华为与 GB300 的 4:1 算力差，按带宽算只剩 2:1
zephyr_z9 · x · 2026-07-24
这条在拆解华为 Ascend SuperPOD 和 GB300 的算力差距，重点不是“训练 FLOPS”而是更接近真实推理/带宽的指标。
- 作者认为 4:1 的交换比只适用于训练 FLOPS；
- 按 内存带宽 计算，差距会降到 2:1（8TB/s vs 4TB/s）；
- 由于华为的 scale-up 规模更大，可以做更激进的分片策略；
- 其判断是两者在 每 GPU 解码吞吐 上大概率只差 1.3x–1.7x；
- 引文里还给出一个换算：8192 NPUs 约相当于 2048 张 GB300，或 28 个 NVL72 GB300 机柜，功耗约 3.8MW。
所属事件:华为昇腾与英伟达算力差距引发技术争议(3 条相关)→
「Infra」频道最新
- 全同态加密 GPT-2 速通赛开跑:现纪录 3.031 秒/token — tensorqt · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- Together 推出并行 LoRA 实验：多个实验共享同一批 GPU，免重复配置 — togethercompute · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27