科技媒体 Wccftech 昨日（12 月 3 日）发布博文，报道称在“混合专家”模型上，英伟达的 GB200 NVL72 AI 服务器取得重大性能突破。
^m;dEe&@F 
a/;u:" 
$/90('D 
a% |[m,FvP 基于开源大语言模型 Kimi K2 Thinking、Deepseek-R1-0528、Mistral Large 3 测试，相比上一代 Hopper HGX 200 性能提升 10 倍。
?Z0T9e< d"<Q}Ay 注：混合专家模型（MoE）是一种高效的 AI 大模型架构。它不像传统模型那样在处理每个任务时都动用全部“脑力”（参数），而是像一个专家团队，根据任务类型只激活一小部分最相关的“专家”（参数子集）来解决问题。这样做能显著降低计算成本，提高处理速度。
,Dfq%~:grT 
0#lw?sv 就像人脑使用特定区域执行不同任务一样，混合专家模型使用路由器来选择最相关的专家来生成每个 token。
{ Z 3t0F 
Rq gH,AN 自 2025 年初以来，几乎所有领先的前沿模型都采用 MoE 设计
b#bdz1@s nr*~R-,\ 英伟达为了解决 MoE 模型扩展时遇到的性能瓶颈，采用了“协同设计”（co-design）的策略，该方法整合了 GB200 的 72 芯片配置、高达 30TB 的快速共享内存、第二代 Transformer 引擎以及第五代 NVLink 高速互联技术。
k$UgTZ ,B%M P<Rz1 通过这些技术的协同工作，系统能够高效地将 Token 批次拆分并分配到各个 GPU，同时以非线性速率提升通信量，从而将专家并行计算（expert parallelism）提升至全新水平，最终实现了性能的巨大飞跃。
Zx,R6@l 06"p ^# 除了硬件层面的协同设计，英伟达还实施了多项全栈优化措施来提升 MoE 模型的推理性能。例如，NVIDIA Dynamo 框架通过将预填充（prefill）和解码（decode）任务分配给不同的 GPU，实现了任务的解耦服务，允许解码阶段以大规模专家并行方式运行。
#qXE[% 
OSk:njyC[ 同时，系统还采用了 NVFP4 格式，这种数据格式在保持计算精度的同时，进一步提高了性能和效率，确保了整个 AI 计算流程的高效稳定。
#gq4% ; .yE!,^j.gB 该媒体指出，此次 GB200 NVL72 取得的性能突破，对英伟达及其合作伙伴具有重要意义。这一进展成功克服了 MoE 模型在扩展时面临的计算瓶颈，从而能够满足日益增长的 AI 算力需求，并巩固了英伟达在 AI 服务器市场的领先地位。
V#.;OtF] 
/%C6e
)7BL 
Oe4 l`
=2 GB200 NVL72，图源：英伟达
N(>a-a
微博帐号登录