網路設定。
Scale-out 網路連接系統，並不取代 GPU。
NVIDIA · Blackwell announcement · 2024-03-18 ↗09 / SOFTWARE
CUDA
GPU 運算的程式設計平台。
- 使用者
- 撰寫加速應用的開發者。
- 需要什麼
- 支援硬體、工具鏈與適合的演算法。
把程式搬到 GPU，不會自動變快。
NVIDIA · CUDA programming guide ↗10 / SOFTWARE
NVIDIA NIM
用於模型部署的封裝推論服務。
- 使用者
- 部署 AI 端點的應用團隊。
- 需要什麼
- 支援模型、執行基礎設施與授權。
部署工具不保證模型回答正確。
NVIDIA · NIM deployment · 2024-06-02 ↗11 / SOFTWARE
Omniverse
工業數位孿生的函式庫與工具。
- 使用者
- 模擬、工業與 3D 軟體團隊。
- 需要什麼
- 場景資料、模擬模型與軟體整合。
模擬的價值取決於假設與驗證。
NVIDIA · Omniverse ecosystem · 2025-03-18 ↗12 / SOFTWARE
NVIDIA Dynamo
分散式 AI 推論服務框架。
- 使用者
- 擴充模型服務基礎設施的團隊。
- 需要什麼
- GPU 節點、模型引擎與協調管理。
服務吞吐量取決於工作負載與組態。
NVIDIA · Blackwell Ultra technical guide · 2025-03-19 ↗並排理解角色。
從上方選擇最多三種產品。
讓專業語言，
更容易理解。
無晶圓廠＋
公司設計晶片，製造則由外部夥伴執行；本身仍進行大量硬體與軟體工程。
高頻寬記憶體＋
用來快速搬移大量資料的堆疊式記憶體。容量表示能裝多少，頻寬表示搬得多快。
封裝＋
整合晶粒、記憶體與連接的電性及實體工程，是晶圓製造後的重要步驟。
向內／向外擴充＋
Scale up 在系統或運算域內緊密連接處理器；scale out 透過網路連接更多系統。
訓練／推論＋
訓練利用資料調整模型；推論使用訓練好的模型產生結果。兩者都消耗運算，但模式不同。
數位孿生＋
與實體資產或流程對應、可供分析與模擬的數位表示，需要維護資料並持續驗證。