英伟达Blackwell GPU建造成本高但能效领先，推理经济性存挑战

五月十八日，一份来自国际知名投资银行的最新研究报告指出，若采用当前英伟达Blackwell架构人工智能GPU建设一座功率容量为一吉瓦的超大规模数据中心，其整体建造成本约为采用谷歌TPU或亚马逊Trainium等定制化人工智能芯片建设同等规模设施的两倍。

尽管初始投入显著更高，但该报告强调，Blackwell芯片在单位能耗下的计算效能具备明显优势。在针对多款主流AI加速芯片开展的每瓦特TFLOPS性能横向评估中，英伟达GPU的能效表现较谷歌与亚马逊的专用集成电路高出二至八倍。

这一能效优势亦体现在即将推出的Vera Rubin架构芯片上。按浮点运算精度分级测算，其FP4精度版本每瓦性能达十九点五，位居当前已公布方案之首；FP8精度版本得分为六点八，而GB300与H100在相同精度下的得分分别为六点零与三点一。相较之下，谷歌TPUv7（FP8）得分为四点三，亚马逊Trn3（FP8）为二点五，二者性能整体处于Blackwell与前代Hopper架构之间，部分指标甚至未及Hopper。

值得注意的是，衡量AI芯片实际价值还需兼顾推理效率与运行经济性。另一家人工智能基础设施服务商的分析指出，每生成百万Token所需成本与单颗芯片每小时运行费用的比值，是评估部署效益的重要维度。

数据显示，某款AI加速芯片每生成百万Token的成本为五至十美分，约合人民币零点三四至零点六八元，推理吞吐量可达每秒八百Token。而基于Blackwell架构的方案，该成本升至二十五美分，约合人民币一点七零元，对应吞吐量约为每秒四百五十Token。