MoE模型的稀疏啟動本是優勢，卻常陷通訊瓶頸。NVIDIA以軟體為利劍，通過程序化依賴啟動和全對全通訊革新，在三個月內將GB200的單GPU吞吐提升2.8倍，真正釋放Blackwell硬體潛力。
2026年1月8日，NVIDIA再次用硬核資料刷新AI推理的性能上限。
輝達官網披露：基於Blackwell架構的推理軟體棧升級，讓混合專家模型（MoE）的推理效率迎來「階躍式」突破——
單GPU吞吐飆升2.8倍，顯著降低了推理成本。
GB200 NVL72：為MoE而生
輝達為何這次能只使用軟體升級就實現如此顯著的性能提升，這歸因於MoE模型的特殊性。
以DeepSeek-R1為例，這個6710億參數的稀疏MoE模型，每次推理僅啟動370億參數（「稀疏啟動」），看似「輕量」，實則暗藏算力挑戰：專家模組間的動態路由需要高頻資料交換，預填充（prefill）與解碼（decode）階段的計算負載差異大，傳統架構極易因通訊瓶頸或精度損失陷入「性能牆」。同時MoE架構中的多個模型需要頻繁通訊。
輝達給出的應對之法，是在本身的硬體基礎上，通過軟體針對性升級，從而發揮出硬體的潛力。
GB200 NVL72機架級平台是本次突破的「物理基石」。
它通過第五代NVLink互連72塊Blackwell GPU，GPU之間具有1800GB/s雙向頻寬高速連接——這一設計是基於稀疏 MoE 架構模型專門進行的最佳化，相當於給72個「專家大腦」裝上了「超高速神經突觸」，讓專家間的資料交換告別「擁堵」。
軟體層面的更新，首先是NVFP4四位元浮點格式。
相比傳統FP4，NVFP4通過NVIDIA自研的數值分佈最佳化，在壓縮資料量的同時，最大限度保留了模型精度（這對MoE的稀疏啟動至關重要，避免因精度損失導致路由錯誤）。
配合硬體級NVFP4加速單元，Blackwell讓模型使用低精度計算，但卻能夠相比其他 FP4 格式，具有更高的精準性。
此外，「分解服務」（disaggregated serving）策略進一步釋放了GB200的潛力：將預填充（計算密集型）與解碼（記憶體密集型）分配到不同GPU組，利用NVLink Switch的靈活拓撲實現「計算-記憶體」解耦，避免單一資源成為瓶頸。
軟體引擎 TensorRT-LLM三個月狂飆2.8倍吞吐
如果說硬體是「基礎」，軟體則是「引擎調校」。NVIDIA TensorRT-LLM開源庫的近期最佳化，讓GB200 NVL72在DeepSeek-R1上的單GPU吞吐，過去三個月直接飆升2.8倍。
具體來看，三大最佳化堪稱「性能催化劑」：
1、程序化依賴啟動（PDL）
通過減少核心啟動延遲，讓GPU「時刻待命」，尤其在低互動性（高吞吐）場景下，顯著降低「空轉」損耗；
2、底層核心最佳化
針對Blackwell Tensor Core的微架構特性，重構計算流水線，讓每一份算力都用在「刀刃」上；
3、全對全通訊原語革新
消除接收端中間緩衝區，直接減少資料傳輸的「繞路成本」——這對MoE的專家間高頻通訊而言，相當於減少了延遲。
上述三項創新，使得GB200在運行DeepSeek R1時，相比2025年10月的軟體版本，獲得更高的吞吐量。
隨著AI從「能用」走向「好用」，使用者對互動性的要求激增——聊天機器人要「秒回」，程式碼助手要「即時補全」，而吞吐量的上升，意味著更低的延遲。
小機櫃也適用，HGX B200也能跑滿足DeepSeek
並非所有場景都需要GB200 NVL72這樣的包含72塊顯示卡的「巨無霸」。
對於風冷部署的企業或雲服務商，NVIDIA HGX B200（8卡Blackwell）同樣交出了驚豔答卷——其核心武器是多token預測（MTP）與NVFP4的組合拳。
傳統推理中，模型逐token生成，每一步都要等待前一步完成；而MTP通過預測多個候選token（而非單個），讓GPU在一次計算中覆蓋更多生成步驟，相當於在解碼任務時批次處理，「一次思考，多步輸出」。
實測顯示，在1K/1K、8K/1K、1K/8K等多種輸入輸出序列組合下，MTP均顯著提升了吞吐量，且互動性越高（延遲要求越嚴），收益越明顯。
當MTP遇上NVFP4，性能增益被進一步放大。NVFP4不僅通過四位元壓縮降低記憶體頻寬壓力，更依託Blackwell的張量核心實現高效計算。
結合TensorRT-LLM與TensorRT Model Optimizer的全端支援，HGX B200在保持精度的前提下，吞吐曲線隨MTP+NVFP4的啟用持續右移——意味著在相同互動性下能服務更多使用者，或在相同使用者數下提供更流暢的體驗。
對企業與雲服務商而言，現有Blackwell GPU通過軟體升級即可獲得2.8倍吞吐提升，相當於「免費擴容」，大幅延長硬體生命周期；對模型開發者，TensorRT-LLM 提供了一個高級的API。
原生PyTorch架構給開發者提供了兼具易用性與擴展性的結果，這降低了最佳化門檻，讓更多人能聚焦模型創新而非底層調優
這種「不依賴換硬體就能升級性能」的能力，讓輝達在專業顯示卡領域的護城河相比AMD，英特爾等競爭者更深。
Blackwell架構+TensorRT-LLM的組合，在MoE推理問題上，做到了在「高精度、低延遲、高吞吐、低成本」間的既要又要。輝達的護城河不止是晶片，更是那套能「從石頭裡榨出血來」的軟體生態。 (新智元)