NVIDIA 称全栈协同设计缓解推理内存压力

NVIDIA 发布技术文章称，其全栈协同设计可缓解 AI 推理的内存压力，让 HBM 的每一字节都得到利用，以应对模型权重、KV 缓存和 RAG 数据带来的占用。 NVIDIA 称，从 GB300 NVL72 到 Vera Rubin NVL72，单 GPU 的 HBM 容量维持 288 GB 不变，但在 SemiAnalysis AgentX 上每兆瓦吞吐量最高提升 30 倍（160 tokens/s/用户）。这一提升幅度是 NVIDIA 引用的测试结果，并非已获独立验证的普遍效果。 NVIDIA 称，该设计涵盖从编码单个权重的比特，到在智能体多轮交互和跨节点间保存、复用上下文的共享存储。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。