字节编辑
据报道，NVIDIA正在为中国市场研发一款名为“B30”的降规版AI芯片，这款芯片将首度支持多GPU扩展，允许用户通过连接多组芯片来打造更高性能的计算集群。
B30芯片预计将采用最新的Blackwell架构，使用GDDR7显存，而非高频宽内存（HBM），也不会采用台积电的先进封装技术。
采用GB20X芯片，也就是RTX 50系列的芯片，其售价预计在6500美元至8000美元之间，远低于H20芯片的1万至1.2万美元。
不少人认为“多GPU扩展”能力指的是NVLink，但NVIDIA已在其消费级GPU芯片中已经取消了NVLink支持，因此B30是否支持NVLink目前还不能确定。
有媒体称B30芯片的多GPU互联功能可能基于NVIDIA的ConnectX-8 SuperNICs技术，这一技术曾在Computex 2025上展示，用于连接RTX Pro 6000 GPU。
当然NVIDIA可能已经修改了现有的GB202芯片——即RTX 5090上使用的芯片，并启用了NVLink支持。
NVIDIACEO黄仁勋曾多次公开表示，中国是全球最大的AI市场之一，拥有全球一半的AI研究人员，拿下中国市场将引领全球AI发展。
但无奈的是美国的禁令使得NVIDIA在中国市场的份额受到限制，NVIDIA只能不断调整芯片设计，以符合美国的出口管制规定。
一、技术架构与性能参数对比
NVIDIA B30 与 H20 的核心技术参数对比如下：
关键差异解析：
显存与带宽的战略取舍
H20 凭借 96GB HBM3 显存和 4.0TB/s 带宽，在大模型推理中可直接加载全量参数（如 DeepSeek-R1 671B），避免数据分片导致的延迟。而 B30 采用 GDDR7 显存，虽通过动态压缩技术将有效带宽提升至 1.2TB/s，但在处理高精度 FP16 计算时仍存在瓶颈。例如，H20 在 4096 长文本输入场景下的吞吐量达 961.45 token/s（192 并发），而 B30 受限于显存带宽，同场景性能仅为 H20 的 60%。
算力与能效的博弈
B30 的 FP32 算力（200 TFLOPS）是 H20（44 TFLOPS）的 4.5 倍，在科学计算和传统训练任务中更具优势。但 H20 的 FP16 稀疏算力（148 TFLOPS）和 FP8 支持（296 TFLOPS）使其在生成式 AI 推理中效率更高。例如，H20 在 ResNet-50 训练中的能效比（TOPS/W）为 H20 的 82%，但 B30 通过降低功耗（250W vs 400W）实现单位成本下降 58%。
互联技术的代际差距
H20 的 NVLink 900GB/s 互联带宽是 B30 ConnectX-8 方案（100GB/s）的 9 倍，在多卡集群中表现出显著优势。测试显示，8 卡 H20 集群的分布式训练通信效率达 NVLink 理论值的 92%，而 B30 集群在 16 卡以上时延迟飙升，效率下降至 70%。这使得 H20 更适合千亿参数模型训练，而 B30 在中小型集群中性价比更高。
二、市场定位与战略意图对比
价格策略与生态绑定
B30 以 6500-8000 美元的售价直接对标华为昇腾 910B（约 5000 美元），通过 CUDA-X 软件栈的深度优化实现主流框架无缝迁移。例如，百度飞桨团队针对 B30 显存限制开发的动态分配算法，使 Transformer 模型推理速度提升 25%。而 H20 凭借成熟的 CUDA 生态和 NVLink 互联，仍占据高端推理市场，但其 1.2 万 - 1.5 万美元的售价导致部分企业转向国产替代方案。
合规性与技术封锁的角力
B30 通过精确校准参数（如算力密度 69.8 TFLOPS/mm²、互联带宽 590GB/s）完全符合美国出口管制要求，而 H20 因 FP32 算力（44 TFLOPS）和显存带宽（4.0TB/s）接近限制阈值，面临被禁风险。这种 “” 策略使 NVIDIA 在中国市场维持 13% 的营收占比（2024 年 H20 销售额 170 亿美元），同时通过技术标准割裂绞杀国产芯片生存空间。
性能与成本的市场选择
在训练市场，昇腾 910B 凭借 376 TFLOPS 的 FP16 算力和自研光互连技术，集群性能已超越 H20 15%。而 B30 在推理市场通过多卡扩展（100 块 B30 集群达 H20 集群 85% 性能，成本仅 60%）挤压寒武纪思元 590 等国产芯片的市场份额。但 H20 的 141GB 版本凭借超高显存容量，仍在医疗影像分析等垂类场景中不可替代。
三、技术挑战与产业博弈
显存带宽的致命短板
B30 的 GDDR7 显存带宽（1.7TB/s）仅为 H20 HBM3（4.0TB/s）的 42.5%，导致其在处理高精度计算时效率低下。例如，在 Stable Diffusion 图像生成任务中，B30 的单卡吞吐量仅为 H20 的 55%，而多卡集群因互联延迟增加，整体效率进一步下降至 75%。
国产替代的技术突破
华为昇腾 910B 通过 3D Fabric 封装技术实现 376 TFLOPS FP16 算力，性能显著优于 B30，且支持 PyTorch 框架 95% 的兼容性。寒武纪思元 590 则以 2TB/s 显存带宽（超越 B30）和低 40% 的价格，在边缘计算领域实现突破。此外，国产芯片通过训推分离架构，在金融风控等定制场景中逐步替代进口。
地缘政治与技术标准
美国最新出口管制将 “先进的中华人民共和国芯片” 列为重点监管对象，试图通过技术标准割裂维持优势。B30 的推出本质是美国技术封锁的 2.0 版本，通过 “” 芯片维持依赖，同时绞杀国产芯片生存空间。中国则通过 “东数西算”“信创工程” 等政策推动全栈国产化，构建自主算力生态。
四、未来展望与行业启示
B30 与 H20 的对比折射出中美 AI 博弈的复杂性：
短期：B30 凭借价格和生态优势在推理市场占据一定份额，但训练市场仍由国产芯片主导。H20 因显存容量和互联性能，在垂类大模型推理中不可替代。
长期：量子计算、光子芯片等颠覆性技术可能重塑竞争格局。中国在光子芯片专利储备量已占全球 34%，若实现商用，将彻底打破 NVIDIA 的技术垄断。 企业策略：需在性能、成本、合规性之间找到平衡点。例如，阿里云采用 H20 多卡并联方案（4 卡集群算力≈3 卡原版），部分弥补单卡性能损失；腾讯则通过优化 DeepEP 通信框架，在 H20 集群中实现 RoCE 网络环境下性能翻倍。