BlackwellがAI学習のベンチマークで「全項目1位」を掲げました。NVIDIAはMLPerf Training v5.1で、BlackwellとBlackwell Ultraが7つのモデルすべてで最速の学習時間を記録したと説明しています[3]。しかも、全項目で結果を提出したのはNVIDIAだけだったそうです[3]。最大規模でも、提出された各規模でも最高性能を記録したとされています[3]。
MLPerf Training v5.1は、決められた精度に到達するまでの時間を測る評価です。モデルの大きさや用途が異なる7項目を並べています[3]。NVIDIAは、モデルが巨大化し、新しい構造が増えるほど学習用の計算力が必要になると説明しています[3]。このバージョンの評価結果は、2025年11月12日にMLCommonsから取得したデータに基づいています[3]。チップだけでなく、システムとソフトウェアの工夫で性能を上げる狙いも見えます。
鍵はFP4で、数値の精度を落として演算を速くする低精度のデータ形式です。BlackwellはFP4をハードウェアで加速し、クロックあたりFP8の2倍のFP4スループットを掲げています。Blackwell Ultraでは、FP8との差が3倍になります[3]。さらにNVIDIAはNVFP4という自社設計のデータ形式も使っています。論文では、業界のMXFP4形式と比べて、同じトークン数なら精度が向上し、同じ精度ならより少ないトークンで済むとされています[3]。これにより、指定精度に到達するまでの学習が速くなり、導入も早まるとされています[3]。
外部の解析も進んでいます。arXivの論文は、B200をH200と比べ、メモリ、Tensor Core、FP32からFP4までの演算性能を測るオープンなマイクロベンチマークを公開しています[4][6]。B200には第5世代Tensor Core、Tensor Memory、解凍エンジン、デュアルチップといった新機能があります[4]。こうした新機能が性能にどう影響するかは、まだ十分に理解されていないと論文は指摘します[4]。論文は、開発者の判断を助け、今後のGPU設計にも資するとしています[4]。
その結果、ResNet-50の混合精度学習で1.85倍、GPT-1.3Bで1.55倍、電力効率は32%向上したと報告されています[4]。行列計算やTransformerの推論・学習も評価対象に入っています[4]。数値だけを見ると、世代差は学習速度と電力効率の両方に表れているようです。ただし、マイクロベンチマークは特定のモデルと実装での測定で、条件が変われば差も変わります。
話題の中心は、H100の頃と少し違います。H100は、HopperとTransformer Engineにより、LLMを最大30倍、推論も最大30倍、GPT-3 175Bの学習を前世代比4倍に高速化するとされていました[1]。H100は、企業向け計算から超大型計算までを安全に高速化するとされています[1]。H100のデータシートも公式資料として公開されています[6]。Hopperのブログでは、高速ネットワークのInfiniBandでA100比で最大30倍、GPU同士を大規模につなぐNVLink Switch Systemでさらに3倍、Grace Hopperでは10倍とされています[2]。Grace HopperはArmの柔軟さを生かし、チップ間を900GB/sでつなぎ、PCIe Gen5より7倍速いとしています[2]。
公式資料では、BlackwellをAI工場のエンジンとしています[7]。RTX Blackwellをマイクロベンチマークで詳しく調べる論文もIEEEに発表されています[5]。つまり今回は、Blackwellが「接続が速い」から「学習の全項目で速い」へ、評価の中心を動かしたことがポイントです。FP4とNVFP4、そしてB200とH200の実測差が、次のAIセットアップの選び方を変えそうです。推論を含むワークロード（処理の種類）で、どの精度とどの世代を選ぶかが、より現実的な判断になります。データの量や精度の選び方が、コストの差になります。
引用ソース
- Web記事 記事全文: H100 Gpu | Nvidia — https://www.nvidia.com/en-us/data-center/h100/
NVIDIA H100 GPU
Extraordinary performance, scalability, and security for every data center.
An Order-of-Magnitude Leap for Accelerated Computing
The NVIDIA H100 GPU delivers exceptional performance, scalability, and secu - Web記事 記事全文: NVIDIA Hopper Architecture In-Depth | NVIDIA Technical Blog — https://developer.nvidia.com/blog/nvidia-hopper-architecture-in-depth/
Today during the 2022 NVIDIA GTC Keynote address, NVIDIA CEO Jensen Huang introduced the new NVIDIA H100 Tensor Core GPU based on the new NVIDIA Hopper GPU architecture. This post gives you a look inside the new H100 GPU
- Web記事 記事全文: NVIDIA Blackwell Architecture Sweeps MLPerf Training v5.1 Benchmarks — https://developer.nvidia.com/blog/nvidia-blackwell-architecture-sweeps-mlperf-training-v5-1-benchmarks/
The NVIDIA Blackwell architecture powered the fastest time to train across every MLPerf Training v5.1 benchmark, marking a clean sweep in the latest round of results. As developers experiment with new architectures, and
- Web記事 記事全文: Microbenchmarking NVIDIA’s Blackwell Architecture: An in-depth … — https://arxiv.org/html/2512.02189v3
Microbenchmarking NVIDIA’s Blackwell Architecture: An in-depth Architectural Analysis
Abstract
As GPU architectures rapidly evolve to meet the overcoming demands of exascale computing and machine learning, the performanc - Web記事 Web検索: Dissecting the NVIDIA RTX Blackwell Architecture with Microbenchmarks — https://ieeexplore.ieee.org/document/11459272
Dissecting the NVIDIA RTX Blackwell Architecture with Microbenchmarks
- Web記事 Web検索: Microbenchmarking NVIDIA’s Blackwell Architecture: An in-depth … — https://arxiv.org/abs/2512.02189
Microbenchmarking NVIDIA’s Blackwell Architecture: An in-depth …
- Web記事 Web検索: The Engine Behind AI Factories | NVIDIA Blackwell Architecture — https://www.nvidia.com/en-us/data-center/technologies/blackwell-architecture/
The Engine Behind AI Factories | NVIDIA Blackwell Architecture
- Web記事 Web検索: PDF NVIDIA H100 Tensor Core GPU – cdn.prod.website-files.com — https://cdn.prod.website-files.com/6473d8d02a3cf26273f27856/678f77b46d2bf3ee1f5ea0f3_h100-datasheet-2430615-compressed.pdf
PDF NVIDIA H100 Tensor Core GPU – cdn.prod.website-files.com
※ 本記事はAIにより、Reddit・Hacker News・5ch・Xトレンドの公開投稿・トレンドを軸に、その話題をWeb検索で深掘りして集めた一次情報(記事全文・HNコメント)を併せて自動生成されました。本文中の[n]は末尾の引用ソース番号です。内容の正確性は保証されません。引用先を必ずご確認ください。
RECENT COMMENTS